Linux环境下R和R包安装及其管理
前言
R对windows使用很友好，对Linux来说充满了敌意。小数据可以在windows下交互操作，效果很好很棒。可是当我们要处理大数据，或者要在集群上搭建pipeline时，不得不面对在Linux上装R及想要的R包这个难题，尤其是对非root用户而言更是艰难重重。
准备依赖库
依次安装：zlib/bzip/liblzma/pcre/curl，注意顺序和版本。目前3.4以上3.6以下R版本相对较为稳定和不过时，我自己安装的是3.5.2。
cd zlib-1.2.11
./configure --prefix =/your/path/zlib #一般最好新建一个目录，以下同理
make
make install
cd bzip2-1.0.6
make -f Makefile-libbz2_so
然后修改 Makefile 中的PREFIX=/your/path/bzip2
make && make install
cd xz-5.2.3
./configure -prefix=/your/path/xz
make
make install
tar -zxvf pcre-8.41.tar.gz
cd pcre-8.41
./configure --enable-utf --enable-unicode-properties --enable-jit --disable-cpp --prefix /your/path/pcre
#按官方文档的推荐命令的安装参数
make
make install
tar -zxf curl-7.28.0.tar.gz
cd curl-7.28.0
./configure --prefix=/your/path/curl
make
make install
如果没报错，怎么知道自己安装成功了呢？一般在各个库的目录下会新生成bin/include/lib/share等几个目录。
安装R
源码安装方式同其他软件步骤一样，也是configure —— make —— make install，不过肯定没那么顺利，必然会有各种依赖库找不到。
1. congure
configure是很重要的一步，检查系统环境，准备编译和链接所需依赖及其种种复杂关系，往往死在第一步。
./configure --prefix=/your/wantto/install/R --enable-R-shlib --with-cairo --with-jpeglib --with-readline --with-tcltk --with-blas --with-lapack --enable-R-profiling LDFLAGS="-L/your/path/zlib/lib -L/your/path/bzip2/lib -L/your/path/xz/lib -L/your/path/pcre/lib -L/your/path/curl/lib" CPPFLAGS="-I/your/path/zlib/include -I/your/path/bzip2/include -I/your/path/xz/include -I/your/path/pcre/include -I/your/path/curl/include"
# R也是最好新建一个要安装的路径再指定。指定各依赖库的库文件和头文件。
2.make
configure成功，此时如果直接make，一般也会报错，如下：
/usr/bin/ld: warning: libpcre.so.1, needed by ../../lib/libR.so, not found (try using -rpath or -rpath-link)
/usr/bin/ld: warning: liblzma.so.5, needed by ../../lib/libR.so, not found (try using -rpath or -rpath-link)
即使configure已经指定传入了PCRE和XZ这两个库的路径，还是会说缺少libpcre.so.1和liblzma.so.5这两个库文件。
为什么呢？gcc编译链接动态库时很有可能编译通过，但是执行时找不到动态链接库，那是因为-L选项指定的路径只在编译时有效。
如果是root用户，修改/etc/ld.so.conf文件，将前面安装的库的路径添加到这个文件中。
如果是非root用户（绝大多数的我们），解决方法是通过-Wl(大写的W和小写的L),rpath=<your_lib_dir>，使得execute记住链接库的位置。
此时如果在configure的时候加上-Wl，并不会起作用。configure成功的时候不仅生成Makefile，还会生成Makeconf（即将configure的参数传入），因此我们可以直接修改Makeconf中的参数。
LDFLAGS = -L/your/path/zlib/lib -L/your/path/bzip2/lib -L/your/path/xz/lib -L/your/path/pcre/lib -L/your/path/curl/lib -Wl,-rpath=/your/path/xz/lib -Wl,-rpath=/your/path/pcre/lib
# configure已经传入-L参数，因此我们只需在后面加上-Wl参数并指定相应库路径。注：原来的-L参数仍要保留。
#-L参数只能让路径在gcc编译时有效,而-Wl参数只能让其在运行时有效。
make成功。
3.make install
make成功后，一般这一步没啥问题。
参考：https://xieduo7.github.io/2018-04-02-R%E5%AE%89%E8%A3%85.html
安装R包
Linux下安装R包一般有2种方式：
1. R CMD INSTALL
下载源码
R CMD INSTALL /.../mypackage.tar.gz
也可指定安装库路径：
R CMD INSTALL /.../mypackage.tar.gz --library=/your/lib/path
更多参数--help一下
2. install.packages
which R查看下路径，是否是刚才自己安装的R。敲R，或全路径进入R
install.packages('mypackage')，这种方式针对CRAN包。
一般会让你选择镜像。选择自己最近的，有的镜像所含的R包不是很全，需要换一下。如果没有自己想要的镜像，也可自己指定（在R官网中可查镜像https://cran.r-project.org/mirrors.html）。
install.packages("packages","repos" = (CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/"),lib="/lib/path")
以上针对的是CRAN中的包，如果是 bioconductor包呢？
先装BiocManager，再安装所需R包即可。
install.packages("BiocManager") #如已安装，后续安装不再需要
BiocManager::install("clusterProfiler")
不推荐以下安装方法，速度会很慢。
source("http://bioconductor.org/biocLite.R")
biocLite("mypackage")
如果不指定R包安装的路径，R包会安装在/your/R/lib64/R/library中，这也是R自带的基础包的目录。
一口气装了这么多包，包括依赖炒鸡多的tidyverse和clusterProfiler等，爽歪歪。
image.png
常见操作
1.包的操作和管理
- 添加环境变量：
export PATH=/your/R/bin:$PATH
export LD_LIBRARY_PATH=/your/complie_tools/zlib/lib:/your/complie_tools/curl/lib:/your/complie_tools/bzip2/lib:/your/complie_tools/pcre/lib:/your/complie_tools/xz/bin:/your/R/lib64/R/lib:$LD_LIBRARY_PATH #这些都是一些依赖库
- 添加R库路径到环境变量：
export R_LIBS=/your/R_packages
export R_LIBS=/others/.../R/lib64/R/library #添加环境变量R的lib路径，可以使用别人安装的包
R中用.libPaths()函数查看lib路径，如果有多个lib，install.packages()默认是安装在第一个目录下。如果一开始就没指定R包安装路径并配置环境变量，则默认安装在/your/R/lib64/R/library中。
2. 其他操作
其实和window控制台一样，只是换成了单命令行：
.libPaths() #查看包的安装目录
library() #查看已经安装的包目录
library(package) #载入mypackage包
getOption("defaultPackages") #查看启动R时自动载入的包。
help(package = 'mypackage') #查看‘mypackage’的帮助
args(function)：查看函数的参数
example(function)：自动运行该函数帮助文档中的例子，很赞！
demo("package")：展示包中demo
vignette('mypackage')：有的包特别是bioconductor的包有vignette
openVignette('mypackage')：这个函数也可以查看vignette，更好用一些
RSiteSearch("helpinfor")：搜索R网站上的“helpinfor”相关信息
help.start()：查看已经安装包的详细HTML文档，这个命令非常爽。
search()：查看当前载入的包
sessionInfo()：查看R中载入的包
methods()：查看某个S3泛型函数中所有的方法或者一个类中所有的方法（S3：S version 3）
showMethods(class = "myClass")：查看S4类的方法
findMethods("myMethods")：查看method的代码
class(myObject)：查看某个对象的类
getClass(“class/package”)：查看某个class或者包的具体内容
getSlots("class")：查看某个class的slot
slotNames(MyObject)：查看某个对象的slot。
可以使用Myobject@slotNames访问对象的slot值，这个@设计实在是太爽了，可以连续用。
查询包内信息：
1. ?function/method：查看某个“函数”或者“方法”的详细内容
2. class?graph::graph：查看“组”的详细内容的一个例子。这个例子的来源是查询graph包时候，查看其中class的信息，输入??graph后出现一个graph::graph-class。
ls("package:mypackage")：查看"mypackage"中的所有对象。
Ref: https://www.cnblogs.com/xianghang123/archive/2013/01/08/2851450.html
