Tutorial: Desenvolvimento de SQL para cientistas de dados do R

  • Artigo

Aplica-se a: SQL Server 2016 (13.x) e versões posteriores

Neste tutorial para cientistas de dados, saiba como criar uma solução de ponta a ponta para modelagem preditiva com base no suporte a recursos do R no SQL Server 2016 ou SQL Server 2017. Este tutorial usa um banco de dados NYCTaxi_sample no SQL Server.

Você usará uma combinação de código do R, dados do SQL Server e funções SQL personalizadas para criar um modelo de classificação que indica a probabilidade de o motorista receber uma gorjeta em uma corrida de táxi específica. Você também implantará seu modelo do R no SQL Server e usar dados do servidor para gerar pontuações com base no modelo.

Este exemplo foi escolhido porque pode ser estendido para todos os tipos de problemas reais, como prever as respostas dos clientes a campanhas de vendas ou prever gastos ou público em eventos. Como o modelo pode ser invocado por meio de um procedimento armazenado, você pode inseri-lo facilmente em um aplicativo.

Considerando que o passo a passo foi criado para apresentar os desenvolvedores do R ao R Services (no Banco de Dados), o R é usado sempre que possível. Porém, isso não significa que o R é necessariamente a melhor ferramenta para cada tarefa. Em muitos casos, o SQL Server poderá fornecer um desempenho melhor, especialmente para tarefas como agregação de dados e engenharia de recursos. Essas tarefas podem se beneficiar particularmente dos novos recursos do SQL Server, como índices columnstore com otimização de memória. Vamos tentar apontar otimizações possíveis ao longo do caminho.

Pré-requisitos

É recomendável que você faça este passo a passo em uma estação de trabalho cliente. Você deve ser capaz de se conectar, na mesma rede, a um computador SQL Server com o SQL Server e a linguagem R habilitada. Para obter instruções sobre a configuração da estação de trabalho, confira Configurar um cliente de ciência de dados para o desenvolvimento de R.

Como alternativa, você pode executar a instrução em um computador que tenha SQL Server e um ambiente de desenvolvimento do R, mas não recomendamos essa configuração para um ambiente de produção. Se você precisar colocar o cliente e o servidor no mesmo computador, instale um segundo conjunto de bibliotecas do Microsoft R para enviar o script R de um cliente "remoto". Não use as bibliotecas do R instaladas nos arquivos de programas da instância do SQL Server. Especificamente, se você estiver usando um computador, precisará da biblioteca RevoScaleR em ambos os locais para dar suporte a operações de cliente e servidor.

  • C:\Program Files\Microsoft\R Client\R_SERVER\library\RevoScaleR
  • C:\Program Files\Microsoft SQL Server\MSSQL14.MSSQLSERVER\R_SERVICES\library\RevoScaleR

Pacotes do R adicionais

Este passo a passo exige várias bibliotecas do R que não são instaladas por padrão como parte do R Services (no Banco de Dados). É necessário instalar os pacotes no cliente em que você desenvolve a solução e no computador do SQL Server em que você implanta a solução.

Em uma estação de trabalho cliente

Em seu ambiente do R, copie as linhas a seguir e execute o código em uma janela do Console (Rgui ou um IDE). Alguns pacotes também instalam pacotes necessários. Ao todo, cerca de 32 pacotes são instalados. Você deve ter uma conexão com a Internet para concluir esta etapa.

# Install required R libraries, if they are not already installed.
if (!('ggmap' %in% rownames(installed.packages()))){install.packages('ggmap')}
if (!('mapproj' %in% rownames(installed.packages()))){install.packages('mapproj')}
if (!('ROCR' %in% rownames(installed.packages()))){install.packages('ROCR')}
if (!('RODBC' %in% rownames(installed.packages()))){install.packages('RODBC')}

No servidor

Você tem várias opções para instalar pacotes no SQL Server. Por exemplo, o SQL Server fornece o recurso de gerenciamento de pacotes do R que permite aos administradores de banco de dados criar um repositório de pacotes e atribuir ao usuário os direitos para instalar seus próprios pacotes. No entanto, se você for um administrador no computador, poderá instalar novos pacotes usando o R, desde que os instale na biblioteca correta.

Observação

No servidor, não instale em uma biblioteca de usuário, mesmo se solicitado. Se você instalar em uma biblioteca de usuário, a instância do SQL Server não poderá localizar nem executar os pacotes. Para saber mais, confira Como instalar novos pacotes do R no SQL Server.

  1. No computador do SQL Server, abra RGui.exe como administrador. Se você tiver instalado o SQL Server R Services usando os padrões, Rgui.exe poderá ser encontrado em C:\Arquivos de Programas\Microsoft SQL Server\MSSQL13.MSSQLSERVER\R_SERVICES\bin\x64.

  2. Em um prompt do R, execute os seguintes comandos do R:

install.packages("ggmap", lib=grep("Program Files", .libPaths(), value=TRUE)[1])
install.packages("mapproj", lib=grep("Program Files", .libPaths(), value=TRUE)[1])
install.packages("ROCR", lib=grep("Program Files", .libPaths(), value=TRUE)[1])
install.packages("RODBC", lib=grep("Program Files", .libPaths(), value=TRUE)[1])

Este exemplo usa a função grep do R para pesquisar o vetor dos caminhos disponíveis e encontrar o caminho que inclui "Arquivos de Programas". Para obter mais informações, consulte Documentação do R para o pacote base.

Se você acha que os pacotes já estão instalados, verifique a lista de pacotes instalados executando installed.packages().

Próximas etapas

Explorar e resumir os dados