什麼是 SQL Server 中的獨立 Machine Learning Server 或 R 伺服器？
適用於：
SQL Server 2016 (13.x) 和更新版本
重要
Machine Learning Server (先前稱為 R Server) 的支援已於 2022 年 7 月 1 日結束。 如需詳細資訊，請參閱 Machine Learning Server 發生什麼事？
SQL Server 提供獨立於 SQL Server 執行的獨立 R 伺服器或 Machine Learning Server 的安裝支援。 根據您的 SQL Server 版本而定，獨立伺服器具有開放原始碼 R (可能也有 Python) 的基礎，並與 Microsoft 中的高效能程式庫重疊，以大規模新增統計和預測性分析。 程式庫也會啟用以 R 或 Python 編寫指令碼的機器學習工作。
在 SQL Server 2016 中，這項功能稱為 R Server (獨立式) ，且僅限於 R。 在 SQL Server 2017 中，它稱為 Machine Learning Server (獨立式) ，且包括 R 和 Python。
注意
如同 SQL Server 安裝程式所安裝，獨立伺服器的功能相當於非 SQL 品牌版本的 Microsoft Machine Learning Server，支援相同的使用者案例，包括遠端執行、運作化和 Web 服務，以及 R 和 Python 程式庫的完整集合。
元件
SQL Server 2016 僅限 R。 SQL Server 2017 支援 R 和 Python。 下表描述每個版本的功能。
| 元件 | 描述 |
|---|---|
| R 套件 | RevoScaleR 是可調整 R 的主要程式庫，其中包含資料操作、轉換、視覺效果和分析的功能。 MicrosoftML 新增機器學習演算法來建立自訂模型，以進行文字分析、影像分析及情感分析。 sqlRUtils 提供協助程式函式，可將 R 指令碼放入 T-SQL 預存程序、向資料庫註冊預存程序，以及從 R 開發環境執行預存程序。 olapR 是用來在 R 中指定 MDX 查詢。 |
| Microsoft R Open (MRO) | Microsoft R Open（已淘汰）是 Microsoft 的開放原始碼 R 發行版。 |
| R 工具 | R 主控台視窗和命令提示字元是 R 散發套件中的標準工具。 在 \Program files\Microsoft SQL Server\140\R_SERVER\bin\x64 尋找。 |
| R 範例和指令碼 | 開放原始碼 R 和 RevoScaleR 套件包含內建的資料集，讓您可以使用預先安裝的資料來建立和執行指令碼。 在 \Program files\Microsoft SQL Server\140\R_SERVER\library\datasets and \library\RevoScaleR 尋找。 |
| Python 套件 | revoscalepy 是可擴充 Python 的主要程式庫，其中包含用於資料操作、轉換、視覺效果和分析的功能。 microsoftml 新增機器學習演算法來建立自訂模型，以進行文字分析、影像分析及情感分析。 |
| Python 工具 | 內建的 Python 命令列工具適用於臨機操作測試和工作。 在 \Program files\Microsoft SQL Server\140\PYTHON_SERVER\python.exe 尋找工具。 |
| Anaconda | Anaconda 是 Python 和基本套件的開放原始碼散發套件。 |
| Python 範例和指令碼 | 像 R 一樣，Python 包含內建的資料集和指令碼。 在 \Program files\Microsoft SQL Server\140\PYTHON_SERVER\lib\site-packages\revoscalepy\data\sample-data 尋找 revoscalepy 資料。 |
| R 和 Python 中的預先定型模型 | 預先定型的模型是針對特定使用案例所建立，並由 Microsoft 的資料科學工程團隊進行維護。 您可以使用您所提供的新資料輸入，依實際情況使用預先定型的模型來對文字中的正負面情感進行評分，或偵測影像中的特徵。 獨立伺服器支援預先定型的模型且可以使用，但是您無法透過 SQL Server 安裝程式來安裝。 如需詳細資訊，請參閱在 SQL Server上安裝預先定型機器學習模型。 |
使用獨立伺服器
R 和 Python 開發人員通常會選擇獨立伺服器，以超越開放原始碼 R 和 Python 的記憶體和處理條件約束。 在獨立伺服器上執行的 R 和 Python 程式庫，可以在多個核心上載入和處理大量資料，並將結果彙總成單一合併輸出。 高效能功能是針對規模和公用程式而設計：在商務伺服器產品中提供預測性分析、統計模型、資料視覺效果和領先業界的機器學習演算法，並且受到 Microsoft 支援。
隨著獨立伺服器與 SQL Server 分離，R 和 Python 環境會使用基礎作業系統和獨立伺服器 (而不是 SQL Server) 中提供的標準工具進行設定、保護和存取。 SQL Server 關聯式資料並沒有內建支援。 如果想要使用 SQL Server 資料，您可以建立資料來源物件和連接，就像從任何用戶端所做的一樣。
如果您同時需要本機和遠端計算，獨立伺服器也可以當成 SQL Server 的附屬電腦，作為強大的開發環境。 獨立伺服器上的 R 和 Python 套件與資料庫引擎安裝所提供的套件相同，允許程式碼可攜性和計算內容切換。
如何開始使用
從安裝開始，將二進位檔附加至您最愛的開發工具，並撰寫您的第一個指令碼。
步驟 1:安裝軟體
安裝下列其中一個版本：
步驟 2:設定開發工具
在獨立伺服器上，通常會使用安裝在同一部電腦上的開發，在本機上工作。
步驟 3：撰寫您的第一個指令碼
使用來自 RevoScaleR、revoscalepy 和機器學習演算法的函式來撰寫 R 或 Python 指令碼。
在 25 個函式中探索 R 和 RevoScaleR (英文)：開始使用基本 R 命令，然後進行 RevoScaleR 可散發分析函式，以提供高效能 R 解決方案以及進行調整。 包含許多最熱門 R 模型建立套件 (例如 K-Means 叢集、決策樹及決策樹系) 的可平行處理版本，以及資料操作工具。
快速入門：使用 microsoftml Python 套件的二元分類範例 (英文)：使用來自 microsoftml 的函式和已知的乳癌資料集，建立二元分類模型。
選擇工作的最佳語言。 R 最適合難以使用 SQL 來實作的統計計算。 對於資料的集合型作業，請利用 SQL Server 的能力來達到最大效能。 使用記憶體內部資料庫引擎，以快速計算資料行。
步驟 4：讓您的解決方案運作
獨立伺服器可以使用非 SQL 品牌 Microsoft Machine Learning Server (英文) 的 運作化 (英文) 功能。 您可以設定獨立伺服器以運作，其具備以 Web 服務形式部署和裝載程式碼、執行診斷、測試 Web 服務容量等優點。
步驟 5：維護您的伺服器
SQL Server 會定期發佈累積更新。 套用累積更新可增加現有安裝的安全性和功能增強功能。
如需新增或變更功能的說明，請參閱 CAB 下載一文和 SQL Server 2016 累積更新和 SQL Server 2017 累積更新的網頁。
如需如何將更新套用至現有執行個體的詳細資訊，請參閱安裝指示中的套用更新。
另請參閱
意見反應
即將推出：在 2024 年，我們將隨著內容的意見反應機制逐步淘汰 GitHub 問題，並以新的意見反應系統來取代。 如需詳細資訊，請參閱 https://aka.ms/ContentUserFeedback。
提交並檢視相關的意見反應