R编程语言最早出现于 1993 年，而在 2000 年，它的第一个符合产品质量的版本R-1.0 发布了。自那之后，R就成为了统计分析方面的业界标准，围绕着这门语言出现了大量的图形界面工具，以及可用于各种 IDE 及文本编辑器的包。
Revolution Analytics 是一家成立了 9 年的公司，他们为R语言提供商业级的支持服务。但就在最近，微软收购了这家公司，作为他们向大数据及机器学习领域迈出的第一步。这次收购的结果是在即将问世的 SQL Server 2016 中将提供对R语言的支持。
SQL Server R Services 的主要优点在于数据的本地化。通过在数据库中直接运行R，免除了将数据从数据库服务器搬到R服务器的过程中通常会产生的性能开销。它的另一个优点在于能够将整个操作封装为一个存储过程，因此无需通过某个外部应用服务器对操作过程进行控制。
调用这一过程的方法是使用 sp_execute_external_script，这个存储过程允许你通过标准的查询将数据从 SQL Server 传递至R服务。而在R脚本执行完毕之后，可以返回一个R变量，通常来说是一个数据帧。
在 sp_execute_external_script 中有一个令人感兴趣的特性，即@language 这个参数。虽然它目前仅限于使用R语言，但从文档上看，未来似乎可以通过一种插件模型以支持其他脚本语言。
可使用任意一种通过 xxx 注册的受支持语言。language 的类型是 sysname。
在进行复杂的数据处理时，R语言比起常规的 SQL 语句具有许多优势。Casimir Saternos 在他的文章“超越 SQL：使用R语言进行数据处理”中提出了一些示例，例如如何简化表的 PIVOT 和 UNPIVOT 操作。Casimir 在文章的总结中这样说道：
从定义上来说，SQL 是一种查询语言。它的长处在于从数据库中获取数据，在许多场景中，这是唯一一种从数据库中取出数据的方法，因而显得至关重要。
但是，在进行数据转换时，SQL 又有可能变得非常笨重。SQL 本身是一种非常灵活的语言，因此也支持以大量不同的方式进行数据的转换，但这些转换往往需要使用冗长的、晦涩的、难以维护的 SQL 语句。而通过R语言所带的大量的包，可以以一种简洁的、清晰的、简单的方法执行相同的操作。付出一定时间去学习这些包是完全值得的，这让我们能够充分利用 SQL 与R语言包中最好的方面，通过一系列易于理解与掌握的步骤实现数据的分析。
本文文字及图片出自 InfoQ
你的反应是：