大数据分析（四）：使用R读取关系型数据库数据

关系型数据库数据

关系型数据库是目前企业数据存储最常用的方案，常用的关系型数据库系统有MySQL/Oracle/DB2等等。如果需要对这些数据库编程一般有如下两种方式：

• 厂家的专有API

这种方式一般采用厂家提供的开发包和专有API，优点是数据库操作的性能比较高，且能使用一些厂家提供的数据库专有的功能。缺点是各个厂家接口和开发平台不统一，对于开发者学习成本较高。

• 数据库驱动

这种方式一般通过一种数据库中间件提供操作API。中间件直接使用各个厂家提供的驱动包，对上层开发提供统一的API接口。优点是所有数据库的操作可以通过一套API解决，开发者的学习成本低，且开发简单。缺点是性能相比上一中方式要差一些，且无法使用一些数据库的专有功能。常见的数据库连接中间件有ODBC和JDBC。ODBC主要用于Windows平台的数据库连接，且大多使用C/C++语言来进行连接数据库。JDBC是专门针对Java的数据库连接工具，使用更加广泛，且跨平台。

在R环境中，我们可以通过rJava包来使用JDBC连接数据库。既然是采用JDBC连接数据库，那么所有的关系型数据库，只要能支持JDBC连接的，都可以采用下面内容中方式来进行连接，所不同的是驱动包而已。

下面就以MySQL为例，详细描述如何使用R来连接关系型数据库中的表。

假设MySQL中存在stu表，字段分别为stu_no（学号），stu_name(学生姓名），stu_age(学生年龄）

# 建表语句

CREATE TABLE STU(
   STU_NO INT PRIMARY KEY,
   STU_NAME VARCHAR(32) ,
   STU_AGE INT );


#插入数据

INSERT INTO STU(STU_NO, STU_NAME, STU_AGE) VALUES(1000001, 'zs', 23);
INSERT INTO STU(STU_NO, STU_NAME, STU_AGE) VALUES(1000002, 'ls', 20);
INSERT INTO STU(STU_NO, STU_NAME, STU_AGE) VALUES(1000003, 'ww', 21);
INSERT INTO STU(STU_NO, STU_NAME, STU_AGE) VALUES(1000004, 'xxs', 22);

上述脚本在MySQL中执行以后，可以通过查询语句来验证数据插入成功：

SELECT * FROM STU;

MySQL中的数据

数据准备好了以后我们就可以通过R来连接MySQL数据库了。因为是通过JDBC来进行连接，所以需要知道MySQL的连接参数：IP地址、用户名、密码、数据库名。假设测试环境中的MySQL上述参数为：

• IP: 192.168.56.1
• 用户名：root
• 密码：root
• 数据库名：test

直接在命令行下输入R进入环境：

 root@hostname# R

R环境

安装所需要的R包：

  install.package("rJava")
  install.package("DBI")
  install.package("RJDBC")
  library('rJava')
  library('DBI')
  library('RJDBC')

下载MySQL的JDBC驱动包，点我下载.

将下载的jar包保存在当前目录下，假设当前目录为/home/test/,那么MySQL的驱动包保存的完全路径为：

/home/test/mysql-connector-java-5.1.30-bin.jar

那么在R中输入如下命令加载驱动：

drv <- JDBC(“com.mysql.jdbc.Driver”, “/home/test/mysql-connector-java-5.1.30-bin.jar”)  //加载驱动

上述drv为加载以后的驱动，使用该驱动即可链接数据库：

conn <- dbConnect(drv, “jdbc:mysql://192.168.56.1:3306/test”, “root”, “root”)   //建连接

jdbc:mysql://192.168.56.1:3306/test为jdbc连接参数，格式为：jdbc:mysql://ip:3306/dbname，其中ip和dbname分别为MySQL的IP地址和数据库名称。上述语句中的conn为建立的连接参数。

然后利用建立的连接就可以进行查询了：

dt = dbGetQuery(conn,“select * from stu”)   //测试连接

dt就是查询出来的结果集，在R中自动转换成为dataframe类型。那么我们可以方便的使用head来查看其中的内容：

head(dt)

这样数据就从关系型数据库加载到R中了。