Teilen über


Erstellen von SQL Server-Datenobjekten mithilfe von RxSqlServerData (Tutorial zu SQL Server und RevoScaleR)

Gilt für: SQL Server 2016 (13.x) und höhere Versionen

Dies ist das zweite Tutorial der Tutorialreihe zu RevoScaleR zur Verwendung von RevoScaleR-Funktionen mit SQL Server.

Dieses Tutorial ist eine Fortsetzung der Datenbankerstellung „Hinzufügen von Tabellen und Laden von Daten“. Wenn ein DBA die Datenbank erstellt und sich bei Tutorial 2 angemeldet hat, können Sie Tabellen mit einer R-IDE wie RStudio oder einem integrierten Tool wie Rgui hinzufügen.

Stellen Sie von R aus eine Verbindung mit SQL Server her, und führen Sie mit RevoScaleR-Funktionen die folgenden Aufgaben aus:

  • Erstellen von Tabellen für Trainingsdaten und Vorhersagen
  • Laden von Tabellen mit Daten aus einer lokalen CSV-Datei

Bei den Beispieldaten handelt es sich um simulierte Kreditkartenbetrugsdaten (das ccFraud-Dataset), die in Trainings- und Bewertungsdatasets unterteilt sind. Die Datendatei ist in RevoScaleR enthalten.

Verwenden Sie eine R-IDE oder Rgui, um diese Task abzuschließen. Stellen Sie sicher, dass Sie die ausführbaren R-Dateien aus diesem Verzeichnis verwenden: C:\Programme\Microsoft\R Client\R_SERVER\bin\x64 (entweder Rgui.exe, wenn Sie dieses Tool verwenden, oder eine R-IDE die auf C:\Programme\Microsoft\R Client\R_SERVER verweist). In diesem Tutorial wird vorausgesetzt, dass Sie eine R-Clientarbeitsstation mit diesen ausführbaren Dateien verwenden.

Erstellen der Tabelle mit den Trainingsdaten

  1. Speichern Sie die Datenbank-Verbindungszeichenfolge in einer R-Variablen. Im Folgenden sehen Sie zwei Beispiele gültiger ODBC-Verbindungszeichenfolgen für SQL Server: eine, die eine SQL-Anmeldung verwendet und eine für die integrierte Windows-Authentifizierung.

    Achten Sie darauf, den Servernamen, den Benutzernamen und das Kennwort nach Bedarf zu ändern.

    SQL-Anmeldename

    sqlConnString <- "Driver=SQL Server;Server=<server-name>; Database=RevoDeepDive;Uid=<user_name>;Pwd=<password>"
    

    Windows-Authentifizierung

    sqlConnString <- "Driver=SQL Server;Server=<server-name>;Database=RevoDeepDive;Trusted_Connection=True"
    
  2. Geben Sie den Namen der Tabelle an, die Sie erstellen möchten, und speichern Sie ihn in einer R-Variablen.

    sqlFraudTable <- "ccFraudSmall"
    

    Da die Serverinstanz- und Datenbanknamen bereits als Teil der Verbindungszeichenfolge beim Kombinieren der zwei Variablen angegeben werden, lautet der vollqualifizierte Name der neuen Tabelle instance.database.schema.ccFraudSmall.

  3. Geben Sie wahlweise rowsPerRead an, um zu steuern, wie viele Datenzeilen in jeden Batch eingelesen werden.

    sqlRowsPerRead = 5000
    

    Obwohl dieser Parameter optional ist, lassen sich dadurch effizientere Berechnungen erzielen. Die meisten der erweiterten Analysefunktionen in RevoScaleR und MicrosoftML verarbeiten Daten in Blöcken. Der rowsPerRead-Parameter bestimmt die Anzahl der Zeilen in jedem Block.

    Möglicherweise müssen Sie mit dieser Einstellung experimentieren, um das richtige Gleichgewicht zu finden. Bei einem zu großen Wert kann der Datenzugriff langsam sein, wenn nicht genügend Speicherplatz vorhanden ist, um Daten in Blöcken dieser Größe zu verarbeiten. Umgekehrt verhält es sich, wenn der Wert rowsPerRead zu niedrig ist, denn dies kann in einigen Systemen die Leistung verringern.

    Verwenden Sie als Anfangswert die von der Datenbank-Engine-Instanz definierte Standardgröße für die Batchverarbeitung, um die Anzahl der Zeilen in jedem Block (5.000 Zeilen) zu steuern. Speichern Sie den Wert in der Variablen sqlRowsPerRead.

  4. Definieren Sie eine Variable für das neue Datenquellenobjekt, und übergeben Sie die zuvor definierten Argumente an den RxSqlServerData-Konstruktor. Beachten Sie, dass dadurch nur das neue Datenquellenobjekt erstellt wird, es jedoch nicht aufgefüllt wird. Das Laden der Daten erfolgt in einem separaten Schritt.

    sqlFraudDS <- RxSqlServerData(connectionString = sqlConnString,
       table = sqlFraudTable,
       rowsPerRead = sqlRowsPerRead)
    

Erstellen der Tabelle mit den Bewertungsdaten

Gehen Sie genauso vor, um die Tabelle zu erstellen, in der die Bewertungsdaten erhalten sind.

  1. Erstellen Sie eine neue R-Variable, sqlScoreTable, um den Namen der Tabelle für die Bewertung zu speichern.

    sqlScoreTable <- "ccFraudScoreSmall"
    
  2. Geben Sie die Variable als Argument an die Funktion RxSqlServerData , um ein zweites Datenquellenobjekt, sqlScoreDS, zu definieren.

    sqlScoreDS <- RxSqlServerData(connectionString = sqlConnString,
       table = sqlScoreTable, rowsPerRead = sqlRowsPerRead)
    

Da Sie bereits die Verbindungszeichenfolge und andere Parameter als Variablen im R-Arbeitsbereich definiert haben, können Sie sie für neue Datenquellen wiederverwenden, die verschiedene Tabellen, Ansichten oder Abfragen darstellen.

Hinweis

In der Funktion werden für die Definition einer Datenquelle basierend auf einer ganzen Tabelle andere Argumente verwendet als für eine abfragebasierte Datenquelle. Dies liegt daran, dass die Abfragen von der SQL Server-Datenbank-Engine anders vorbereitet werden müssen. Später in diesem Tutorial erfahren Sie, wie Sie ein Datenquellenobjekt auf Grundlage einer SQL-Abfrage erstellen.

Laden von Daten in SQL-Tabellen mithilfe von R

Sie haben die SQL Server -Tabellen nun erstellt und können Daten in die Tabellen laden mithilfe der entsprechenden Rx -Funktion.

Das RevoScaleR-Paket enthält Funktionen, die spezifisch für Datenquellentypen sind. Verwenden Sie für Textdaten RxTextData, um das Datenquellenobjekt zu generieren. Es gibt weitere Funktionen zum Erstellen von Datenquellenobjekten von Hadoop-Daten, ODBC-Daten, usw.

Hinweis

Für diesen Abschnitt müssen Sie über Berechtigungen vom Typ DDL ausführen für die Datenbank verfügen.

Laden von Daten in die Trainingstabelle

  1. Erstellen Sie eine R-Variable, ccFraudCsv, und weisen Sie der Variable den Dateipfad für die CSV-Datei zu, die die Beispieldatei enthält. Dieses Dataset wird in RevoScaleR bereitgestellt. Bei „sampleDataDir“ handelt es sich um ein Schlüsselwort der rxGetOption-Funktion.

    ccFraudCsv <- file.path(rxGetOption("sampleDataDir"), "ccFraudSmall.csv")
    

    Achten Sie auf den Aufruf von rxGetOption, der die GET-Methode ist, die mit rxOptions in RevoScaleR verknüpft ist. Verwenden Sie dieses Hilfsprogramm zum Festlegen und Auflisten von Optionen mit Bezug auf lokale und Remotecomputekontexte, z. B. das freigegebene Standardverzeichnis oder die verwendete Anzahl der Prozessoren (Kerne) in Berechnungen.

    Dieser spezielle Aufruf ruft die Beispiele aus der richtigen Bibliothek ab, unabhängig vom Ausführungsort Ihres Codes. Versuchen Sie z.B. die Funktion auf SQL Server und auf Ihrem Entwicklungscomputer auszuführen, und beachten Sie, wie sich die Pfade unterscheiden.

  2. Definieren Sie eine Variable, um die neuen Daten zu speichern, und verwenden Sie die Funktion RxTextData zur Angabe der Text-Datenquelle.

    inTextData <- RxTextData(file = ccFraudCsv,      colClasses = c(
        "custID" = "integer", "gender" = "integer", "state" = "integer",
        "cardholder" = "integer", "balance" = "integer",
        "numTrans" = "integer",
        "numIntlTrans" = "integer", "creditLine" = "integer",
        "fraudRisk" = "integer"))
    

    Das Argument colClasses ist wichtig. Sie verwenden es zur Angabe des Datentyps jeder Spalte von Daten, die aus der Textdatei geladen wird. In diesem Beispiel werden alle Spalten als Text behandelt, mit Ausnahme der benannten Spalten, die als ganze Zahlen verarbeitet werden.

  3. Sehen Sie sich jetzt einmal die Datenbank in SQL Server Management Studio an. Aktualisieren Sie die Liste der Tabellen in der Datenbank.

    Sie sehen, dass zwar die R-Datenobjekte im lokalen Arbeitsbereich erstellt wurden, die Tabellen aber in der SQL Server-Datenbank noch nicht erstellt wurden. Außerdem wurden keine Daten aus der Textdatei in die R-Variable geladen.

  4. Geben Sie die Daten ein, indem Sie die Funktion rxDataStep aufrufen.

    rxDataStep(inData = inTextData, outFile = sqlFraudDS, overwrite = TRUE)
    

    Wenn nach einer kurzen Pause keine Probleme mit der Verbindungszeichenfolge auftreten, sollten Sie Ergebnisse wie diese sehen:

    Total Rows written: 10000, Total time: 0.466Rows Read: 10000, Total Rows Processed: 10000, Total Chunk Time: 0.577 seconds

  5. Aktualisieren Sie die Liste der Tabellen. Um sicherzustellen, dass jede Variable über die korrekten Datentypen verfügt und erfolgreich importiert wurde, können Sie auch mit der rechten Maustaste in die Tabelle in SQL Server Management Studio klicken und die Option Oberste 1000 Zeilen auswählen auswählen.

Laden von Daten in die Bewertungstabelle

  1. Wiederholen Sie die Schritte zum Laden des Datasets für die Bewertung in die Datenbank.

    Starten Sie über den Pfad zur Quelldatei.

    ccScoreCsv <- file.path(rxGetOption("sampleDataDir"), "ccFraudScoreSmall.csv")
    
  2. Verwenden Sie die Funktion RxTextData , um die Daten abzurufen, und speichern Sie sie in der Variablen inTextData.

    inTextData <- RxTextData(file = ccScoreCsv,      colClasses = c(
        "custID" = "integer", "gender" = "integer", "state" = "integer",
        "cardholder" = "integer", "balance" = "integer",
        "numTrans" = "integer",
        "numIntlTrans" = "integer", "creditLine" = "integer"))
    
  3. Rufen Sie die Funktion rxDataStep auf, um die aktuelle Tabelle mit dem neuen Schema und Daten zu überschreiben.

    rxDataStep(inData = inTextData, sqlScoreDS, overwrite = TRUE)
    
    • Das inData -Argument definiert die zu verwendende Datenquelle.

    • Das outFile -Argument gibt die Tabelle in SQL Server an, in der Sie die Daten speichern möchten.

    • Wenn die Tabelle bereits vorhanden ist und Sie nicht die Option overwrite verwenden, werden Ergebnisse ungekürzt eingefügt.

Wenn die Verbindung erfolgreich hergestellt wurde, sollte eine Nachricht angezeigt werden, die den Abschluss und die Zeit anzeigt, die zum Schreiben von Dateien in die Tabelle benötigt wurde:

Geschriebene Zeilen gesamt: 10.000, Gesamtzeit: 0,384Gelesene Zeilen: 10.000, Gesamte verarbeitete Zeilen: 10.000, Gesamte Blockzeit: 0,456 Sekunden

Weitere Informationen zu rxDataStep

rxDataStep ist eine leistungsstarke Funktion, die mehrere Transformationen an einem R-Datenrahmen durchführen kann. Darüber hinaus können Sie mit „rxDataStep“ Daten in die vom Ziel gewünschte Darstellung konvertieren: in diesem Fall SQL Server.

Optional haben Sie die Möglichkeit, Transformationen für die Daten anzugeben, indem Sie R-Funktionen in den Argumenten zu rxDataStep verwenden. Beispiele für diese Vorgänge werden später in diesem Tutorial erläutert.

Nächste Schritte