什么是 SQL Server 中独立的 Machine Learning Server 或 R Server？
适用于： 
SQL Server 2016 (13.x) 及更高版本
重要
2022 年 7 月 1 日终止对 Machine Learning Server（以前称为 R Server）的支持。 有关详细信息，请参阅 Machine Learning Server 将发生什么情况？
SQL Server 为独立于 SQL Server 运行的独立 R Server 或 Machine Learning Server 提供安装支持。 根据 SQL Server 版本，独立服务器具有开放源代码 R 基础（可能是 Python），它们与 Microsoft 提供的具有大规模统计和预测分析功能的高性能库重叠。 库还能启用通过 R 或 Python 编写脚本的机器学习任务。
在 SQL Server 2016 中，此功能称为 R Server（独立版），且仅用于 R 。 在 SQL Server 2017 中，它称为 Machine Learning Server（独立版），且包括 R 和 Python 。
注意
独立服务器由 SQL Server 安装程序进行安装，其在功能上等同于 Microsoft Machine Learning Server 的非 SQL 品牌版本，支持相同的用户方案，包括远程执行、操作化和 Web 服务，以及 R 库和 Python 库的完整集合。
组件
SQL Server 2016 仅支持 R。 SQL Server 2017 支持 R 和 Python。 下表介绍了每个版本中的功能。
| 组件 | 说明 |
|---|---|
| R 包 | RevoScaleR 是可缩放 R 的主库，具有用于数据操作、转换、可视化和分析的函数 。 MicrosoftML 添加了机器学习算法，以便为文本分析、图像分析和情绪分析创建自定义模型 。 sqlRUtils 提供了帮助程序函数，用于将 R 脚本置于 T-SQL 存储过程中、向数据库注册存储过程，以及从 R 开发环境运行存储过程 。 olapR 用于在 R 中指定 MDX 查询。 |
| Microsoft R Open (MRO) | Microsoft R Open（已停用）是 Microsoft 的 R 开源发行版。 |
| R 工具 | R 控制台窗口和命令提示符是 R 分发版中的标准工具。 可在 \Program files\Microsoft SQL Server\140\R_SERVER\bin\x64 查找它们。 |
| R 示例和脚本 | 开放源代码 R 和 RevoScaleR 包中包括内置数据集，因此可以使用预安装的数据来创建和运行脚本。 可在 \Program files\Microsoft SQL Server\140\R_SERVER\library\datasets and \library\RevoScaleR 查找它们。 |
| Python 包 | revoscalepy 是可缩放 Python 的主库，具有用于数据操作、转换、可视化和分析的函数 。 microsoftml 添加了机器学习算法，以便为文本分析、图像分析和情绪分析创建自定义模型 。 |
| Python 工具 | 内置的 Python 命令行工具适用于临时测试和任务。 可在 \Program files\Microsoft SQL Server\140\PYTHON_SERVER\python.exe 查找此工具。 |
| Anaconda | Anaconda 是 Python 和基本包的开放源代码分发。 |
| Python 示例和脚本 | 与 R 一样，Python 包含内置的数据集和脚本。 可在 \Program files\Microsoft SQL Server\140\PYTHON_SERVER\lib\site-packages\revoscalepy\data\sample-data 查找 revoscalepy 数据。 |
| R 和 Python 中的预定型模型 | 预定型模型是为特定用例创建的，由 Microsoft 数据科学工程团队维护。 可以按原样使用预定型模型对文本中的正面-负面情绪进行评分，或使用你提供的新数据输入来检测图像中的特征。 预定型模型在独立服务器上受支持且可用，但无法通过 SQL Server 安装程序对其进行安装。 有关详细信息，请参阅在 SQL Server 上安装预定型机器学习模型。 |
使用独立服务器
R 和 Python 开发者通常会选择独立服务器，以打破开放源代码 R 和 Python 的内存和处理限制。 在独立服务器上执行的 R 和 Python 库可以在多个核心上加载和处理大量数据，并将结果聚合到单个合并输出中。 高性能函数专为规模和实用性而设计：在 Microsoft 设计和支持的商业服务器软件中，提供预测分析、统计建模、数据可视化和领先的机器学习算法。
作为与 SQL Server 分离的独立服务器，其 R 和 Python 环境是使用独立服务器（而非 SQL Server）中提供的基础操作系统和标准工具进行配置、保护和访问的。 没有对 SQL Server 关系数据的内置支持。 如果要使用 SQL Server 数据，可以创建数据源对象和连接（就像从任何客户端创建数据源对象和连接一样）。
如果需要进行本地计算和远程计算，则作为 SQL Server 的附属物的独立服务器还可用作功能强大的开发环境。 独立服务器上的 R 和 Python 包与随数据库引擎安装提供的 R 和 Python 包相同，允许实现代码可移植性和计算上下文切换。
如何入门
从安装程序开始，将二进制文件附加到你最喜爱的开发工具中，然后编写你的第一个脚本。
步骤 1：安装软件
安装以下任一版本：
步骤 2：配置开发工具
在独立服务器上，通常使用安装在同一台计算机上的开发工具在本地执行工作。
步骤 3：编写你的第一个脚本
使用 RevoScaleR、revoscalepy 和机器学习算法中的函数来编写 R 或 Python 脚本。
通过 25 个函数探索 R 和 RevoScaleR：从基本的 R 命令开始，然后使用 RevoScaleR 可分发的分析函数，这些函数可提高 R 解决方案的性能和可伸缩性。 包括许多最流行的 R 建模包的可并行化版本，例如 K-均值聚类、决策树和决策林以及用于数据操作的工具。
快速入门：microsoftml Python 包的二元分类示例：使用 microsoftml 中的函数和熟知的乳腺癌数据集创建二元分类模型。
选择最适合任务的语言。 R 非常适合用于使用 SQL 难以实现的统计计算。 对数据进行基于集的操作时，可利用强大的 SQL Server 来实现最佳的性能。 对列进行快速计算时，可使用内存数据库引擎。
步骤 4：操作你的解决方案
独立服务器可以使用非 SQL 品牌 Microsoft Machine Learning Server 的操作化功能。 可以为操作化配置独立服务器，这样配置具有以下好处：将代码作为 Web 服务部署和托管、运行诊断、测试 Web 服务容量。
步骤 5：维护服务器
SQL Server 定期发布累积更新。 应用累积更新可以增强现有安装的安全性和功能。
有关新功能或更改的功能的说明，请参阅 CAB 下载文章和 Web 页上的 SQL Server 2016 累积更新和 SQL Server 2017 累积更新。
有关如何将更新应用到现有实例的详细信息，请参阅安装说明中的应用更新。