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。