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發生什麼情況？
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（獨立版）， 且僅限 R。 在 SQL Server 2017 中，它稱為 Machine Learning Server （獨立式）， 並同時包含 R 和 Python。
注意
如由 SQL Server 安裝程式安裝的獨立伺服器，其功能與非 SQL 品牌版本的 Microsoft Machine Learning Server 相當，支援相同的使用案例，包括遠端執行、作業化和 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 是用於擴展 R 的主要函式庫，具備用於數據操作、轉換、視覺化和分析的函式。 MicrosoftML 新增機器學習演算法，以建立用於文字分析、影像分析和情感分析的自定義模型。 sqlRUtils 提供協助程式函式，將 R 腳本放入 T-SQL 預存程式、向資料庫註冊預存程式，以及從 R 開發環境執行預存程式。 olapR 用於在 R 中指定 MDX 查詢。 |
| 微軟 R 開放平台 （MRO） | Microsoft R Open（已淘汰）已Microsoft R 的開放原始碼發行版。 |
| 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 是用於可擴展 Python 的主要函式庫，提供數據處理、轉換、視覺化和分析的函式。 microsoftml 新增機器學習演算法，以建立用於文字分析、影像分析和情感分析的自定義模型。 |
| 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。 |
| 蟒蛇 | 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 上安裝預先定型的機器學習模型。 |
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，允許程式代碼可移植性和 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。
探索 R 和 RevoScaleR 在 25 個函數中的應用：從基本 R 命令開始，再進一步使用 RevoScaleR 分佈式分析函數，以提供高效能並可擴展至 R 解決方案。 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：使用 microsoftml 和已知乳腺癌數據集的函式建立二進位分類模型。
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。 針對以集合為基礎的數據作業，請使用 SQL Server 的強大功能來達到最大效能。 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 的作化功能。 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。
您可以在 CAB 下載文章和 SQL Server 2016、SQL Server 2017 和 SQL Server 2019 的組建版本文章中找到新功能或變更功能的描述。
如需如何將更新套用至現有實例的詳細資訊，請參閱安裝指示中的 套用更新 。