bug在左，生活在右

sparklyr绑定了Spark分布式机器学习库。而且，sparklyr允许访问spark.ml包中提供的机器学习程序。加上sparklyr的dplyr接口，完全可以通过R精心策划，在spark中轻松创建和调整机器学习的工作流程。

简介dplyr是一个R包，用来处理R环境内外的结构化数据。dplyr使得R语言使用者更简单、一致、高效地处理数据。使用dplyr包处理spark数据集，功能包括：Select, filter, and aggregate 数据可以使用窗口函数（如sample）多个数据集进行join将spark数据集加载到R内存中 在dplyr语句中可以使用magrittr包中定义的管道连接

日前，Rstudio公司发布了sparklyr包。

日前，Rstudio公司发布了sparklyr包。该包具有以下几个功能：实现R与Spark的连接—sparklyr包提供了一个完整的dplyr后端筛选并聚合Spark数据集，接着在R中实现分析与可视化利用Spark的MLlib机器学习库在R中实现分布式机器学习算法可以创建一个扩展，用于调用Spark API。并为Spark的所有包集提供了一个接口未来在RStudio IDE中集成支持Spa

Spark官方文档 - 中文翻译

Spark SQL 官方文档-中文翻译

SparkR安装部署及数据分析实例