使用R与SimpleDB或BigQuery或将PHP与SimpleDB一起使用的建议

Question

我目前正致力于生成像亚马逊那样的产品推荐的系统:"购买此产品的人也买了这个......"

目前的情景:

• 提取客户端的Google Analytics数据并将其插入数据库.

• 在客户的网站上,在产品页面加载时,进行API调用以获取正在查看的产品的建议.

• 当API收到产品ID作为请求时,它会在数据库中查找并检索(使用关联规则)推荐的产品ID并将其作为响应发送.

• 将处理这些产品ID的列表,以在客户端获取产品详细信息(图像,价格..)并显示在网站上.

• 目前我在AMAZON EC2上使用PHP和MYSQL与gapi包和REST api存储.

我的问题是: 现在,如果我必须选择以下内容,这将是实施上述概念的最佳选择.

• PHP与SimpleDB或BIGQuery.

• R语言与BIGQuery.

• RHIPE-(R和hadoop)与SimpleDB.

• Apache Mahout.

请帮忙!

Answer 1

这个问题不太容易回答，因为约束条件相当专业。

不过，可以考虑以下因素：

1. BIGQuery 尚未公开。因此，由于使用基数较小，即使您处于预览人群中，也很难获得改进建议。
2. 您的每个答案都询问了建模系统和存储系统。Apache Mahout 不是一种存储机制，因此它不一定可以单独工作。我曾经认为它的机器学习实现是一些 Google Summer of Code 的模仿，但我根据评论者的建议更新了这一观点。看起来它对不同算法的覆盖仍然相当不均匀和参差不齐，而且还不清楚如何支持或维护这些组件。我鼓励 Mahout 的布道者解决这个问题。

结果，这消除了第一个、第二个和第四个选项。

我不太明白的是需要一个实时服务器来利用 Hadoop 和 RHIPE。这应该在开发推荐模型的批处理中完成，而不是实时完成。我想您可以使用 RHIPE 作为一个简单的一站式前端来触发查询。

我建议使用 RApache 而不是 RHIPE，因为您可以预加载包和模型。我认为在前端使用 Hadoop 没有任何优势，但它对于模型拟合来说是一个非常自然的后端系统。

（更新 1）其他界面选项包括 RServe (http://www.rforge.net/Rserve/) 以及可能的服务器模式下的 RStudio。有 R/PHP 接口（见下面的评论），但我怀疑通过 HTTP 或 TCP/IP 访问 R 会更好。

（更新 2）针对整个过程，我看到的基本想法是，您可以从 PHP 查询数据并传递给 R，或者，如果您希望从 R 内部查询，请查看注释中的链接（指向 OmegaHat 工具） ）或发布有关 R 和 SimpleDB 的新问题 - 我相信 SO 上的其他人能够对这个特定的连接提供更好的见解。RApache 可以让您实例化许多已准备好的 R 进程，这些进程已加载包并在 RAM 中存储数据；因此，您只需要传递需要用于预测的任何数据。如果您的新数据是一个小向量，那么 RApache 应该没问题，而且这对于实时处理的数据来说似乎是正确的。