一、SparkR简介
SparkR是一个R语言包，它提供了轻量级的方式使得可以在R语言中使用Apache Spark。在Spark 1.4中，SparkR实现了分布式的data frame，支持类似查询、过滤以及聚合的操作（类似于R中的data frames：dplyr)，但是这个可以操作大规模的数据集。
DataFrame是数据组织成一个带有列名称的分布式数据集，和R语言中的data frame类似，需先配置SparkContext和SQLContext：
sc<-sparkR.init()
sqlContext<-sparkRSQL.init(sc)
构造DataFrame的方式有很多：
1通过本地data frame构造，createDataFrame(sqlConetx,data frame)；
2通过Data Sources构造：JSON和Parquet文件等；
3通过Hive tables构造，创建HiveContext