R是用于统计分析、绘图的语言和操作环境,是一个用于统计计算和统计制图的优秀工具。RStudio是为R语言设计的一种跨平台集成开发环境，包括可定制化的软件界面以及同团队开发的一系列数据可视化与出版工具。RStudio有免费的自由软件版本及收费的专业版本，并分为在本地电脑上执行的桌面版和与在服务器上执行而可由浏览器连接后使用的服务器版。

Amazon Athena 是一种交互式查询服务，可直接查询 S3 中存储的数据，这使得使用标准 SQL 分析数据变得轻松，而无需管理基础设施。企业数据可存储在高效、廉价、可靠的S3中，并构成企业单一数据源。R 与 Amazon Athena及S3 的集成为数据科学家提供了构建交互式分析解决方案的强大平台。

在本博文中，将通过在 Amazon EC2 实例上运行的 R/RStudio Server 与 Athena 相连接，之后通过浏览器连接RStudio Server执行SQL语句查询S3内的数据。

1. 先决条件

在开始之前，请完成以下步骤。

1.1. 权限设置

通过 Amazon 的 Identity and Access Management (IAM)，让您的 AWS 账户管理员为您的 AWS 账户授予访问 Athena所需的权限。通过将关联的 Athena 策略附加到 IAM 中的数据科学家用户组来完成。

需要为新建的IAM role“rstatus”添加3个policy： AWSQuicksightAthenaAccess、AmazonS3FullAccess、AmazonAthenaFullAccess

1.2. 准备访问aws资源需要的凭证

准备RStudio Server访问aws资源所需要的凭证。

在“IAM-Users-具体用户-security_credentials”处

详见：https://docs.aws.amazon.com/zh_cn/general/latest/gr/aws-access-keys-best-practices.html

1.3. 存储桶设置

建立 Amazon S3 中的存储目录 s3://athena-gdelt/output，Athena 将使用它来查询数据集并存储结果，另外建立mid文件夹来存放中间数据。

1.4. Amazon Athena设置

设置Athena的workgroup，点击get start进入Athena后，点击右上角的Workgroup: primary,选择primary后，点击”View detail”,之后选择edit，在“Query result location” 选择上节建立的存储桶目录，保存退出。

注意：在本博文中，所有AWS服务都创建在 us-west-2区域。使用区域表来检查 Athena 在其他区域的可用性。

如果使用另外一个区域的Athena，需要在另外一个区域重新建立S3存储桶和目录，并设置给Athena使用，否则后续查询可能会报错。

2. 在 EC2 上设置 R 和 RStudio Server及相关环境

可以手工安装RStudio Server的开源版本，也可以在aws marketplace里面选择RStudio Server Pro版本（https://aws.amazon.com/marketplace/pp/RStudio-RStudio-Server-Pro-for-AWS/B06W2G9PRY），下面介绍开源版本的安装。

2.1. 配置EC2实例

进入EC2服务页面，launch instance，选择 “Amazon Linux 2 AMI (HVM), SSD Volume Type – ami-0c5204531f799e0c6”操作系统，Amazon linux官方提供了常用的管理工具以及R的安装包，使用比较简便。

选择“Instance Type”，实例类型和相关使用场景的一般对应如下：

col 1	col 2	col 3
实例类型	使用场景	多用户支持

T2.micro

t3.medium

t3.large | 免费实例，功能体验

日常开发

小数据集分析 | 不推荐

不推荐

不推荐
m5.large

m5.2xlarge

m5.12xlarge | 日常开发和分析

并发分析

并发分析及大数据集 | 不推荐

推荐

推荐
g3s.xlarge

g3.8xlarge | R-GPU开发

R-GPU大数据分析 | 不推荐

推荐

选择m5.2xlarge

配置实例，其中注意网络部分的配置，并选择之前建好的IAM role：“rstatus”，其他选择默认即可。

在配置存储步骤中，适当增加Root卷空间，此处选择80GB。

安全组配置

新建安全组 Rstudio，开放Rstudio Server需要使用的8787端口，JDBC连接需要使用的444端口，SSH使用的22端口，如使用Shiny Server配置3838端口。

最后选择密钥，选择”launch instance”后回到EC2控制台，在实例就绪后，ssh登录到EC2实例。

2.2. 安装R 和 RStudio Server

首先安装R，使用Amazon Linux extras提供的R3.4，相关的依赖也会一并安装，具体说明见下面链接。

https://aws.amazon.com/cn/amazon-linux-2/faqs/#Amazon_Linux_Extras

配置Java环境：

Bash

$ sudo amazon-linux-extras install R3.4
$ sudo /usr/sbin/alternatives --config java

选择2：

Bash

“/usr/lib/jvm/java-11-amazon-corretto.x86_64/bin/java”

Bash

$ sudo R CMD javareconf

安装RStudio Server

详细介绍参考：https://rstudio.com/products/rstudio/#rstudio-server``

Bash

$ wget https://download2.rstudio.org/server/centos6/x86_64/rstudio-server-rhel-1.2.5019-x86_64.rpm
$ sudo yum install rstudio-server-rhel-1.2.5019-x86_64.rpm

添加登录Rstudio的用户并设置密码

Bash

$ sudo useradd rstudio
$ sudo passwd rstudio

检查rstudio-server的状态,应该为active（running）

配置Rstudio server访问aws资源需要的凭证 .Renviron，详见1.2

Bash

$ sudo vi /home/rstudio/.Renviron

ATHENA_USER=< AWS_ACCESS_KEY_ID >
ATHENA_PASSWORD=< AWS_SECRET_ACCESS_KEY>

本文转载自AWS技术博客。

原文链接：https://amazonaws-china.com/cn/blogs/china/complete-amazon-athena-based-interaction-analysis-using-r/

创作场景

使用 R 完成基于 Amazon Athena 交互分析