作者：stone R语言中文社区专栏作者
知乎ID：
https://zhuanlan.zhihu.com/p/50987545
很多R使用者都会遇到这样的情境，自己建好了一个模型，预测时需要实时计算，因此需要上线与后端JAVA对接，有以下解决办法：
JAVA调R语言。
以数据库或本地文件为媒介，将对应的R写成传参脚本实时计算好入库或者生成本地文件，再读取结果。
封装成传参的Rest API接口。
对于1有两个问题，稳定性与中文编码。2的话，在数据量小的时候可行，数据量大且不需入库时存储压力大，且要考虑数据前后的对应问题。
本文主要针对3做简单介绍，R中Rest API的包主要有plumber，opencpu。由于plumber使用起来极其方便，把它当做第一选择。
安装
install.packages("plumber", repos = "https://mirrors.tongji.edu.cn/CRAN/")官网案例
首先新建一个名为plumber.R的脚本，
# plumber.R
#' Echo the parameter that was sent in
#' @param msg The message to echo back.
#' @get /echo
function(msg=""){
list(msg = paste0("The message is: '", msg, "'"))
}该函数很简单，返回含msg文本输出的list。
为什么要返回list结构？因为plumber会自动把list转化为json结构输出，因此可以很方便地通过list构建你想要的输出结构，plumber会自动转换成对应结构的json。
然后运行：
pr <- plumber::plumb("plumber.R")
pr$run()即可在命令行看到以下输出：
此时，在浏览器输入127.0.0.1:4267/echo?，（get请求可以直接浏览器调用，ip：port之后输入你想要调用的函数名字echo，?后接para1=xxx¶2=xxx·······）会立即返回如下的json结果（注意端口号要一致）：
模型调用的例子
首先建立一个简单逻辑回归的模型：
#逻辑回归模型调用的例子
#例子需要处理成二分类
all.data <- iris[iris$Species != 'setosa', ]
#分训练测试
set.seed(1234)
ind <- sample(2, nrow(all.data), replace = TRUE, prob = c(0.7, 0.3))
traindata <- all.data[ind == 1, ]
testdata <- all.data[ind == 2, ]
#训练模型
fit <- glm(Species ~ ., family = binomial(link = 'logit'), data = traindata)
#保存模型
save(fit, file = "fit.RData")plumber.R如下：
# plumber.R
#' Echo the parameter that was sent in
#' @param msg The message to echo back.
#' @get /predict
function(v1, v2, v3, v4){
predict(fit, type = 'response', newdata = data.frame(Sepal.Length = as.numeric(v1),
Sepal.Width = as.numeric(v2),
Petal.Length = as.numeric(v3),
Petal.Width = as.numeric(v4)))
}脚本调用或在命令行输入：
load("fit.RData")
pr <- plumber::plumb("plumber.R")
pr$run(host = "0.0.0.0", port = 4267)host为0.0.0.0表示其他机器可以通过该机器在局域网的ip地址调用，port指定一个端口。
接口启动后在浏览器输入127.0.0.1:4267/predict?，返回如下结果：
如果需要返回没有中括号包裹的json，在plumber.R对应的函数上方加第二行参数：
#' Echo the parameter that was sent in
#' @serializer unboxedJSON
#' @param msg The message to echo back.
#' @get /predictMerry Christmas
公众号后台回复关键字即可学习
回复 爬虫 爬虫三大案例实战
回复 Python 1小时破冰入门回复 数据挖掘 R语言入门及数据挖掘
回复 人工智能 三个月入门人工智能
回复 数据分析师 数据分析师成长之路
回复 机器学习 机器学习的商业应用
回复 数据科学 数据科学实战
回复 常用算法 常用数据挖掘算法