1. 前言

前段时间，做些性能测试，需要画出一些测试结果图。简单学习了一下R语言，发现其很强大，因此在亚馬逊上买了3本关于R语言基础和用于数据挖掘方面的书籍。R在数理统计和数据挖掘提供了很多的类库，在进行这方面的分析都比较简单。

无论在CentOS上或在Ubuntu上，安装R语言比较简单。在网上都有相关的资料，熟悉Linux系统都能很快地安装成功。

下面我将列出我学习的数据集及其相关例子。

2. 画图表

下面的数据集是分析每个请求的Latency，共有1024*1024个样本。第一列是样本序号，第二列是所耗时间（单位为nanosecond），它们用逗号分开：

0,420607

1,213869

2,214064

3,208029

... ...

1378,35022

1379,132206522

1380,50514

... ...

1048573,6418

1048574,6331

1048575,6104

绘简单的二维图表，R语言如下：

A <- read.table("sequentialWrite.txt", sep=",", col.names=c("seq", "nanos"), nrows=10000)
A$micros <- A$nanos/1000
A$nanos <- NULL
plot(A, type='l', xlab='Sequence', ylab='Latency', main='Latency per Request (Unit: Microsecond)')

如下图：

R语言学习

从图表上可以看出，绝大多数样本的Latency很小，有极少数样本值很大，导致即使采样1000条，也很难从图表上估测出这些样本值。为了使图表更加好看，应该只在图表上显示出规定的Latency值区间。R语言中的gap.plot函数可以解决这个问题。

3. 数理统计

续...

4. 数据挖掘