让我尝试重新构建您的问题，定位您所指的一些论文/示例代码。
在非常高的级别（即无需过多担心反应性），R + shiny 与将数据视为 ETL 过程的一部分的标准方法没有区别（例如）。
即您可以将以下类型的外部数据之一加载到闪亮的服务器中：
- 加载静态数据，即驻留在文件中的数据
文件系统，或执行 RDBMS 查询。这是标准的情况
涵盖了大部分用法。
- 加载动态数据。这通常是指数据流
您正在尝试分析的某种类型（即没有持久化
将其放入文件或 RDBMS 表中）。
让我们先谈谈第一种情况的不同种类，静态数据：
server <- function(input, output, session) {
---
output$foo <- reactivePlot(function() {
someQuery <- dbGetQuery(...) # some query of a database
plot(values$mydata)
}
---
}
上面的代码将运行一个查询每次响应函数被执行。
这就是响应性可以大有帮助的地方：例如，在没有其他更改的情况下，上面的代码将为每个连接到应用程序的用户执行一次。
如果底层数据被外部进程频繁更新，则不同用户的结果可能不同。
此外，任何导致响应式构造重新执行的操作，也会重新执行查询（例如，只需刷新浏览器，查询就会重新执行，因为每次浏览器刷新都会生成不同的会话） .
正如您从任何闪亮的培训中应该知道的那样，接下来的步骤可能是将上述反应式构造链接到其他一些 UI 元素，例如操作按钮或用于过滤数据的 selectInput。
server <- function(input, output, session) {
---
output$foo <- reactivePlot(function() {
if((length(input$actionbutton) ==0) | (length(input$selectData) == 0)) return()
# the reactive now is connected to these two shiny inputs and executed every time they change
someQuery <- dbGetQuery(...) # some query of a database, maybe with a *where* clause dependent on input$selectData
plot(values$mydata)
}
---
}
现在查询将在每次按下操作按钮或做出新选择时执行。
假设对于您的用例，我确信您已经在ETL 中看到或实现过，您的数据经常变化。假设文件（或表）被外部进程不断更新。
请注意，这个用例通常仍然被认为是静止的，即使经常更新（您正在通过批量处理数据，或者如果间隔非常小，则使用小批量）。
这是您的第一个示例，其中reactiveFileReader 和reactivePoll 的不同构造开始发挥作用。
如果您有一个文件，例如日志文件，由外部进程非常频繁地更新，您可以使用reactiveFileReader。
如果您有数据库表，例如，您可以使用 reactivePoll 每 x 秒轮询一次。
在这里，您的代码可以享受反应性的全部好处：自动代码将每 x 秒为您执行一次，并且所有其他依赖于它的反应性代码也将被刷新。 p>
现在，假设您尝试减小对数据进行闪亮检查的“*batch size”（即窗口）。您能走多远？
如果我没记错前段时间与 Joe Cheng 的讨论，他相信 Shiny 每秒最多可以处理 50,000 events（想象一下，每秒最多可以轮询您的数据库或读取您的文件） )。
假设我没记错的话，我无论如何都会认为50,000 events 是一个理论上的限制（您必须考虑在 RBMS 中查询数据所花费的时间，可能通过 LAN 等），所以对于文件访问，我将使用大于 1 毫秒的时间（即每秒 读取），并且 RDBMS 的时间间隔要大得多。
因此，上述函数的时间单位是毫秒，这不足为奇。
我认为通过上述构造，可以使用 R + shiny 非常雄心勃勃的 micro-batch 管道来实现。
甚至可以想象使用Apache Kafka 将数据发布到R + shiny（也许使用Shiny Server Pro 的多个实例和负载平衡服务Kafka：好吃！）`
那么，动态数据呢？
好吧，如果您以R and shiny 可管理的速率从消防站获取数据，那您就可以了（您可能难以确定该流用例使用哪种 R 算法，但这值得另一个问题）。
另一方面，如果您的流程需要非常低的延迟，远远超出上述规定，您可能需要考虑其他类型的工具和管道（例如使用Apache Flink 或考虑ad hoc 代码）。
对于冗长的解释深表歉意。如果它使这个复杂的主题更加清晰，请告诉我。