在生产中运行的 R 脚本的最佳实践编码 [关闭]

Question

我们有一个 linux 生产服务器和一些我们正在编写的脚本，我们希望在其上运行以收集数据，然后将这些数据放入 Spark 数据湖中。

我的背景是 SQL Server / Fortran，应该遵循非常具体的最佳实践。

• 生产环境在版本控制方面应该是稳定的，无论是从代码角度，还是安装的应用程序、操作系统等方面。
• 对代码/应用程序/操作系统的更改应在单独的环境中进行，或者以一种受控且可以退出的方式进行。
• 如果存在第二个环境，则可以执行并行执行以测试系统更改的可能性。
• （很大程度上），开发人员被限制更改生产环境

在查看 R 代码时，我有很多问题。

• library(), install.packages() - 我想排除每次运行脚本时安装更新版本包的可能性？
• 如何最好地调用通过 CRON 作业调度的 R 包？这里有很多选择。
• 在使用 RSelenium 时，使用 gui/Web 浏览器或虚拟化 Web 浏览器的最有效方法是什么？

Answer 1

无论如何，我都会放弃任何自动更新软件包的概念。期望您依赖的包的维护者引入向后不兼容的更改。如果您自动更新，您的代码将突然停止工作。不要假设任何神圣的东西。

过去，您需要问自己部署了多少人手。如果您可以手动设置每个部署，那么您可能可以使用packrat 包来下拉并保留您正在使用的确切版本的源代码。这种方式复制你的部署是痛苦的，但至少是可能的。如果你想要完全自动化的可重复部署，我建议你开始用你的包构建 docker 镜像并用日期或版本标记它们。

如果您没有为重现您的环境做出任何规定，那么您就是在自找麻烦，虽然一开始似乎可以简单地修复任何不兼容的问题，因为它们提出了更新，并且确实似乎是来自权力的官方工作流程被误导，不管那是多么的错误；最终随着你的代码库的增长，这将是你最终要做的。