• Saltar al contenido principal
  • Skip to secondary menu
  • Saltar a la barra lateral principal
  • Saltar al pie de página
  • Inicio
  • Secciones
    • Ciencia de datos
    • Criptografía
    • Herramientas
    • Machine Learning
    • Noticias
    • Opinión
    • Productividad
    • Programación
      • JavaScript
      • Julia
      • Matlab
      • Python
      • R
  • Programación
    • JavaScript
    • Julia
    • Matlab
    • Python
    • R
  • Laboratorio
    • Estadística
      • Calculadora del Tamaño Muestral en Encuestas
      • Calculadora de estadísticos descriptivos
      • Test de normalidad
      • Calculadora de contrastes de hipotesis
      • Calculadora de tamano del efecto
      • Simulador de Regresión Lineal con Ruido
      • Descenso de gradiente
      • Visualizador de PCA
      • Visualizador de Series Temporales
      • Simulador de Regresión Logística
      • Matriz de confusión e informe de clasificación
      • Visualizador de fronteras de decisión
      • Simulador de K-Means
      • Número Óptimo de Clusters
      • Simulador de DBSCAN
      • Detector de la Ley de Benford
      • Ajuste de Curvas
      • Calculadora de Matrices
    • Probabilidad
      • Calculadora de Probabilidad de Distribuciones
      • Problema del cumpleaños
      • Calculadora de Probabilidades de Lotería
      • Simulador del Problema de Monty Hall
      • La aguja de Buffon
      • Simulador de la Estrategia Martingala
      • Simulador de Cadenas de Markov
    • Finanzas
      • Calculadora de Préstamos e Hipotecas
      • Conversor TIN ↔ TAE
      • Calculadora DCA con ajuste por inflación
      • Comparador de tarifas de luz 2.0TD
      • Calculadora XIRR con Flujos Irregulares
      • Simulador FIRE (Financial Independence, Retire Early)
      • Frontera Eficiente
    • Negocios
      • CLV
      • Scoring
    • Herramientas
      • Formateador / Minificador de JSON
      • Conversor CSV ↔ JSON
      • Consultar CSV con SQL en el navegador
      • Extractor de tickets (OCR)
      • Comparador y Formateador de Texto y JSON
      • Formateador y Tester de Expresiones Regulares
      • Inspector de JWT
      • Generador y verificador de hashes
      • Calculadora HMAC
      • Codificador / Decodificador Base64 y URL
      • Conversor de bases numericas
      • Conversor de Timestamp Unix
      • Conversor de colores
      • Generador de UUIDs
      • Editor de expresiones cron
      • Conversor de unidades
    • Juegos
      • Tres en Raya
      • Nim con Q-Learning
    • Más
      • Método D’Hondt
      • Generador de Contraseñas Seguras
  • Noticias
  • Boletín
  • Contacto
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Machine Learning
  • IA Generativa
  • Python
  • Pandas
  • NumPy
  • R
  • Excel

Utilización de R desde Java con Rserve

Java

septiembre 12, 2018 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

Poder utilizar la potencia de R desde Java u otros lenguajes de programación puede facilitar el desarrollo de soluciones. Para esto, existe el paquete Rserve que permite crear un servicio en una máquina mediante el cual se puede ejecutar código R desde en remoto. Gracias a esto se puede llevar la potencia de análisis de R a otros lenguajes que no disponen de librerías equivalentes.

Introducción

R es un entorno fantástico para el análisis estadístico de datos al permitir realizar complejos estudios de una forma fácil y sencilla. Además, con los más de 10.000 paquetes que existen actualmente en el CRAN los casos de uso aumentan considerablemente. En muchas ocasiones puede ser interesante disponer de esta potencia analítica a la hora de desarrollar una aplicación en otro lenguaje, por ejemplo, en Java o C#. Para estas situaciones el paquete Rserve es una solución ya que permite acceder la potencia de R desde los lenguajes más populares como Java, Python, C#, .NET o Ruby.

Rserve es un paquete de R que permite comunicar R con otras aplicaciones mediante TCP/IP o sockets UNIX locales. Gracias a lo que se pueden publicar aplicaciones las funcionalidades de R a aplicaciones en otros lenguajes de programación.

Instalación de Rserve

Para poder utilizar Rserve se ha de instalar el paquete del mismo nombre que se puede encontrar en el CRAN. El proceso de instalación es como cualquier otro paquete, para lo que se ha de escribir:

Shallow copy vs Deep copy en Python: la mutación inesperada
En Analytics Lane
Shallow copy vs Deep copy en Python: la mutación inesperada

install.packages("Rserve")

Una vez instalado el paquete, para levantar un servidor de Rserver en el que se ejecutará el código se ha de escribir la siguiente instrucción en la línea de comandos:

R CMD Rserve

Las opciones de ejecución del paquete se pueden configurar mediante la línea de comandos. Aunque es más interesante realizar estas mediante el archivo de configuración. Este archivo se sitúa en los sistemas UNIX en la ruta /etc/Rserv.conf. Las opciones que pueden configurar en este archivo y sus valores por defecto son:

workdir  [/tmp/Rserv]
pwdfile  [none=disabled]
remote enable|disable [disable]
auth required|disable [disable]
plaintext enable|disable [disable]
fileio enable|disable [enable]
interactive yes|no [yes]
socket  [none=disabled]
port  [6311]
maxinbuf  [262144]
maxsendbuf  [0=unlimited]
uid  [none]
gid  [none]
su now|server|client [none]
source
eval
chroot  [none]
sockmod  [0=default]
umask  [0]
encoding native|utf8|latin1 [native]

Es importante notar que tanto el acceso remoto como autenticación no se encuentran habilidades por defecto. Siendo necesario modificar estas opciones en el archivo para permitir el acceso desde otros sistemas.

Utilización desde un cliente Java

La utilización de Rserve en un proyecto Java requiere la importación de los siguientes archivos jar:

  • REngine.jar
  • RserveEngine.jar

Ambos se encuentran disponibles en es la página del proyecto Rserve.

Para poder utilizar Rserve en una clase de Java es necesario importar los siguientes espacios de nombres:

import org.rosuda.REngine.REXP;
import org.rosuda.REngine.Rserve.RConnection;
import org.rosuda.REngine.Rserve.RserveException;

Conexión al servidor R desde Java

Ahora se ha de crear una conexión con el servidor R. Esto se realiza mediante la clase RConnection, en su configuración básica se puede crear mediante

RConnection con = new RConnection();

ahora en el objeto con se le pueden ejecutar el código R que se desee como generar un vector de números aleatorios

con.eval("d = rnorm(10)");

la recuperación de estos datos también se realiza con el método eval del objeto con

double[] d = con.eval("d").asDoubles();

con lo que se ha creado un vector de dobles en Java con los datos de R.

Asignar datos a variables desde Java

El uso de Rserve se vuelve más interesante si se pueden enviar los datos de las variables Java a R. La asignación de los valores se realiza mediante el comando assign, por ejemplo, para sumar dos vectores Java en R:

double [] x = {1,2,3,4,5};
double[] y = {1,2,3,4,5};

con.assign("x", x);
con.assign("y", y);
con.eval("z = x + y");
double[] z = con.eval("z").asDoubles();

Al finalizar la sesión con el servidor R es aconsejable cerrar este mediante el método close()

Uso de Rserve en otros lenguajes

con.close();

Los servicios que proporciona Rserve se pueden utilizar también desde otros lenguajes de programación para los que existe clientes, algunos de los más populares se pueden encontrar en:

  • Python: pyRserve Python client
  • .NET/CLI: RserveCLI .NET/CLI client
  • C#: RserveLink C# client
  • Ruby: rserve-client Ruby client
  • Node: rserve-client

Conclusiones

En esta entrada se ha visto cómo utilizar la potencia de R desde Java con el paquete Rserve. La utilización de este paquete permite configurar un servidor de R en el que se puede realizar cualquier análisis de los existentes en R. En una futura entrada se explicará cómo llamar a Rserve desde Python.

Imágenes: Pixabay

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 5 / 5. Votos emitidos: 1

Ya que has encontrado útil este contenido...

¡Síguenos en redes sociales!

¡Siento que este contenido no te haya sido útil!

¡Déjame mejorar este contenido!

Dime, ¿cómo puedo mejorar este contenido?

Publicaciones relacionadas

  • Shallow copy vs Deep copy en Python: la mutación inesperada
  • Cómo Proyectar Cuándo Alcanzarás la Independencia Financiera
  • Analytics Lane lanza la versión 1.5 del laboratorio con un extractor de tickets por OCR y consultas SQL sobre CSV en el navegador
  • Cómo Saber si una Diferencia Significativa es Importante
  • Curiosidad: “Wi-Fi” no significa “Wireless Fidelity”
  • Cómo Explorar un Dataset antes de Modelar
  • Cómo Elegir el Test de Hipótesis Correcto para tus Datos
  • Tuplas vs Listas en Python: parecen lo mismo, pero no
  • == vs is en Python: la diferencia que causa bugs misteriosos

Publicidad

Publicado en: R Etiquetado como: Java

Interacciones con los lectores

Deja una respuesta Cancelar la respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

I accept the Terms and Conditions and the Privacy Policy

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Barra lateral principal

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones.

Política de Privacidad

Analytics Lane en redes sociales

  • Amazon
  • Bluesky
  • Facebook
  • GitHub
  • Instagram
  • Mastodon
  • Pinterest
  • RSS
  • Telegram
  • Tumblr
  • Twitter
  • YouTube

Publicidad

Entradas recientes

Noticias

Analytics Lane lanza la versión 1.5 del laboratorio con un extractor de tickets por OCR y consultas SQL sobre CSV en el navegador

noviembre 18, 2026 Por Daniel Rodríguez

Cómo Explorar un Dataset antes de Modelar

noviembre 17, 2026 Por Daniel Rodríguez

Curiosidad: “Wi-Fi” no significa “Wireless Fidelity”

noviembre 12, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Cómo Explorar un Dataset antes de Modelar publicado el noviembre 17, 2026 | en Ciencia de datos
  • Gráficos de barras en Matplotlib publicado el julio 5, 2022 | en Python
  • Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas publicado el mayo 10, 2019 | en Python
  • Hoja de cálculo para repartir los escaños en base al método D’Hont Aplicar el método D’Hondt en Excel publicado el abril 14, 2021 | en Herramientas
  • La tabla de la web finalmente importada en Excel Importar tablas desde la web en Excel publicado el octubre 21, 2020 | en Herramientas

Publicidad

Lo mejor valorado

4.9 (24)

Seleccionar filas y columnas en Pandas con iloc y loc

4.6 (16)

Archivos JSON con Python: lectura y escritura

4.4 (14)

Ordenación de diccionarios en Python mediante clave o valor

4.7 (13)

Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas

4.1 (11)

Aplicar el método D’Hondt en Excel

Comentarios recientes

  • Daniel Rodríguez en Curiosidad: La Paradoja de Simpson, o por qué no siempre debes fiarte de los promedios
  • Hatepi en Curiosidad: La Paradoja de Simpson, o por qué no siempre debes fiarte de los promedios
  • Daniel Rodríguez en Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)
  • Juan en Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)
  • bif en JSON en bases de datos: cuándo es buena idea y cuándo no

Publicidad


Footer

Analytics Lane

  • Acerca de Analytics Lane
  • Boletín de noticias
  • Contacto
  • Libros
  • Lo más popular
  • Noticias
  • Tienda
  • Tiendas afiliadas

Secciones

  • Ciencia de datos
  • Criptografía
  • Herramientas
  • Machine Learning
  • Opinión
  • Productividad
  • Programación
  • Reseñas

Sobre de Analytics Lane

En Analytics Lane tratamos de explicar los principales conceptos de la ciencia e ingeniería de datos con un enfoque práctico. Los principales temas tratados son ciencia de datos, ingeniería de datos, inteligencia artificial, machine learning, deep learning y criptografía. Además, también se habla de los principales lenguajes de programación y herramientas utilizadas por los científicos e ingenieros de datos.

Copyright © 2018-2026 Analytics Lane ·Términos y condiciones ·Política de Cookies ·Política de Privacidad ·Herramientas de privacidad ·Contacto