我有各種財務時間序列的集合。我的大部分分析都是以列或行爲導向的，很少有我需要做任何複雜的查詢。此外，我（現在）在R中執行幾乎所有分析。R + bigmemory軟件包是否足夠用於面向列的數據管理？
因此，我認真考慮不部署任何種類的RDBMS，而是直接在R中管理數據（保存RDS文件）。這將爲我節省安裝管理數據庫的痛苦，並可能提高數據加載速度。
我有其他理由嗎？你知道以這種方式管理數據的人嗎？我知道這是模糊的，但我正在尋找意見，而不是答案。
如果在R的工作是您的舒適區..即使您的分析或運行時間更長，我也會保持您的數據管理。
我最近有一個類似的決定：
我應該去學習的方向，並應用新（語言/方言/系統）剃掉執行時間幾毫秒。
或...
我應該出去跟我用同樣的平庸老工具，即使他們將在執行時運行慢？
是您爲您運行的產品嗎？如果是這樣，我會堅持數據管理在R只..即使生產運行速度較慢。
如果您正在爲銀行，手機服務或類似的交易環境設計一些東西，我建議您找到超級解決方案。
但是如果你的R生產是給你的。我會留在R.
考慮機會成本。學習一門新的語言/生態系統 - 以及像PostgreSQL這樣的東西肯定有資格 - 將吸收比您想象的更多的時間。這些技能可能是有價值的，但是它們是否會產生與時間花費在現有分析上的回報相同的回報？
如果是個人使用，並且沒有緊迫的性能問題，請堅持R.鑑於使用文本和RDS文件執行愚蠢的事情通常比完全成熟的DB更容易，請確保您返回把所有東從對基於雲存儲的巨大懷疑態度來看，我在過去的半年中已經成爲一個巨大的轉換器，除了我最敏感的信息之外，現在都存儲在那裏。我使用Dropbox，如果你搞砸了，它會保存以前版本的數據。
能夠從智能手機角落的咖啡館檢查文檔或腳本是很好的。
CRAN中有一個逐列管理軟件包colbycol，旨在爲大型數據集提供類似DB的功能。我認爲作者必須進行同樣的分析。