可在 Java、Scala、Python 和 R 中使用。
MLlib 符合 Spark 的 API,并与 Python 中的 NumPy(从 Spark 0.9 开始)和 R 库(从 Spark 1.5 开始)互操作。您可以使用任何 Hadoop 数据源(例如 HDFS、HBase 或本地文件),从而轻松地将其插入到 Hadoop 工作流中。
高质量算法,比 MapReduce 快 100 倍。
Spark 在迭代计算方面表现出色,使 MLlib 能够快速运行。同时,我们关注算法性能:MLlib 包含利用迭代的高质量算法,并且可以比 MapReduce 中有时使用的一次近似法产生更好的结果。
Spark 可在 Hadoop、Apache Mesos、Kubernetes、独立模式或云端运行,并支持各种数据源。
您可以使用 Spark 的独立集群模式,在 EC2、Hadoop YARN、Mesos 或 Kubernetes 上运行 Spark。可访问 HDFS、Apache Cassandra、Apache HBase、Apache Hive 以及数百种其他数据源中的数据。
MLlib 包含许多算法和实用工具。
ML 算法包括
ML 工作流实用工具包括
其他实用工具包括
有关使用示例,请参阅MLlib 指南。
MLlib 是作为 Apache Spark 项目的一部分进行开发的。因此,它会随每个 Spark 版本进行测试和更新。
如果您对该库有疑问,请在Spark 邮件列表上提问。
MLlib 仍然是一个快速发展的项目,欢迎贡献。如果您想为 MLlib 提交算法,请阅读如何为 Spark 贡献并向我们发送补丁!