真的，之前在学了实验楼线上环境的课，线上环境用着也舒服，我以为我spark入门了。
然后之前有一段时间去欢快地研究了机器学习，sciki-learn是真的好用。
然后，我复习了一下之前spark-mllib，感觉思路一下子清晰了很多，因为理解了调的包是个什么东西了,而且还知道了spark自带的数据结构“Labeled Point”，
这种数据结构让spark使用自己的监督学习算法的包的时候与scikit-learn工具库有很大不同。
为啥这么说呢，举个scikitlearn的例子，这是个支持向量机算法建模的例子，简简单单两句话
然后这里面X_train是训练接特征，y_train是训练集目标（也叫标签）
model = SVC(C=10,gamma=0.001)
model.fit(X_train, y_train)
spark-mllib就不一样了
截一张我原来的图
它的训练集输入只有一个，原因就是Labeled Point，这个数据结构是有Label的
也就是说它把训练集特征和训练集目标结合到一起了，有趣吧，来一发专业解释
标签点（Labeled Point）是一个本地向量，也分稀疏或者稠密，并且是一个带有标签的本地向量。
在 MLlib 中，标签点常用于监督学习类算法。标签（Label）是用 Double 类型存放的，因此标签点可以用于回归或者分类算法中。如果是二维分类，标签则必须是 0 或 1 之间的一种。而如果是多个维度的分类，标签应当是从 0 开始的数字，代表各个分类的索引。
标签点是由一个名为 LabeledPorint 的 Case Class 定义的。在 Spark Shell 中输入下面的代码来创建标签点。
// 首先需要引入标签点相关的类
import org.apache.spark.mllib.linalg.Vectors
import org.apache.spark.mllib.regression.LabeledPoint
// 创建一个带有正面标签和稠密特征向量的标签点
val pos = LabeledPoint(1.0, Vectors.dense(1.0, 0.0, 3.0))
// 创建一个带有负面标签和稀疏特征向量的标签点
val neg = LabeledPoint(0.0, Vectors.sparse(3, Array(0, 2), Array(1.0, 3.0)))
其实，上面这些都不是我今天想说的，
我今天想说的是给spark用的打包工具sbt是咋要了我的狗命的
问题
什么意思呢，就是python有python的shell，scala也有scala的shell，
这个spark吧不是个语言，但是也有shell，
能输scala来操纵spark计算的，叫spark-shell，
能输python来操纵的叫pyspark。
之前我写的那些都是在sparkshell里做的。
然后吧，我在本地自己搭了服务器集群了，这几周做spark-mllib的机器学习也很顺滑。
下面新的问题就来了
我现在都会做了，但是最后交的成果总不能是个录屏，记录在虚拟机里一行一行往spark-shell输代码，最后把spark-shell吐出来的结果录下来
那不是显得我很没有牌面。
于是乎
我装上了sbt，试了一个最简单的wordcount项目，还没调用别的什么库呢，就是一个wordcount
目录结构大概是这样的，在编译之前是没有target的，target以外的要自己建，这个wordcount不复杂，编译之前project就没放东西，src里面有个main文件夹，放我的wordcount源码，至于simple.sbt就比较重要了，写的是版本啊依赖啊的相关信息
simple.sbt是这么写的
然后，我输了一个最让我后悔的命令。sbt package，在wordcount项目的根目录里输的
没错，我看着它从maven中央仓库更新的进度跳了将近一个小时，终于我怀着沉重的心情ctrl+c
然后我挂上了某种科学的上网的工具，，，并没有多大用，陷入了僵局，前面的过程我重复了N次，几乎大半天过去了。
解决
然后我干了什么呢，虚拟机重启，结果虚拟机没有网了，死活连不上网，NetworkManager要是活的都快能让我配出精神分裂了。
那么重启主机，然后看到有人说nat网速快，再把桥接换成了nat。
然而，
然后，我又挂上了那个，让我无比失望的，科学的上网工具
结果
哈哈，哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈
真的，我现在心情很复杂，这要不是我没课在家网好，要是天天上课，再加上学校网不好，我基本废了。
分析总结
- sbt要从maven中央仓库更新，这个东西应该被墙了，所以要么按着网上的各种改国内仓库的方法改（我搜到的帖子里没一个能在我这里用的，一方面是oschina在16年停了它的仓库，另一方面我版本可能太新）。要么就科学的上网。
- 回忆起来，昨晚我关虚拟机是挂起的，没有关机，挂起恢复之后虚拟机网速就变成几B了，所以需要虚拟机有网速的时候，还是重启一下？
- NAT比桥接模式网速快
- 虚拟机网没了，输service NetworkManager restart也没有用，除了ubuntu不如debian稳定之外，问题也可能出在主机上，主机的vm虚拟网卡不好弄，重启也有效