开发十年，就只剩下这套Java开发体系了 >>> 
Spark分为两大块：1基于hive的sql操作，2基于mllib的机器学习模型
1.Spark On Hive：在R下通过sql命令可完美支持对hive的增删改查；
2.MLLib的机器学习模型：分为普通机器学习模型和RDD版的机器学习模型，由于Spark目前将逐渐淘汰掉RDD版的API，所以这里不再包含RDD版的API：
1.基本数据统计：无R版，大概是R通过summary等基本命令即可完成；
2.ML Pipelines（数据管道）：无R版，大概是R本身就有DataFrame和Data.Table等，可以直接进行数据治理；
3.数据抽取、变换、特征选择：无R版，同上
4.分类和回归：
a.逻辑回归：spark.logit
b.决策树分类器：无R版，原因不明
c.随机森林分类器：spark.randomForest
d.梯度提升树分类器：spark.gbt
e.多层感知器分类器：spark.mlp
f.支持向量机：spark.svmLinear
g.一对多分类器（One-vs-All）：无R版，原因不明
h.朴素贝叶斯：spark.naiveBayes
i.线性回归：R只有一个广义线性回归的API: spark.glm
j.决策树回归：无R版，原因不明
k.随机森林回归：spark.randomForest 参数为regression即可
l.梯度提升树回归：同上
m.生存回归（survival regression）：spark.survreg
生存分析：通过研究个体间的相似性，预测个体的生存时间，主要用于生物寿命预测或机器设备寿命预测，详见：http://blog.csdn.net/jaen_tail/article/details/79081954
n.保序回归（isotonic regression）：spark.isoreg
保序回归：在不改变数据集顺序的前提下进行回归分析，主要用于药品毒性分析，详见：http://blog.csdn.net/legotime/article/details/51836014
5.聚类：
a.K-means：spark.kmeans
b.LDA：spark.lda
c.二分K均值（Bisecting k-means）：spark.bisectingKmeans
d.高斯混合模型（GMM）：spark.gaussianMixture
6.协同过滤：spark.als
7.频繁模式挖掘（FP-Growth）：spark.fpGrowth
8.模型选择与调参：无R版
综上所述Spark的MLLib并不是一个全面的机器学习框架，也是结合了spark自身业务特点的。
如果使用Spark+R的方式进行机器学习建模时，就需要根据MLLib的现状，合理选择模型方案。