4.Spark之简介MLlib

MLlib是Apache Spark处理机器学习的库。下面介绍几个它的特点。

• 易用性：可以在Java、Scala、Python和SparkR中使用。MLlib融入Spark的API，并且能够在Python中与MumPy交互。你可以使用任何Hadoop数据源（例如HDFS、HBase或者本地文件），使其容易与Hadoop工作流结合。

  

• 性能：高质量的算法，比MapReduce快100倍。Spark擅长迭代式计算，使MLlib快速的运行。同时，我们也关心算法的性能：MLlib包含高质量的算法，利用迭代，有时会比基于MapReduce的一次遍历得到更好的结果。

  

• 易于部署：运行于现有的Hadoo集群和数据。如果你有一个Hadoop2集群，可以不需要额外的安装就能运行Spark和MLlib。除此之外，Spark也可以简单的运行在standalone、EC2或者Mesos。你可以从HDFS、HBase或者任何Hadoop数据源读取数据。