[英]What is the difference between Apache Mahout and Apache Spark's MLlib?
主要区别将来自底层框架。 在Mahout的情况下,它是Hadoop MapReduce,在MLib的情况下,它是Spark。 更具体 - 从每个工作开销的差异
如果您的ML算法映射到单个MR作业 - 主要差异将只是启动开销,这对于Hadoop MR来说是几十秒,而对于Spark来说就是1秒。 因此,在模型培训的情况下,它并不重要。
如果您的算法映射到许多作业,情况会有所不同。 在这种情况下,我们将在每次迭代的开销上具有相同的差异,并且它可以是游戏改变者。
让我们假设我们需要100次迭代,每次需要5秒的集群CPU。
同时Hadoop MR是比Spark更成熟的框架,如果你有很多数据,稳定性是最重要的 - 我会认为Mahout是一个严肃的选择。
警告 - 主要编辑:
MLlib是一个在Spark上运行的高级算法的松散集合。 这就是Mahout过去只有旧版的Mahout在Hadoop Mapreduce上。 在2014年,Mahout宣布它将不再接受Hadoop Mapreduce代码,并完全将新开发转换为Spark(其他引擎可能即将推出,如H2O)。
最重要的是基于Scala的通用分布式优化线性代数引擎和环境,包括交互式Scala shell。 也许最重要的词是“概括”。 由于它在Spark上运行,MLlib中可用的任何东西都可以与Mahout-Spark的线性代数引擎一起使用。
如果您需要一个通用引擎,它可以执行很多像R这样的工具,但需要大量数据,请查看Mahout。 如果您需要特定的算法,请查看每个算法以查看它们的内容。 例如,Kmeans在MLlib中运行,但是如果你需要聚类A'A(推荐器中使用的共生矩阵),你将需要它们,因为MLlib没有矩阵转置或A'A(实际上Mahout做了一个精简优化A'A所以转置优化了)。
Mahout还包括一些创新的推荐构建块 ,可以提供其他OSS中找不到的东西。
Mahout仍有其较旧的Hadoop算法,但像Spark这样的快速计算引擎成为大多数人在那里投资的常态。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.