如何将模型从ML Pipeline保存到S3或HDFS？

Question

我正在努力保存ML Pipeline生产的数千种型号。 正如在答复中指出这里 ，该机型可以保存如下：

import java.io._

def saveModel(name: String, model: PipelineModel) = {
  val oos = new ObjectOutputStream(new FileOutputStream(s"/some/path/$name"))
  oos.writeObject(model)
  oos.close
}

schools.zip(bySchoolArrayModels).foreach{
  case (name, model) => saveModel(name, Model)
}

我已经尝试使用s3://some/path/$name和/user/hadoop/some/path/$name因为我希望模型最终保存到amazon s3但是它们都失败并显示路径不能是找到。

如何将模型保存到Amazon S3？

Answer 1

将模型保存到HDFS的一种方法如下：

// persist model to HDFS
sc.parallelize(Seq(model), 1).saveAsObjectFile("hdfs:///user/root/linReg.model")

然后可以将已保存的模型加载为：

val linRegModel = sc.objectFile[LinearRegressionModel]("linReg.model").first()

有关详细信息，请参阅（ 参考 ）

Answer 2

从Apache-Spark 1.6和Scala API开始，您可以在不使用任何技巧的情况下保存模型。 因为ML库中的所有模型都带有一个save方法，你可以在LogisticRegressionModel中检查它，实际上它有这个方法。 顺便加载模型，您可以使用静态方法。

val logRegModel = LogisticRegressionModel.load("myModel.model")

Answer 3

因此FileOutputStream保存到本地文件系统（而不是通过hadoop库），因此保存到本地目录是实现此目的的方法。 话虽如此，目录需要存在，因此请确保该目录首先存在。

话虽如此，根据您的模型，您可能希望查看https://spark.apache.org/docs/latest/mllib-pmml-model-export.html（pmml export）。