6

我正在使用这段代码来计算火花建议：

    SparkSession spark = SparkSession
            .builder()
            .appName("SomeAppName")
            .config("spark.master", "local[" + args[2] + "]")
            .config("spark.local.dir",args[4])
            .getOrCreate();
    JavaRDD<Rating> ratingsRDD = spark
            .read().textFile(args[0]).javaRDD()
            .map(Rating::parseRating);
    Dataset<Row> ratings = spark.createDataFrame(ratingsRDD, Rating.class);
    ALS als = new ALS()
            .setMaxIter(Integer.parseInt(args[3]))
            .setRegParam(0.01)
            .setUserCol("userId")
            .setItemCol("movieId")
            .setRatingCol("rating").setImplicitPrefs(true);

    ALSModel model = als.fit(ratings);
    model.setColdStartStrategy("drop");
    Dataset<Row> rowDataset = model.recommendForAllUsers(50);

这些是使这段代码工作的 Maven 依赖项：

    <dependency>
        <groupId>org.apache.spark</groupId>
        <artifactId>spark-core_2.11</artifactId>
        <version>2.4.0</version>
    </dependency>
    <dependency>
        <groupId>org.apache.spark</groupId>
        <artifactId>spark-sql_2.11</artifactId>
        <version>2.4.0</version>
    </dependency>
    <dependency>
        <groupId>org.apache.spark</groupId>
        <artifactId>spark-mllib_2.11</artifactId>
        <version>2.4.0</version>
    </dependency>
    <dependency>
        <groupId>org.scala-lang</groupId>
        <artifactId>scala-library</artifactId>
        <version>2.11.8</version>
    </dependency>

使用此代码计算推荐需要大约 70 秒的数据文件。此代码产生以下警告：

WARN BLAS: Failed to load implementation from: com.github.fommil.netlib.NativeSystemBLAS
WARN BLAS: Failed to load implementation from: com.github.fommil.netlib.NativeRefBLAS
WARN LAPACK: Failed to load implementation from: com.github.fommil.netlib.NativeSystemLAPACK
WARN LAPACK: Failed to load implementation from: com.github.fommil.netlib.NativeRefLAPACK

现在我尝试通过在 maven 中添加此依赖项来启用 netlib-java：

    <dependency>
        <groupId>com.github.fommil.netlib</groupId>
        <artifactId>all</artifactId>
        <version>1.1.2</version>
        <type>pom</type>
    </dependency>

为了避免这个新环境崩溃，我不得不做这个额外的技巧：

LD_PRELOAD=/usr/lib64/libopenblas.so

现在它也可以工作了，它没有任何警告，但它工作得更慢，执行相同的计算平均需要大约 170 秒。我在 CentOS 上运行它。

使用本机库不应该更快吗？有没有可能让它更快？

4

1 回答 1

1

  1. 首先你可以检查你的 centos 版本，因为 centos 6 可能不使用本地库，检查这个

  2. 据我所知，ALS算法自2.0版本以来已经有所改进，您可以查看 2.2中的亮点

    以及来自 2.2 的源代码作为打击：

    在此处输入图像描述

    所以本机库没有帮助！

于 2019-02-27T03:28:03.193 回答