早上好，
目前，我正在探索为我工作的公司构建内部平台的选择。我们的团队负责公司的数据仓库和报告。
随着我们的发展，我们将开发一个内部网来满足公司的一些需求，一段时间以来，我正在考虑将scala(和PlayFramework)作为要走的路。
这也将涉及大量的机器学习来聚类客户、预测销售演变等。这时我开始思考Spark ML并遇到了PredictionIO。
随着我们将技能转向数据科学，什么将使我们/公司受益最多并学到：
- 在Play和Spark之上构建所有内容，并在同一项目中同时使用平台和机器学习 。
- 使用播放和预测IO，其中大部分内容已经准备好
我不是想根据意见提出问题，而是从您的经验/架构/解决方案中学习。
谢谢
两者都是不错的选择： 1.使用PredictionIO如果你是ML新手，很容易开始，但从长远来看它会限制你， 2. 使用spark如果您对自己的data science和data engineering team有信心，Spark具有出色且易于使用的API以及广泛的ML库， 说为了将东西投入生产，您将需要一些分布式火花知识 - 经验，有时要使其高效可靠是很棘手的。
以下是选项：
sparkdatabricks cloud昂贵但易于使用的 Spark，无需数据工程PredictionIO如果您确定他们的ML可以解决您的所有业务案例sparkgoogle dataproc，易于管理的集群，比aws少60%，仍然需要一些工程
总之：PredictionIO快速修复，spark长期数据 - 科学/工程开发。您可以从databricks开始，以最大程度地减少专业知识开销，然后逐步转向dataproc以最大程度地降低成本
PredictionIO使用Spark的MLLib作为他们的大多数引擎模板。
我不知道你为什么要把两者分开？
PredictionIO与Spark一样灵活，也可以使用其他库，如deeplearning4j和H2O等。