我正在Scala中为Spark 1.4编写一个项目，目前正在将我的初始输入数据转换为spark.mllib.linalg.Vectors和scala.immutable.Vector之间，我后来想在我的算法中使用。有人能简单解释一下两者之间的区别吗?在什么情况下，一个比另一个更有用?
谢谢。
spark.mllib.linalg.Vector是为线性代数应用而设计的。mllib提供了两种不同的实现——DenseVector、SparseVector。虽然您可以访问有用的方法，如norm或sqdist，但它在其他方面相当有限。
像org.apache.spark.mllib.linalg的所有数据结构一样，它只能存储64位浮点数(scala.Double)。
如果你计划使用mllib，那么spark.mllib.linalg.Vector几乎是你唯一的选择。mllib中所有剩余的数据结构，无论是本地的还是分布式的，都是建立在org.apache.spark.mllib.linalg.Vector之上的。
否则，scala.immutable.Vector可能是更好的选择。它是一种通用的、密集的数据结构。
可以存储任何类型的对象，例如Vector[String]。
由于是Traversable，您可以访问所有期望的方法，如map, flatMap, reduce, fold, filter等。
Edit:如果您需要代数运算，并且不使用org.apache.spark.mllib.linalg.distributed中的任何数据结构，您可能更喜欢breeze.linalg.Vector而不是spark.mllib.linalg.Vector。它支持包括dot乘积在内的更大的代数方法集，并提供典型的集合API。