通过Spark作业服务器运行Mlib

Question

我正在练习使用spark网站中提供的在线资源开发示例模型。我设法创建了模型，并使用Spark Shell为样本数据运行它，但如何在生产环境中实际运行模型？是通过Spark Job服务器吗？

import org.apache.spark.mllib.classification.SVMWithSGD
import org.apache.spark.mllib.regression.LabeledPoint  
import org.apache.spark.mllib.linalg.Vectors
val data = sc.textFile("hdfs://mycluster/user/Cancer.csv")
val parsedData = data.map { line =>
  val parts = line.split(',')
  LabeledPoint(parts.last.toDouble,     Vectors.dense(parts.take(9).map(_.toDouble)))
}
var svm = new SVMWithSGD().setIntercept(true)
val model = svm.run(parsedData)
var predictedValue = model.predict(Vectors.dense(5,1,1,1,2,1,3,1,1))
println(predictedValue)

当我在sparkshell中运行它时，上面的代码非常完美，但我不知道我们如何在生产环境中实际运行模型。我试图通过spark jobserver运行它，但我得到了错误，

curl -d "input.string = 1, 2, 3, 4, 5, 6, 7, 8, 9" 'ptfhadoop01v:8090/jobs?appName=SQL&classPath=spark.jobserver.SparkPredict'

我确信这是因为我传递了一个String值，而程序希望它是向量元素，有人能指导我如何实现这一点吗。在生产环境中，数据是如何传递给模型的？还是其他方式。

Answer 1

Spark Job-server用于生产用例，在生产用例中，您希望设计Spark作业的管道，还可以（可选）通过REST API跨作业使用SparkContext。Sparkplug是SparkJob服务器的替代方案，提供了类似的结构。

然而，要回答您关于如何在生产环境中运行（单个）Spark作业的问题，答案是您不需要第三方库。您只需要构造一个SparkContext对象，并使用它来触发Spark作业。例如，对于您的代码片段，所需要的只是；

package runner
import org.apache.spark.mllib.classification.SVMWithSGD
import org.apache.spark.mllib.regression.LabeledPoint
import org.apache.spark.mllib.linalg.Vectors
import com.typesafe.config.{ConfigFactory, Config}
import org.apache.spark.{SparkConf, SparkContext}
/**
 * 
 */
object SparkRunner {
  def main (args: Array[String]){
    val config: Config = ConfigFactory.load("app-default-config") /*Use a library to read a config file*/
    val sc: SparkContext = constructSparkContext(config)
    val data = sc.textFile("hdfs://mycluster/user/Cancer.csv")
    val parsedData = data.map { line =>
      val parts = line.split(',')
      LabeledPoint(parts.last.toDouble, Vectors.dense(parts.take(9).map(_.toDouble)))
    }
    var svm = new SVMWithSGD().setIntercept(true)
    val model = svm.run(parsedData)
    var predictedValue = model.predict(Vectors.dense(5,1,1,1,2,1,3,1,1))
    println(predictedValue)
  }

  def constructSparkContext(config: Config): SparkContext = {
    val conf = new SparkConf()
    conf
      .setMaster(config.getString("spark.master"))
      .setAppName(config.getString("app.name"))
    /*Set more configuration values here*/
    new SparkContext(conf)
  }

}

您也可以选择使用spark库中提供的SparkSubmit脚本的包装器。