火花矩阵分解的预测时间

Question

我有一个简单的Python应用程序。 接受评级.csv有用户标识，产品标识，等级 它包含4M记录，然后我使用Spark AlS保存模型，然后将其加载到matrixFactorization。在

我的方法预测的问题是，预测用户和产品之间的评级需要超过一秒钟。 我的服务器是32G和8核。 有什么建议可以把预测时间提高到100毫秒以下吗。 以及数据集中的多个记录与预测时间之间的关系。在

我正在做的是：

spark_config = SparkConf().setAll([('spark.executor.memory', '32g'), ('spark.cores.max', '8')]) 
als_recommender.sc = SparkContext(conf=spark_config) #training_data is array of tulips of 4 M record 
training_data = als_recommender.sc.parallelize(training_data) als_recommender.model = ALS.trainImplicit(training_data, 10, 10, nonnegative=True) 
als_recommender.model.save(als_recommender.sc, "....Ameer/als_model") 
als_recommender_model = MatrixFactorizationModel.load(als_recommender.sc, "....Ameer/als_model") 
als_recommender_model.predict(1,2913)

Answer 1

基本上，您不希望每次需要回答时都加载完整的模型。在

根据模型更新频率和预测查询的数量，我可以：

• 将模型保存在内存中，并能够从那里回答查询。对于答案<；100ms，您需要测量每个步骤。利维是个很好的接球手，但我不确定它的开销。在
• 输出每个用户的前X个预测，并将其存储在DB中。Redis是一个很好的候选者，因为它的fast，值可以是一个列表