主要介绍了一下几点：
1矩阵分解的几种算法
2spark使用矩阵分解的几种方式，1ml 包中使用，2mllib包中的使用，其实有不调用包自己写的案列（可以去看看哈，就在example目录）
3使用ALS做推荐的一个比较详细的流程：1自迭代确定比较优的参数是，2使用参数训练模型，3使用模型推荐topn的物品给用户
4讲了怎么自迭代ALS算法参数，感觉这个还重要点
5提交spark的报了一个错误，已经错误解决方式
6好多细节都没写，感觉要写的有好多，也不是很完善，时间不够，只是提供了核心代码和思路

一：Spark2.0新概率解释（仅限本文使用）

1 SparkSession

SparkSession是spark2.0的全新切入点，以前都是sparkcontext创建RDD的，StreamingContext，sqlContext，HiveContext。
DataDrame提供的API慢慢的成为新的标准API，我们需要1个新的切入点来构建他，这个就是SparkSession哈，以前我也没见过.官网API介绍

官网上说，这是用来构建Dataset和DataFrame的API的切入点。在环境中，SparkSession已经预先创建了，我们需要使用bulder方法得到已经存在在SparkSession。使用方法如下：

SparkSession.builder().getOrCreate()
SparkSession.builder().master("local").appName("Word Count").config(key, value")..getOrCreate()

二：ALS算法

1含义

在现实中用户-物品-评分矩阵是及其大的，用户消费有限，对单个用户来说，消费的物品的非常有限的，产生的评分也是比较少的，这样就造成了用户-物品矩阵有大量的空值。
假定用户的兴趣只受少数因素的影响，所以用户-物品矩阵可以分解为用户的特征向量矩阵和物品的特征向量矩阵（降维了）。用户的特征向量距离表示用户的兴趣(U)，物品的特征向量矩阵代表用户的特点(V)，合起来（内积）表示用户对物品的特点的兴趣，也就是喜好程度。
M=U*V

2协同过滤矩阵分解算法

2.1奇异值分解（SVD）

矩阵的奇异值分解是最简单的一种矩阵分解算法，主要是在U*V中间加了个一个奇异值矩阵，公式如下：
M=U*(奇异值矩阵)*(V的共轭)
奇异值矩阵是对角矩阵，奇异值分解的缺点（没试过不知道，书上说的），1不允许分解矩阵有null值，需要进行填分，2如果填分，又有两个问题：1增加数据量，增加算法复杂度，2简单粗暴的填分方式会导致数据失真，如果将null值设置为0，那么会导致过度学习问题。
奇异值分解方式，感觉用的不多，我自己接触的话。

2.2正则化矩阵分解

加入正则化是为了解决稀疏矩阵可能过学习问题，评价矩阵分解是RMSE，通过最小化RMSE来学习用户特征矩阵U和物品特征矩阵V，在RMSE函数中加入了正则化项减少过拟合，公式如下，公式都是书上写的哈，这里截图：

K表示评分记录（u用户对I物品的评分）,Ru,i表示用户u对物品i的真实评分，诶梦达表示正则化系数，诶梦达后面的表示防止过拟合的正则化项。
加入正则化的含义可以理解为，修改rmse，不要其太大或者太小。
假设用户特征矩阵为Umt，物品评分矩阵为Vtn，其中t特征<

2.3带偏置的矩阵分解（说的很有道理，但是比较难评估）

理论就不说了，举个例子，u1对v1的评分为4表示u1对v1这个物品非常喜欢，u2对v1的评分为4表示u1对v1一般喜欢，对用用户来说，即使他们对同一物品的评分相同，但是表示他们的喜好程度并不是一样的。同理对于物品来说也是一样。把这种独立于用户和独立于物品的影响因素成为偏置，偏置一共有3个部分组成。
1训练集中所有评分记录的全局平均，表示训练集中总体评分情况，一般是一个常数。
2用户偏置bu，独立于物品特征因素，表示用户特定的打分习惯。
3物品偏置bi，表示独立于用户特征因素，举个列子，好片子一般总体评分偏高，烂片一般评分偏低，偏置就是表示这种特征。
以上的所有偏置对用户对物品喜好无关，得到的预测评分公式如下：

按照这种思路，其实还要很多其他优化，比如加入时间因素，社会流行因素等。

Spark使用的是带正则化矩阵分解，优化函数的方式选用的是交叉最小二乘法ALS

三Spark代码

spark代码一半是官方列子修改过来的哈

1调用ml包

使用org.apache.spark.ml.recommendation.ALS来计算，并且使用了spark2.0的新特性SparkSession来实现推荐，具体代码与注释如下：

package org.wq.scala.ml import org.apache.spark.ml.evaluation.RegressionEvaluator
import org.apache.spark.ml.recommendation.ALS
import org.apache.spark.sql.SparkSession/*** Created by Administrator on 2016/10/24.*/
//这是spark新的Als算法的列子
object ALSRecommendNewTest {//定义个类，来保存一次评分哈case class Rating(userId: Int, movieId: Int, rating: Float, timestamp: Long)//把一行转换成一个评分类def parseRating(str: String): Rating = {val fields = str.split("::")assert(fields.size == 4)Rating(fields(0).toInt, fields(1).toInt, fields(2).toFloat, fields(3).toLong)}def main(args:Array[String])={//SparkSession是spark2.0的全新切入点，以前都是sparkcontext创建RDD的，StreamingContext，sqlContext，HiveContext。//DataDrame提供的API慢慢的成为新的标准API，我们需要1个新的切入点来构建他，这个就是SparkSession哈//以前我也没见过val spark = SparkSession.builder().config("spark.sql.warehouse.dir","E:/ideaWorkspace/ScalaSparkMl/spark-warehouse").master("local").appName("ALSExample").getOrCreate()import spark.implicits._//read方法返回的是一个DataFrameReader类，可以转换为DataFrame//DataFrameReader类的textFile方法：加载文本数据，返回为Dataset//使用一个函数parseRating处理一行数据val ratings = spark.read.textFile("data/mllib/sample_movielens_ratings.txt").map(parseRating).toDF()val Array(training,test)=ratings.randomSplit(Array(0.8, 0.2))// Build the recommendation model using ALS on the training data//使用训练数据训练模型//这里的ALS是import org.apache.spark.ml.recommendation.ALS，不是mllib中的哈//setMaxiter设置最大迭代次数//setRegParam设置正则化参数，日lambda这个不是更明显么//setUserCol设置用户id列名//setItemCol设置物品列名//setRatingCol设置打分列名val als = new ALS()als.setRank(10).setMaxIter(5).setRegParam(0.01).setUserCol("userId").setItemCol("movieId").setRatingCol("rating")//fit给输出的数据，训练模型，fit返回的是ALSModel类val model = als.fit(training)//使用测试数据计算模型的误差平方和//transform方法把数据dataset换成dataframe类型，预测数据val predictions = model.transform(test)//RegressionEvaluator这个类是用户评估预测效果的，预测值与原始值//这个setLabelCol要和als设置的setRatingCol一致，不然会报错哈//RegressionEvaluator的setPredictionCol必须是prediction因为，ALSModel的默认predictionCol也是prediction//如果要修改的话必须把ALSModel和RegressionEvaluator一起修改//model.setPredictionCol("prediction")和evaluator.setPredictionCol("prediction")//setMetricName这个方法，评估方法的名字，一共有哪些呢？//rmse-平均误差平方和开根号//mse-平均误差平方和//mae-平均距离（绝对）//r2-没用过不知道//这里建议就是用rmse就好了，其他的基本都没用，当然还是要看应用场景，这里是预测分值就是用rmse。如果是预测距离什么的mae就不从，看场景哈val evaluator = new RegressionEvaluator().setMetricName("rmse").setLabelCol("rating").setPredictionCol("prediction")val rmse = evaluator.evaluate(predictions)println("Root-mean-square error = "+rmse)//stop是停止底层的SparkContextspark.stop()}
}

2调用mllib，实现

使用mllib中的ALS算法如下，如果是生产，建议使用mllib中的

package org.wq.scala.mlimport org.apache.log4j.{Level, Logger}
import org.apache.spark.examples.mllib.AbstractParamsimport scala.collection.mutable
//处理输入参数的库
import org.apache.spark.mllib.recommendation.{ALS, MatrixFactorizationModel, Rating}
import org.apache.spark.rdd.RDD
import org.apache.spark.{SparkConf, SparkContext}
import scopt.OptionParser/*** Created by Administrator on 2016/10/24.*/
object ALSRecommendMllibTest {//参数含义//input表示数据路径//kryo表示是否使用kryo序列化//numIterations迭代次数//lambda正则化参数//numUserBlocks用户的分块数//numProductBlocks物品的分块数//implicitPrefs这个参数没用过，但是通过后面的可以推断出来了，是否开启隐藏的分值参数阈值，预测在那个级别才建议推荐，这里是5分制度的，详细看后面代码case class Params(input: String = null,output:String=null,kryo: Boolean = false,numIterations: Int = 20,lambda: Double = 1.0,rank: Int = 10,numUserBlocks: Int = -1,numProductBlocks: Int = -1,implicitPrefs: Boolean = false) extends AbstractParams[Params]def main(args: Array[String]) {val defaultParams = Params()//规定参数的输入方式 --rank 10 这种//我个人习惯为直接用空格分割（如果参数不对，给予提示），当然下面这种更规范化和人性化，还有默认参数的//以后再研究OptionParser用法，不过他这种参数用法挺好用的哈val parser = new OptionParser[Params]("Mllib 的ALS") {head("MovieLensALS: an example app for ALS on MovieLens data.")opt[Int]("rank").text(s"rank, default: ${defaultParams.rank}").action((x, c) => c.copy(rank = x))opt[Int]("numIterations").text(s"number of iterations, default: ${defaultParams.numIterations}").action((x, c) => c.copy(numIterations = x))opt[Double]("lambda").text(s"lambda (smoothing constant), default: ${defaultParams.lambda}").action((x, c) => c.copy(lambda = x))opt[Unit]("kryo").text("use Kryo serialization").action((_, c) => c.copy(kryo = true))opt[Int]("numUserBlocks").text(s"number of user blocks, default: ${defaultParams.numUserBlocks} (auto)").action((x, c) => c.copy(numUserBlocks = x))opt[Int]("numProductBlocks").text(s"number of product blocks, default: ${defaultParams.numProductBlocks} (auto)").action((x, c) => c.copy(numProductBlocks = x))opt[Unit]("implicitPrefs").text("use implicit preference").action((_, c) => c.copy(implicitPrefs = true))arg[String]("<input>").required().text("input paths to a MovieLens dataset of ratings").action((x, c) => c.copy(input = x))arg[String]("<output>").required().text("output Model Path").action((x, c) => c.copy(output = x))note("""|For example, the following command runs this app on a synthetic dataset:|| bin/spark-submit --class org.apache.spark.examples.mllib.MovieLensALS \|  examples/target/scala-*/spark-examples-*.jar \|  --rank 5 --numIterations 20 --lambda 1.0 --kryo \|  data/mllib/sample_movielens_data.txt""".stripMargin)}//虽然是map但是只运行1次哈，主要看run方法做了什么parser.parse(args, defaultParams).map { params =>run(params)} getOrElse {System.exit(1)}}def run(params: Params) {val conf = new SparkConf().setAppName(s"MovieLensALS with $params").setMaster("local").set("spark.sql.warehouse.dir","E:/ideaWorkspace/ScalaSparkMl/spark-warehouse")//如果参数设置了kryo序列化没那么需要注册序列化的类和配置序列化的缓存，模板照着写就是了//使用序列化是为传输的时候速度更快，我没有使用这个，因为反序列话也需要一定的时间，我是局域网搭建spark集群的（机子之间很快）。// 如果是在云搭建集群可以考虑使用if (params.kryo) {conf.registerKryoClasses(Array(classOf[mutable.BitSet], classOf[Rating])).set("spark.kryoserializer.buffer", "8m")}val sc = new SparkContext(conf)//设置log基本，生产也建议使用WARNLogger.getRootLogger.setLevel(Level.WARN)//得到因此的级别val implicitPrefs = params.implicitPrefs//读取数据，并通过是否设置了分值阈值来修正评分//官方推荐是，只有哦大于3级别的时候才值得推荐//且下面的代码，implicitPrefs，直接就是默认5 Must see，按道理会根据自己对分数阈值的预估，rating减去相应的值，比如fields(2).toDouble - 2.5//5 -> 2.5, 4 -> 1.5, 3 -> 0.5, 2 -> -0.5, 1 -> -1.5//现在是5分值的映射关系，如果是其他分值的映射关系有该怎么做？还不确定，个人建议别使用这个了。//经过下面代码推断出，如果implicitPrefs=true或者flase，true的意思是，预测的分数要大于2.5（自己设置），才能推荐给用户，小了，没有意义//它引入implicitPrefs的整体含义为，只有用户对物品的满意达到一定的值，才推荐，不然推荐不喜欢的没有意思，所以在构建样本的时候，会减去相应的值fields(2).toDouble - 2.5（自己设置）//这种理论是可以的，但是还有一个理论，不给用户推荐比给用户推荐错了还要严重（有人提出过），不推荐产生的效果还要严重，还有反向推荐，//我把implicitPrefs叫做分值阈值val ratings = sc.textFile(params.input).map { line =>val fields = line.split("::")if (implicitPrefs) {/** MovieLens ratings are on a scale of 1-5:* 5: Must see* 4: Will enjoy* 3: It's okay* 2: Fairly bad* 1: Awful* So we should not recommend a movie if the predicted rating is less than 3.* To map ratings to confidence scores, we use* 5 -> 2.5, 4 -> 1.5, 3 -> 0.5, 2 -> -0.5, 1 -> -1.5. This mappings means unobserved* entries are generally between It's okay and Fairly bad.* The semantics of 0 in this expanded world of non-positive weights* are "the same as never having interacted at all".*/Rating(fields(0).toInt, fields(1).toInt, fields(2).toDouble - 2.5)} else {Rating(fields(0).toInt, fields(1).toInt, fields(2).toDouble)}}.cache()//计算一共有多少样本数val numRatings = ratings.count()//计算一共有多少用户val numUsers = ratings.map(_.user).distinct().count()//计算应该有多少物品val numMovies = ratings.map(_.product).distinct().count()println(s"Got $numRatings ratings from $numUsers users on $numMovies movies.")//按80%训练，20%验证分割样本val splits = ratings.randomSplit(Array(0.8, 0.2))//把训练样本缓存起来，加快运算速度val training = splits(0).cache()//构建测试样，我先翻译下他说的英文哈。//分值为0表示，我对物品的评分不知道，一个积极有意义的评分表示：有信心预测值为1//一个消极的评分表示：有信心预测值为0//在这个案列中，我们使用的加权的RMSE，这个权重为自信的绝对值（命中就为1，否则为0）//关于误差，在预测和1,0之间是不一样的，取决于r 是正，还是负//这里splits已经减了分值阈值了，所以>0 =1 else 0的含义是，1表示分值是大于分值阈值的，这里是大于2.5,0表示小于2.5val test = if (params.implicitPrefs) {/** 0 means "don't know" and positive values mean "confident that the prediction should be 1".* Negative values means "confident that the prediction should be 0".* We have in this case used some kind of weighted RMSE. The weight is the absolute value of* the confidence. The error is the difference between prediction and either 1 or 0,* depending on whether r is positive or negative.*/splits(1).map(x => Rating(x.user, x.product, if (x.rating > 0) 1.0 else 0.0))} else {splits(1)}.cache()//训练样本量和测试样本量val numTraining = training.count()val numTest = test.count()println(s"Training: $numTraining, test: $numTest.")//这里应为不适用ratings了，释放掉它占的内存ratings.unpersist(blocking = false)//setRank设置随机因子，就是隐藏的属性//setIterations设置最大迭代次数//setLambda设置正则化参数//setImplicitPrefs 是否开启分值阈值//setUserBlocks设置用户的块数量，并行化计算,当特别大的时候需要设置//setProductBlocks设置物品的块数量val model = new ALS().setRank(params.rank).setIterations(params.numIterations).setLambda(params.lambda).setImplicitPrefs(params.implicitPrefs).setUserBlocks(params.numUserBlocks).setProductBlocks(params.numProductBlocks).run(training)//训练的样本和测试的样本的分值全部是减了2.5分的//测试样本的分值如果大于0为1，else 0，表示分值大于2.5才预测为Ok//计算rmseval rmse = computeRmse(model, test, params.implicitPrefs)println(s"Test RMSE = $rmse.")//保存模型，模型保存路劲为model.save(sc,params.output)println("模型保存成功，保存路劲为："+params.output)sc.stop()}/** Compute RMSE (Root Mean Squared Error). */def computeRmse(model: MatrixFactorizationModel, data: RDD[Rating], implicitPrefs: Boolean): Double = {//内部方法含义如下// 如果已经开启了implicitPref那么，预测的分值大于0的为1，小于0的为0，没有开启的话，就是用原始分值//min(r,1.0)求预测分值和1.0那个小，求小值，然后max(x,0.0)求大值， 意思就是把预测分值大于0的为1，小于0 的为0//这样构建之后预测的预测值和测试样本的样本分值才一直，才能进行加权rmse计算def mapPredictedRating(r: Double): Double = {if (implicitPrefs) math.max(math.min(r, 1.0), 0.0) else r}//根据模型预测，用户对物品的分值，predict的参数为RDD[(Int, Int)]val predictions: RDD[Rating] = model.predict(data.map(x => (x.user, x.product)))//mapPredictedRating把预测的分值映射为1或者0//join连接原始的分数,连接的key为x.user, x.product//values方法表示只保留预测值，真实值val predictionsAndRatings = predictions.map{ x =>((x.user, x.product), mapPredictedRating(x.rating))}.join(data.map(x => ((x.user, x.product), x.rating))).values//最后计算预测与真实值的平均误差平方和//这是先每个的平方求出来，然后再求平均值，最后开方math.sqrt(predictionsAndRatings.map(x => (x._1 - x._2) * (x._1 - x._2)).mean())}
}

3找到最优（可能最优哈）参数

package org.wq.scala.mlimport org.apache.log4j.{Level, Logger}
import org.apache.spark.mllib.recommendation.{ALS, MatrixFactorizationModel, Rating}
import org.apache.spark.rdd.RDD
import org.apache.spark.{SparkConf, SparkContext}/*** Created by Administrator on 2016/10/24.*/
object ALSRecommendMllibBestParamTest {def main(args: Array[String]): Unit = {val conf = new SparkConf().setAppName("ALS_mllib_best_param").setMaster("local").set("spark.sql.warehouse.dir","E:/ideaWorkspace/ScalaSparkMl/spark-warehouse")val sc = new SparkContext(conf)//设置log基本，生产也建议使用WARNLogger.getRootLogger.setLevel(Level.WARN)//第一步构建time,Ratingval movie = sc.textFile("data/mllib/sample_movielens_ratings.txt")val ratings = movie.map(line=>{val fields = line.split("::")val rating  = Rating(fields(0).toInt,fields(1).toInt,fields(2).toDouble)val timestamp =fields(3).toLong%5(timestamp,rating)})//输出数据的基本信息val numRatings  = ratings.count()val numUser  = ratings.map(_._2.user).distinct().count()val numItems = ratings.map(_._2.product).distinct().count()println("样本基本信息为：")println("样本数："+numRatings)println("用户数："+numUser)println("物品数："+numItems)val sp = ratings.randomSplit(Array(0.6,0.2,0.2))//第二步骤//使用日期把数据分为训练集(timestamp<6),验证集(6<timestamp<8)和测试集（timestamp>8）/* val training = ratings.filter(x=>x._1<6).values.repartition(2).cache()val validation = ratings.filter(x=>x._1>6 && x._1<8).values.repartition(2).cache()val test=ratings.filter(x=>x._1>=8).values.cache()*///样本时间参数都一样，测试就使用随机算了val training=sp(0).map(x=>Rating(x._2.user,x._2.product,x._2.rating)).repartition(2).cache()val validation=sp(1).map(x=>Rating(x._2.user,x._2.product,x._2.rating)).repartition(2).cache()val test=sp(1).map(x=>Rating(x._2.user,x._2.product,x._2.rating))val numTraining = training.count()val numValidation=validation.count()val numTest=test.count()println("验证样本基本信息为：")println("训练样本数："+numTraining)println("验证样本数："+numValidation)println("测试样本数："+numTest)//第三步//定义RMSE方法def computeRmse(model:MatrixFactorizationModel,data:RDD[Rating]):Double={val predictions:RDD[Rating]=model.predict(data.map(x=>(x.user,x.product)))val predictionAndRatings = predictions.map(x=>{((x.user,x.product),x.rating)}).join(data.map(x=>((x.user,x.product),x.rating))).valuesmath.sqrt(predictionAndRatings.map(x=>(x._1-x._2)*(x._1-x._2)).mean())}//第四步骤，使用不同的参数训练模型，并且选择RMSE最小的模型，规定参数的范围//隐藏因子数：8或者12//正则化系数，0.01或者0.1选择，迭代次数为10或者20,训练8个模型val ranks = List(8,12)val lambdas = List(0.01,0.1)val numiters = List(10,20)var bestModel:Option[MatrixFactorizationModel]=Nonevar bestValidationRmse=Double.MaxValuevar bestRank=0var bestLamdba = -1.0var bestNumIter=1for(rank<-ranks;lambda<-lambdas;numiter<-numiters){println(rank+"-->"+lambda+"-->"+numiter)val model = ALS.train(training,rank,numiter,lambda)val valadationRmse=computeRmse(model,validation)if(valadationRmse<bestValidationRmse){bestModel=Some(model)bestValidationRmse=valadationRmsebestRank=rankbestLamdba=lambdabestNumIter=numiter}}val testRmse = computeRmse(bestModel.get,test)println("测试数据的rmse为："+testRmse)println("范围内的最后模型参数为：")println("隐藏因子数："+bestRank)println("正则化参数："+bestLamdba)println("迭代次数："+bestNumIter)
//步骤5可以对比使用协同过滤和不适用协同过滤（使用平均分来做预测结果）能提升多大的预测效果。//计算训练样本和验证样本的平均分数
val meanR = training.union(validation).map(x=>x.rating).mean()//这就是使用平均分做预测，test样本的rmse
val baseRmse=math.sqrt(test.map(x=>(meanR-x.rating)*(meanR-x.rating)).mean())val improvement =(baseRmse-testRmse)/baseRmse*100println("使用了ALS协同过滤算法比使用评价分作为预测的提升度为："+improvement)}
}

4使用ALS模型进行预测

package org.wq.scala.mlimport org.apache.log4j.{Level, Logger}
import org.apache.spark.mllib.recommendation.{MatrixFactorizationModel, Rating}
import org.apache.spark.{SparkConf, SparkContext}/*** Created by Administrator on 2016/10/25.*/
object ALSModelTopn {def main(args: Array[String]): Unit = {//给用户推荐val conf = new SparkConf().setAppName("ALS_mllib_best_param").setMaster("local").set("spark.sql.warehouse.dir","E:/ideaWorkspace/ScalaSparkMl/spark-warehouse")val sc = new SparkContext(conf)Logger.getRootLogger.setLevel(Level.WARN)val movie = sc.textFile("data/mllib/sample_movielens_ratings.txt")val ratings = movie.map(line=>{val fields = line.split("::")val rating  = Rating(fields(0).toInt,fields(1).toInt,fields(2).toDouble)val timestamp =fields(3).toLong%5(rating)})val model=  MatrixFactorizationModel.load(sc,"data/mllib/t")//选择一个用户val user=5val myRating = ratings.filter(x=>x.user==5)//该用户已经消费了的物品val myRateItem = myRating.map(x=>x.product).collect().toSet//给用户5推荐前评分前10的物品val recommendations = model.recommendProducts(user,10)recommendations.map(x=>{println(x.user+"-->"+x.product+"-->"+x.rating)})}
}

提交部署

1提交寻找最优参数的jar

提交部署求最优参数的那个jar,这就把最优参数简单的打印出来，如果要周期的自迭代更新参数的话，就写在数据库或者配置文件中，当训练的时候，就从数据库或者配置文件读。
首先需要把上面的第三个程序修改一下，修改如下，因为要提交给集群嘛，所以不能指定master为local了，参数从命令行传入。把jar上传到master节点的目录下，data需要上传到所有的slaves.
if(args.length!=1){
println(“请输入1个参数购物篮数据路径”)
System.exit(0)
}
val conf = new SparkConf().setAppName(“ALS_mllib_best_param”)
以后所有的提交都需要修改conf的，以后就不说了
jar与数据目录如下：

数据长下面这个样子,用户id，物品id，评分，时间戳，用户id和物品id必须是整型，如果你的不是，那么必须进行一次映射:

把数据传到slave节点
scp sample_movielens_ratings.txt spark@slave1:/home/jar/data/
scp sample_movielens_ratings.txt spark@slave2:/home/jar/data/

提交job
spark-submit –class org.wq.scala.ml.ALSRecommendMllibBestParam –master spark://master:7077 –executor-memory 700m –num-executors 1 /home/jar/ALSRecommendMllibBestParam.jar /home/jar/data/sample_movielens_ratings.txt
运行结果如下：

也给大家看下job运行的过程
http://192.168.247.132:4040/jobs/

2把求得的最好参数带入mllib写的算法中，训练形成模型

提交Job
spark-submit –class org.wq.scala.ml.ALSRecommendMllib –master spark://master:7077 –executor-memory 700m –num-executors 1 /home/jar/ALSRecommendMllib.jar –rank 8 –numIterations 10 –lambda 0.1 /home/jar/data/sample_movielens_ratings.txt /home/jar/model/AlsModel
悲剧的报错了

这个错误很明显是缺少包spark-examples_2.11-2.0.0.jar，这个包在example目录下的。
两个种解决方法：
1修改/etc/profile，把example/jars加入classpath.
2把jar复制到目录sparkhome/jars目录下，因为sparkhome/jars目录下，因为spark_home/jars这个目录在环境变量中，这里采用第二种.

修改之后的运行结果为：

3调用模型，得出推荐

到这里模型就训练好了，这个模型可以定时训练，crontab就可以实现，训练好的模型，使用用户数据预测分数。
就不提交到集群运行了，因为这是demo而已，真实应该为提供接口，别人来调用
总结：
1矩阵分解的几种算法
2spark使用矩阵分解的几种方式，1ml 包中使用，2mllib包中的使用，其实有不调用包自己写的案列（可以去看看哈，就在example目录）
3使用ALS做推荐的一个比较详细的流程：1自迭代确定比较优的参数是，2使用参数训练模型，3使用模型推荐topn的物品给用户
4讲了怎么自迭代ALS算法参数，感觉这个还重要点
5提交spark的报了一个错误，已经错误解决方式
6好多细节都没写，感觉要写的有好多，也不是很完善，时间不够，只是提供了核心代码和思路

疑问：在做的过程中，我发现spark的job查看，只有在job运行的时候才可以查看，其他时候不行
http://192.168.247.132:4040/jobs/
这个应该是可以随时查看的，应该是spark的日志和查看jobs的服务要一直开启才行，希望对spark集群熟悉的人求解，跪谢

基于Spark的Als算法+自迭代+Spark2.0新写法相关推荐

基于PySpark和ALS算法实现基本的电影推荐流程
文章目录 1.PySpark简介 2.Pyspark接口用法读取数据源常用算子完整的wordcount示例 3.基于PySpark和ALS的电影推荐流程数据集背景读取用户数据训练模型调用 ...
基于Spark实现推荐算法-1:推荐算法简介
个性化推荐系统简介个性化推荐系统的定义在 1997 年由 Resnick 和 Varian 提出:利用互联网向用户提供信息和建议,帮助用户选择产品,或模拟售货员帮助用户完成购买行为的系统 .通常推 ...
StreamDM：基于Spark Streaming、支持在线学习的流式分析算法引擎
StreamDM:基于Spark Streaming.支持在线学习的流式分析算法引擎 streamDM:Data Mining for Spark Streaming,华为诺亚方舟实验室开源了业界第一 ...
spark2.0.1安装部署及使用jdbc连接基于hive的sparksql
2019独角兽企业重金招聘Python工程师标准>>> 1.安装如下配置,除了配置spark还配置了spark history服务 #先到http://spark.apache.o ...
spark2.0 sql java_spark2.0.1安装部署及使用jdbc连接基于hive的sparksql
1.安装如下配置,除了配置spark还配置了spark history服务 #先到http://spark.apache.org/根据自己的环境选择编译好的包,然后获取下载连接 cd /opt mk ...
Spark2.0.2+Zeppelin0.6.2 环境搭建初探
0.抱怨与其他(此部分与标题没有太多联系): 首先一点想说的是版本问题,为什么标题我会写清楚版本号呢!原因就是版本不对真的很会坑人. 就在写这篇博客的同一天,我还写了另一篇,是 Hadoop2.7.3 ...
基于Spark ALS算法的个性化推荐
今天来使用spark中的ALS算法做一个小推荐.需要数据的话可以点击查看初识sparklyr-电影数据分析,在文末点击阅读原文即可获取. 其实在R中还有一个包可以做推荐,那就是recommenderl ...
Spark MLlib回归算法------线性回归、逻辑回归、SVM和ALS
Spark MLlib回归算法------线性回归.逻辑回归.SVM和ALS 1.线性回归: (1)模型的建立: 回归正则化方法(Lasso,Ridge和ElasticNet)在高维和数据集变量之间多 ...
mllib协同过滤 java实现_协同过滤(ALS)算法介绍及Spark MLlib调用实例(Scala/Java/Python)...
协同过滤算法介绍: 协同过滤常被用于推荐系统.这类技术目标在于填充"用户-商品"联系矩阵中的缺失项.Spark.ml目前支持基于模型的协同过滤,其中用户和商品以少量的潜在因子来描 ...

基于Spark的Als算法+自迭代+Spark2.0新写法