我在Spark和Flink中开发了一个多元线性回归和Kmeans来比较它们的批处理性能（我使用Zeppelin进行编程和执行，以及Ganglia进行测量）。
我在answer of this post读到我要触发方法训练的执行，所以我做了。
Hovewer，在线性回归中，Flink需要3分27秒（仅在触发部分）同时Spark大约30秒（整个执行中）...所以我认为我做错了因为这是不可能的
Flinks比K-means算法更慢。
这是我的代码：
//Read the data
val data: DataSet[org.apache.flink.ml.common.LabeledVector] = MLUtils.readLibSVM(benv, /.../quake_test_I.libsvm")
//Example of data
6.1 1:33.0 2:53.26 3:-161.74
5.8 1:45.0 2:51.34 3:173.44
5.9 1:17.0 2:28.62 3:142.42
5.8 1:28.0 2:52.73 3:171.99
// Create multiple linear regression learner
val mlr = MultipleLinearRegression()
.setIterations(10)
.setStepsize(0.5)
.setConvergenceThreshold(0.001)
//Train the model
val model = mlr.fit(data)
//Tigger its execution
val weights = mlr.weightsOption match {
case Some(weights) => weights.collect()
case None => throw new Exception("Could not calculate the weights.")
我该如何触发此模型的执行？
感谢您的帮助！ ：）