Question

我有MatrixFactorizationModel对象。如果我在通过ALS.train（...）构建模型后立即向单个用户推荐产品，则需要300毫秒（对于我的数据和硬件）。但是，如果我将模型保存到磁盘并加载回来，那么推荐需要大约2000毫秒。 Spark警告：

15/07/17 11:05:47 WARN MatrixFactorizationModel: User factor does not have a partitioner. Prediction on individual records could be slow.
15/07/17 11:05:47 WARN MatrixFactorizationModel: User factor is not cached. Prediction could be slow.
15/07/17 11:05:47 WARN MatrixFactorizationModel: Product factor does not have a partitioner. Prediction on individual records could be slow.
15/07/17 11:05:47 WARN MatrixFactorizationModel: Product factor is not cached. Prediction could be slow.

如何在加载模型后创建/设置分区程序并缓存用户和产品因素？以下方法没有帮助：

model.userFeatures().cache();
model.productFeatures().cache();

此外，我试图重新分配这些rdds并从重新分区版本创建新模型，但这也没有帮助。

Answer 1

您不必使用括号，userFeatures是（Int，Array [Double]）的RDD，它不带参数。

这将对您有所帮助：

model.userFeatures.cache
model.productFeatures.cache

正确保存/加载MatrixFactorizationModel

1 个答案: