协调模型培训和模型使用

Question

我的任务是实现内容推荐微服务，并且选择在Apache Spark's MLlib位于Play服务器上面的情况下这样做。

当前架构：

• 运行Play以响应模型查询的服务器实例
• 一个单独的实例，运行自己的Spark上下文（每天？）来训练和重新训练模型

我选择使用单独的实例，因为我似乎无法使用我正在使用的特定MLlib算法的Spark流，并且我希望为查询服务器保持CPU负载。

问题：

1. 如何将训练过的模型移动到查询服务器？
2. 自动化再培训的好方法是什么？ （Cron工作？Akka调度员？）