Mahout - JPA集成。我需要CSV文件吗？

Question

我有一个使用openJPA的现有数据模型，我正在尝试使用Mahout集成一个CF系统。

请原谅我，如果这是一个骨头问题，但我刚开始研究mahout。 Mahout在行动中是在邮件中，所以我应该尽快加速。

我的问题是如何将mahout与现有的jpa模型集成。我是否需要向DataModel类提供CSV文件，或者我是否可以将DataModel扩展为直接从现有的dataSource读取。我意识到从我的数据生成CSV文件并不是很复杂，但这样做似乎是一个不必要的中间步骤。

我对“大数据集”世界很陌生，所以请原谅我的无知。但是大多数使用Mahout的系统都使用CSV数据集吗？不知怎的，这对我来说很奇怪。

感谢。

修改

所以我正在阅读亚马逊提供的关于Mahout in Action的预览。您似乎可以将mahout接口直接插入到数据库中，但这样做会牺牲性能。我迫不及待想要拿到这本书。任何关于此的评论或提示仍然非常感谢。

Answer 1

分布式/ Hadoop内容可以从HDFS，Hbase或Cassandra中读取，或者你有什么。

非分布式内容通常从文件中读取，并且有一些钩子可以从数据库/ JDBC中读取。源不是那么重要，因为推荐模型无论如何都要将其加载到内存中。

您可以自己编写DataSource，重用GenericDataModel或修改其他实现。