将本地向量转换为RDD[向量]

Question

我是Spark和Scala的新手，我正在尝试阅读它在MLlib上的文档。

关于 http://spark.apache.org/docs/1.4.0/mllib-data-types.html 的教程，

import org.apache.spark.mllib.linalg.Vector
import org.apache.spark.mllib.linalg.distributed.RowMatrix

val rows: RDD[Vector] = ... // an RDD of local vectors
// Create a RowMatrix from an RDD[Vector].
val mat: RowMatrix = new RowMatrix(rows)

// Get its size.
val m = mat.numRows()
val n = mat.numCols()

不显示如何从本地向量列表构造RDD[Vector]（可变行）。

例如，我已经在火花壳中执行（作为我探索的一部分）

val v0: Vector = Vectors.dense(1.0, 0.0, 3.0)
val v1: Vector = Vectors.sparse(3, Array(1), Array(2.5))
val v2: Vector = Vectors.sparse(3, Seq((0, 1.5),(1, 1.8)))

如果“合并”，它将看起来像这个矩阵

1.0  0.0  3.0
0.0  2.5  0.0
1.5  1.8  0.0

那么，如何将矢量 v0、v1、v2 转换为行呢？

Answer 1

通过使用并行化序列的Spark Context属性，我们可以实现您想要的东西，因为您已经创建了向量，现在您需要按顺序将它们按顺序并按下面给出的过程进行并行化。

import org.apache.spark.mllib.linalg.Vectors
import org.apache.spark.mllib.linalg.distributed.RowMatrix

val v0 = Vectors.dense(1.0, 0.0, 3.0)
val v1 = Vectors.sparse(3, Array(1), Array(2.5))
val v2 = Vectors.sparse(3, Seq((0, 1.5), (1, 1.8)))

val rows = sc.parallelize(Seq(v0, v1, v2))

val mat: RowMatrix = new RowMatrix(rows)

// Get its size.
val m = mat.numRows()
val n = mat.numCols()