apache-spark - 将 Spark org.apache.spark.mllib.linalg.Matrix 保存到文件

Question

Spark MLLib 中的相关结果是 org.apache.spark.mllib.linalg.Matrix 类型。 (参见http://spark.apache.org/docs/1.2.1/mllib-statistics.html#correlations)

val data: RDD[Vector] = ... 

val correlMatrix: Matrix = Statistics.corr(data, "pearson")

我想将结果保存到文件中。我怎样才能做到这一点？

Answer 1

这里有一个简单有效的方法将矩阵保存到 hdfs 并指定分隔符。

(使用转置是因为 .toArray 是列主格式。)

val localMatrix: List[Array[Double]] = correlMatrix
    .transpose  // Transpose since .toArray is column major
    .toArray
    .grouped(correlMatrix.numCols)
    .toList

val lines: List[String] = localMatrix
    .map(line => line.mkString(" "))

sc.parallelize(lines)
    .repartition(1)
    .saveAsTextFile("hdfs:///home/user/spark/correlMatrix.txt")