我遇到了 this line在 Apache Spark 代码源中
val (gradientSum, lossSum, miniBatchSize) = data
.sample(false, miniBatchFraction, 42 + i)
.treeAggregate((BDV.zeros[Double](n), 0.0, 0L))(
seqOp = (c, v) => {
// c: (grad, loss, count), v: (label, features)
val l = gradient.compute(v._2, v._1, bcWeights.value, Vectors.fromBreeze(c._1))
(c._1, c._2 + l, c._3 + 1)
},
combOp = (c1, c2) => {
// c: (grad, loss, count)
(c1._1 += c2._1, c1._2 + c2._2, c1._3 + c2._3)
}
)
我在阅读这篇文章时遇到了很多麻烦:
treeAggregate
的内容。有效,参数的含义是什么。 .treeAggregate
方法名称后面似乎有两个 ()() 。那是什么意思?这是一些我不明白的特殊 Scala 语法。 这个说法一定很先进。我无法开始破译这个。
最佳答案
treeAggregate
是 aggregate
的专门实现迭代地将组合函数应用于分区的子集。这样做是为了防止将所有部分结果返回给驱动程序,因为经典的 aggregate
将发生单遍减少。确实。
出于所有实际目的,treeAggregate
遵循与 aggregate
相同的原则在这个答案中解释:Explain the aggregate functionality in Python除了它需要一个额外的参数来指示部分聚合级别的深度。
让我试着具体解释一下这里发生了什么:
对于聚合,我们需要一个零、一个组合器函数和一个化简函数。aggregate
用途 currying独立于 combine 和 reduce 函数指定零值。
然后我们可以像这样剖析上面的函数。希望这有助于理解:
val Zero: (BDV, Double, Long) = (BDV.zeros[Double](n), 0.0, 0L)
val combinerFunction: ((BDV, Double, Long), (??, ??)) => (BDV, Double, Long) = (c, v) => {
// c: (grad, loss, count), v: (label, features)
val l = gradient.compute(v._2, v._1, bcWeights.value, Vectors.fromBreeze(c._1))
(c._1, c._2 + l, c._3 + 1)
val reducerFunction: ((BDV, Double, Long),(BDV, Double, Long)) => (BDV, Double, Long) = (c1, c2) => {
// c: (grad, loss, count)
(c1._1 += c2._1, c1._2 + c2._2, c1._3 + c2._3)
}
然后我们可以重写对
treeAggregate
的调用以更易消化的形式:val (gradientSum, lossSum, miniBatchSize) = treeAggregate(Zero)(combinerFunction, reducerFunction)
这种形式会将结果元组“提取”为命名值
gradientSum, lossSum, miniBatchSize
以供进一步使用。请注意
treeAggregate
需要一个额外的参数 depth
声明为默认值 depth = 2
,因此,由于此特定调用中未提供它,因此它将采用该默认值。
关于scala - 如何解释 RDD.treeAggregate,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/29860635/