> ML_KUTUPHANE // SPARK-MLLIB_v1.0
Apache Spark MLlib
Apache Software Foundation — Dağıtık büyük veri kümeleri için ölçeklenebilir makine öğrenimi kütüphanesi.
distributed-computationv3.5.3Apache-2.0qualified
Model Eğitimi (Training)
Desteklenen Hızlandırıcılar:
CPUCUDA
Dağıtık Eğitim (Distributed):Evet
Model Sunumu (Inference)
Inference Hızlandırıcıları:
CPUCUDA
Hedef Ortamlar (Targets):server
Neleri Sağlar (Ne Yapar)
- +Klasik algoritmalar (lojistik regresyon, karar ağaçları, k-means, ALS) için dağıtık eğitim
- +Standartlaştırılmış ML Pipeline soyutlaması (Transformers ve Estimators)
- +Binlerce CPU düğümü üzerinde şeffaf biçimde ölçeklenme
Neleri Sağlamaz (Ne Yapmaz)
- -Modern derin öğrenme modellerini veya LLM'leri yerel olarak eğitme
- -10 milisaniye altı tekil canlı tahmin sunma
- -Hafif uç çalışma zamanlarında çalışma
>Uygun İş Tipleri
- Petabayt ölçekli tablo öznitelik mühendisliği ve eğitimi
- Geniş kullanıcı-öğe etkileşim matrislerinde işbirlikçi filtreleme
- Hadoop veya Kubernetes üzerinde kurumsal toplu puanlama
>Uygun Olmayan İş Tipleri
- Gerçek zamanlı mikro saniye seviyesinde işlem puanlama
- Derin sinir ağı ile bilgisayarlı görü ve ses modelleme
Veri Yerleşimi ve İkameti
Kurumsal veri gölü düğümlerine dağıtılır.
Güvenlik Değerlendirmesi
Kerberos, aktarım sırasında TLS şifrelemesi ve rol tabanlı erişim kontrolü uygulayın.
Operasyonel Metrikler ve Bilinen Kısıtlar
Olgunluk:mature
Öğrenme Eğrisi:high
Operasyon Yükü:high
Maliyet Seviyesi:high-compute
> Bilinen Kısıtlamalar:
- JVM çöp toplayıcı duraklamaları ve sürücü-işçi koordinasyon ek yükü.
- Tekil kayıt puanlamada yüksek gecikme.
İlişkili Üretim Arıza Paternleri (Incidentpedia)
Bu kütüphaneyi üretimde kullanırken aşağıdaki arıza senaryolarına karşı fail-closed korumalar uygulayın:
> Birincil Kanıt ve Doğrulama Kaynakları
Apache Spark Machine Learning Library (MLlib) Guideofficial-docs • >=3.3.0, <=3.5.x
2026-09-25HIGH