第1章 Alink快速上手

答疑

1、查看书中的链接

【问题】
下面截图中，1-1和1-4链接在哪？

【答复】
按出版社要求，书中无法放链接的HTTP地址，可以访问如下页面查看：

• Java版的数据和资料链接：https://www.yuque.com/pinshu/alink_tutorial/book_java_reference
• Python版的数据和资料链接：https://www.yuque.com/pinshu/alink_tutorial/book_python_reference

2、预测一条数据从14秒到8毫秒

【问题】
Alink训练出的模型，再去预测为啥这么慢，预测一条数据需要14秒，用sklearn训练的模型预测只需要19毫秒，有大佬知道原因吗？

System.out.println("开始预测");
long start = System.currentTimeMillis();
//定义数据源
BatchOperator<?> data = new MemSourceBatchOp(new String[] {"svision-online.de/mgfi/administrator/components/com_babackup/classes/fx29id1.txt"}, "url");;
//模型效果评估
BatchOperator<?> predict = model.transform(data);
predict.select(new String[] {"url", "pred"}).print();
System.out.println("时间:" + (System.currentTimeMillis() - start));

用户根据反馈，改成LocalPredictor，预测时间 8毫秒

【答复】
你计算的是任务运行的时间。要是使用任务预测的话，你可以多计算一些条，譬如100万，这样可以摊平任务的起停时间；或者使用LocalPredictor测试。
你的场景需要使用LocalPredictor。参见教程1.5.5节 嵌入预测服务系统 ；23.4.2节 嵌入式预测

3、随机森林模型有模型储存方法吗

【问题】
随机森林模型有模型储存方法吗，就是我把训练好的模型保存下来，下次直接拿来用

【答复】
有啊，而且分批式训练保存及Pipeline训练保存两种方式。随机森林模型与其它分类模型的储存方法是一样的，参见教程1.5节简单示例中演示的逻辑回归模型。

4、切换Flink版本的问题

【问题】
代码没动，切换了flink版本就运行不了了，这是bug吗？flink.version 1.10.0没有问题，高于1.10的都运行不了

【答复】
这是由于没有切换Flink相关的jar包引起的。链接 https://github.com/alibaba/Alink#flink-112-%E7%9A%84-maven-%E4%BE%9D%E8%B5%96 中列举了使用不同的Flink版本所需的算法包情况。可以看到Flink1.9和1.10需要3个jar包，而Flink1.11、1.12和1.23则需要4个jar包。所以从Flink1.9到1.10，只需要修改版本号就行了；但是到1.12修版本号是不够的，还需要再引入jar包。

5、将array数据作为数据源

【问题】
请问下alink可以读取array的数据去建模吗？

【答复】
可以的，参见教程1.5.2节，分别展示了如何使用Java和Python进行转换。特别地，对于Python版教程有专门的章节进行介绍，详见第7.6节 “Python 数组、DataFrame 形式的数据和 Alink 批式数据之间的相互转换”。
Java：

BatchOperator <?> train_set = new MemSourceBatchOp(
    new Row[] {
        Row.of(2009, 0.5),
        Row.of(2010, 9.36),
        Row.of(2011, 52.0),
        Row.of(2012, 191.0),
        Row.of(2013, 350.0),
        Row.of(2014, 571.0),
        Row.of(2015, 912.0),
        Row.of(2016, 1207.0),
        Row.of(2017, 1682.0),
    },
    new String[] {"x", "gmv"}
);

注意：这里使用了Row[]数组，也可以使用Object[][]数组。

Python：

df = pd.DataFrame(
    [
       [2009, 0.5],
       [2010, 9.36],
       [2011, 52.0],
       [2012, 191.0],
       [2013, 350.0],
       [2014, 571.0],
       [2015, 912.0],
       [2016, 1207.0],
       [2017, 1682.0]
    ] 
)
train_set = BatchOperator.fromDataframe(df, schemaStr='x int, gmv double')