第2章 系统概况与核心概念

答疑

1、组件分类(Pipeline，批组件，流组件)的区别

【问题】

我能问一下组件这些分类(Pipeline，批组件，流组件)有什么区别吗？

【答复】

Alink教程第2章有详细介绍。简单地说，由批式组件和流式组件，可以构建出复杂的任务，组件和其连线可以构成有向无环图。但有些常用场景，我们所用的组件只需单输入单输出，连接成“Pipeline”，可以用于批式场景也可以用在流式场景。

2、execute(), print(), collect()触发执行的问题

【问题】

代码报错，如截图所示

【答复】

把BatchOperator.execute();这行去掉，前面的print已经触发了执行。

Alink提供了多种触发执行的方式，给我们带来便利的同时，也带来了些困惑。建议研究教程 2.5节 触发 Alink 任务的执行 。以及补充内容 http://alinklab.cn/tutorial/book_java_02_5_1.html

3、如何打印全部记录

【问题】

如截图所示

【答复】

使用如下代码，指定打印的行数为-1，即全部打印。

lazyPrint(-1, ">>> final data");

在教程中相关介绍如下：

4、分类器的预测代码

【问题】

随机森林分类器预测代码是啥，这个示例好像只有训练

【答复】

这是Pipeline形式，包括了预测。参见教程2.4节 Pipeline与PipelineModel 和13.5节决策树与随机森林。

5、如何分别在隔离的集群进行训练和预测

【问题】

A 集群和B集群网络和数据都无法直接互通。能否在A集群训练模型，将训练好的模型导出成文件。将文件复制到B集群，然后包装成基于kafka的在线预测接口？

【答复】

该场景适合使用PipelineModel，参见教程1.5.4节的demo，关于Pipeline更多的内容参见2.4节 Pipeline与PipelineModel。

6、执行过程中返回状态信息

【问题】

BatchOperator.execute() 或者 StreamOperator.execute() 这种 execute 操作会把当前的程序阻塞起来。如果一个任务执行的时间特别长，有没有办法在 execute 执行的过程中返回一些状态呢？

【答复】

使用setPrintProcessInfo方法，会输出Alink组件运行过程中一些信息；用户也可以在代码中使用print语句，输出状态信息。setPrintProcessInfo方法的使用，可以参见教程第13.4节和第23.1.2节的例子。

Java代码：

AlinkGlobalConfiguration.setPrintProcessInfo(true);

Python代码：

AlinkGlobalConfiguration.setPrintProcessInfo(True)

7、支持特征向量吗？

【问题】

alink里面机器学习模型可以用向量数据去构建吗？

【答复】

可以的，Alink的大部分模型都支持setVectorCol方法，即可输入向量特征。

关于向量特征的预处理和建模，建议参考教程第8.8节 特征的多项式扩展；10.3节 离散特征转化；13.1.2节 稠密向量与稀疏向量；在第13.2节、13.3节、13.6节、14.5节、17.2.2节、19.1节中都有典型的应用。