Apache Flink - 流数据的 svm 预测

Question

我正在使用 Apache Flink 预测来自 Twitter 的流。

代码在 Scala 中实现

我的问题是，我从数据集 API 训练的 SVM 模型需要一个数据集作为 predict()-方法的输入。

我在这里已经看到一个问题，其中一位用户说，您需要编写一个自己的 MapFunction，它在作业开始时读取模型（参考：）

但是我不能write/understand这个代码。

即使我在 StreamingMapFunction 中获取模型。我仍然需要一个数据集作为参数来预测结果。

我真的希望有人能show/explain告诉我这是怎么做到的。

Flink-版本：1.9 Scala 版本：2.11 Flink-ML:2.11

val strEnv = StreamExecutionEnvironment.getExecutionEnvironment
val env = ExecutionEnvironment.getExecutionEnvironment

//this is my Model including all the terms to calculate the tfidf-values and to create a libsvm
val featureVectorService = new FeatureVectorService
        featureVectorService.learnTrainingData(labeledData, false)

//reads the created libsvm
val trainingData: DataSet[LabeledVector] = MLUtils.readLibSVM(env, "...")
        val svm = SVM()
                .setBlocks(env.getParallelism)
                .setIterations(100)
                .setRegularization(0.001)
                .setStepsize(0.1)
                .setSeed(42)
//learning
svm.fit(trainingData)

//this is my twitter stream - text should be predicted later
val streamSource: DataStream[String] = strEnv.addSource(new TwitterSource(params.getProperties))

//the texts i want to transform to tfidf using the service upon and give it the svm to predict
val tweets: DataStream[(String, String)] = streamSource
                .flatMap(new SelectEnglishTweetWithCreatedAtFlatMapper)

Answer 1

因此，目前 SVM 所属的 FlinkML 不支持流 API。这就是 SVM 只接受 DataSet 的原因。这个想法不是使用 FlinkML，而是使用 scala 或 java 中可用的一些 SVM 库。然后你可以读取模型，例如从文件中读取。问题是你必须自己实现大部分逻辑。

您提到的 post 中的评论或多或少说的是完全相同的事情。

Apache Flink - 流数据的 svm 预测

Apache Flink - svm predictions on streaming data

dataset

apache-flink

data-stream

flinkml