要进行大规模机器学习方法进行垃圾邮件分类，应该用storm还是用spark?
这里涉及到实时机器学习的两个部分：1) 实时的应用。也就是说邮件来了，分个类2) 模型更新。也就是说，每隔一段时间，根据用户手动点是否垃圾邮件，新训练一个分类器。 Storm是event trigger的，也就是来一封邮件处理一次，中间还可以实现模块化的数据预处理等操作，所以适合1)里面的应用。Spark更类似于低延迟环境下的batch process，更适合2) 里面的应用。 怎么把两个东西连起来？一个快速的答案是，Spark MLLib 进行2), 训练好的模型导出成PMML格式，放到1）里面去。具体怎么做？当然是关注我个人账号，马上写的书就要讲到类似的问题啦。
■网友
麻烦问下，您邮件分类系统最后使用的storm吗？
■网友
朋友，我们在生产环境中是这样实现的。我们的数据量为每个小时3G， 真个推荐挖掘， 分类，聚类的算法。是跑在Storm当中的。我们做了2部分工作：1 重写了java 集合类。也就是借用Mahout 中间对jdk的重写Collection包2 重写了mahout mapreduce的源码，该为storm实现Spark目前还不成熟，无公司用他，除非你公司的项目是技术储备性质吧。生产环节还不足。
■网友
跟数据量有关，如果数据量不是很大的话，单机训练即可，不用分布式。如果是海量数据的话，用spark即可，storm未必适合迭代式训练。
推荐阅读
- 大连：金州主城区先进街道等5个街道严格进行封闭管控
- 乌鲁木齐再迎大规模降雪多个航班取消
- 试验■连徐高铁即将进行热滑试验
- |淮安市体育局推进行业信用体系建设
- 汽车|多项功能进行优化 吉利星瑞推出第二次FOTA升级
- 虹桥|文明创建进行时二（虹桥）
- 电话营销机器人哪个比较好用
- 怎样对别人的代码进行适当修改使他永远也找不到问题出在哪
- 请问有哪些机器人大赛是比较权威的
- 可不可能利用网盘的秒传功能使用伪造的MD5（或其他信息）值进行文件分享