分层 Lambda 架构
由批处理层、速度层和服务层组成，可根据部署需求按层复用或替换实现。
Oryx
用 Lambda 架构构建实时机器学习应用Oryx 2 基于 Apache Spark 和 Apache Kafka，面向实时大规模机器学习应用，提供可分层复用的批处理层、速度层、服务层和数据传输机制，并包含可直接部署的机器学习应用实现。
- 3
- 架构层级：通用 Lambda 层、机器学习层和端到端应用层
- 3
- Lambda 层：批处理层、速度层和服务层
- 3
- 端到端机器学习场景：协同过滤、聚类、分类与回归
从数据传输到模型服务的完整架构
Oryx 可按层或按功能复用，支持构建自定义机器学习应用，也提供面向常见算法的端到端实现。
Kafka 数据传输
使用 Apache Kafka 主题在外部数据源、批处理层、速度层和服务层之间传输数据、模型及模型更新。
批处理与增量计算
批处理层结合历史数据生成新结果，速度层从数据流中产生增量模型更新。
HTTP REST 服务
服务层在内存中维护模型状态，并通过 HTTP REST API 提供同步查询操作，也可接收新数据。
机器学习流程抽象
机器学习层支持测试集与训练集选择、超参数尝试和模型评估，并使用 PMML 管理模型序列化。
内置机器学习应用
提供基于 ALS 的协同过滤、基于 k-means 的聚类，以及基于随机决策森林的分类和回归实现。
文档、API 与源码入口
通过官方文档了解终端用户、开发和管理使用方式，并查看 Javadoc、源码及发行版本。
从这里开始使用Oryx。
NETWORK
