Spark读取PMML文件并进行预测

软件版本管理

CDH版本为5.8.0，其中CDH-hadoop的版本为2.6.0，而CDH-spark的版本则为1.6.0

目标：

基于Spark平台加载PMML文件至模型中，并借助该平台完成预测任务（本次测试采用的是Spark on YARN的运行模式）。

具体实施目标如下：

1. 参考https://github.com/jpmml/jpmml-spark 提供的实现方式，确保能够执行基础示例；

2. 直接从HDFS读取输入数据文件，并利用PMML生成的模型进行预测操作；

（第一项与第二项之间的差异主要体现在输入数据的构建方式上，具体可参考下方提供的代码内容）

具体步骤概述

1. 获取初始数据集，初始数据集涵盖PMML文件及对应的测试数据，具体如下：

 <?xml version="1.0" encoding="UTF-8" standalone="yes"?>

    
 <PMML version="4.2" xmlns="http://www.dmg.org/PMML-4_2">
    
     <Header description="linear SVM">
    
     <Application name="Apache Spark MLlib"/>
    
     <Timestamp>