LogisticRegressionWithLBFGSをx回呼び出す繰り返しがあります。PySpark:反復でLogisticRegressionWithLBFGSが遅くなっています
問題は、繰り返しがループごとに遅くなり、最終的には永遠にハングすることです。
私はさまざまなアプローチを試みましたが、これまでのところ運がありません。
コードは以下のようになります。
def getBootsrapedAttribution(iNumberOfSamples, df):
def parsePoint(line):
return LabeledPoint(line[2], line[3:])
aResults = {}
while x <= iNumberOfSamples:
print ("## Sample: " + str(x))
a = datetime.datetime.now()
dfSample = sampleData(df)
dfSample.repartition(700)
parsedData = dfSample.rdd.map(parsePoint)
parsedData = parsedData.repartition(700)
parsedData.persist()
model = LogisticRegressionWithLBFGS.train(parsedData)
parsedData.unpersist()
b = datetime.datetime.now()
print(b-a)
x+=1
def sampleData(df):
df = df.repartition(500)
dfFalse = df.filter('col == 0').sample(False, 0.00035)
dfTrue = df.filter('col == 1')
dfSample = dfTrue.unionAll(dfFalse)
return dfSample
getBootsrapedAttribution(50, df)
、出力は次のようになります。model = LogisticRegressionWithLBFGS.train(parsedData)
なければ
## Sample: 1
0:00:44.393886
## Sample: 2
0:00:28.403687
## Sample: 3
0:00:30.884087
## Sample: 4
0:00:33.523481
## Sample: 5
0:00:36.107836
## Sample: 6
0:00:37.077169
## Sample: 7
0:00:41.160941
## Sample: 8
0:00:54.768870
## Sample: 9
0:01:01.31139
## Sample: 10
0:00:59.326750
## Sample: 11
0:01:37.222967
## Sample: 12
...hangs forever
それはパフォーマンスの問題もなく動作します。
私クラスタは次のようになります。
spark.default.parallelism 500
spark.driver.maxResultSize 20G
spark.driver.memory 200G
spark.executor.cores 32
spark.executor.instances 2
spark.executor.memory 124G
が
誰もがこの問題を知っていますか?