我的书签
添加书签
移除书签PSModel
PSModel是Angel中最核心的抽象类，它封装了远程参数服务器的Context和Client细节，提供了常用的远程矩阵（Matrix）和向量（Vector）的获取和更新接口，使得算法工程师可以如同操作本地对象一样的操作参数服务器上的分布式矩阵和向量，它是一个可以进行反复迭代更新的可变模型对象。
功能
PSModel中包含了MatrixContext，MatrixClient，TaskContext这3个核心类，可以对远程的参数服务器进行任意的操作。
编写机器学习算法，建议都通过MLModel获得PSModel后，对它进行编程开发。PSModel包括了如下5大类接口：
-
- getRow
- getRows
- get(func: GetFunc)
- getRowWithIndex
- getRowWithLongIndex
-
- increment
- update(func: UpdateFunc)
-
- syncClock
- clock
- flush
-
- setLoadPath
- setNeedSave
- setSavePath
-
- setAverage
- setHogwild
- setOplogType
- setRowType
可以看出，通过合理初始化PSModel，设置PSModel的行为属性，调用PSModel的各个方法，算法工程师可以完成所有对远程分布式模型（Martrix或者Vector）的任意操作，编写各种具有强分布能力的机器学习算法，而无需关心底层细节，是Angel的核心抽象类。
核心接口
0.构造型
构造方法
定义：
def apply[K <: TVector](modelName: String, row: Int, col: Int, blockRow: Int = -1, blockCol: Int = -1)(implicit ctx:TaskContext)参数：
- modelName: String 模型名称
- row: Int 矩阵行数
- col: Int 矩阵列数
- blockRow: Int 每一个矩阵分片的行数
- blockCol: Int 每一个矩阵分片的列数
- ctx: TaskContext PSModel的Task上下文
- PSModel对象需要与Angel的一个Task绑定，因为PSModel运行于Worker之上，另外也是为了支持BSP和SSP同步模型
- 这里使用了隐式转换，只要创建PSModel的容器中，有ctx这个对象，它就会自动的将ctx注入PSModel之中，无需显式调用）
1. pull型
getRow
- 定义：
def getRow(rowId: Int): K - 功能：获取矩阵的某一行。在不同的同步模型下，本方法会有不同的流程。Angel支持3种同步模型：BSP，SSP 和 异步 模型。
- 在BSP 和 SSP 模型下，本方法会首先检查本地缓存中是否已经存在需要获取的行且该行的时钟信息是否满足同步模型，若缓存中不存在或者不满足同步模型要求，它会向参数服务器请求，如果参数服务器上的行时钟也不满足同步模型，则它会一直等待直到满足为止；
- 在异步模型下，该方法会直接向参数服务器请求所需的行，而不关心时钟信息
- 参数：
- rowId: Int 行号
- 返回值：指定行的行向量
- 定义：
getRows
- 定义：
def getRows(rowIndexes:Array[Int]): List[K] - 功能：获取矩阵的某些行。在BSP/SSP/异步模型下的获取流程与getRow方法类似
- 参数：
- rowIndexes: Array[Int] 行号数组
- 返回值：指定行的行向量列表；列表有序，与参数数组顺序一致
- 定义：
getRowsFlow
- 定义：
def getRowsFlow(rowIndex: RowIndex, batchNum: Int): GetRowsResult - 功能：以流水化的形式获取矩阵的某些行，该方法会立即返回，用于支持一边计算一边进行行获取，在BSP/SSP/异步模型下的获取流程与getRow方法类似
- 参数：
- rowIndex: RowIndex 行号集合
- batchNum: Int 每次RPC请求的行数，这个参数定义了流水化的粒度，可以设置为-1，表示由系统自行选择
- 返回值：一个行向量队列，上层应用程序可以从该队列中得到已经获取到的行对应的行向量
- 定义：
get
- 定义：
def get(func: GetFunc): GetResult - 功能：使用psf get函数获取矩阵的元素或元素统计信息。与getRow/getRows/getRowsFlow方法不同，本方法只支持异步模型
- 参数：
- func: GetFunc get类型的psf函数。psf函数是Angel提供的一种参数服务器功能扩展接口
- 返回值：GetResult：psf get函数返回结果
- 定义：
getRowWithIndex
- 定义：
def getRowWithIndex(rowIndex: Int, index: Array[Int]): TVector - 功能：获取模型指定行的指定index对应的部分，用于32 bit的模型
- 参数：
- rowIndex: 行号
- index: 列下标数组
- 返回值：TVector：一个稀疏类型的向量
- 定义：
getRowWithLongIndex
- 定义：
def getRowWithLongIndex(rowIndex: Int, index: Array[Long]): TVector - 功能：获取模型指定行的指定index对应的部分， 用于64 bit的模型
- 参数：
- rowIndex: 行号
- index: 列下标数组
- 返回值：TVector：一个稀疏类型的向量
- 定义：
getRowWithIndex
- 定义：
def getRowWithIndex(rowIndex: Int, index: Array[Int]): TVector - 功能：获取模型指定行的指定index对应的部分，用于32 bit的模型
- 参数：
- rowIndex: 行号
- index: 列下标数组
- 返回值：TVector：一个稀疏类型的向量
- 定义：
getRowWithLongIndex
- 定义：
def getRowWithLongIndex(rowIndex: Int, index: Array[Long]): TVector - 功能：获取模型指定行的指定index对应的部分， 用于64 bit的模型
- 参数：
- rowIndex: 行号
- index: 列下标数组
- 返回值：TVector：一个稀疏类型的向量
- 定义：
2. push型
increment
- 定义：
def increment(delta: TVector) - 功能：以累加的方式更新矩阵的某一行，该方法采用异步更新的方式，只是将更新向量缓存到本地，而非直接作用于参数服务器，只有当执行flush或者clock方法时才会将更新作用到参数服务器
- 参数：delta: TVector 与行向量维度一致的更新向量
- 返回值：无
- 定义：
increment
- 定义：
def increment(deltas: List[TVector]) - 功能：以累加的方式更新矩阵的某些行，该方法采用异步更新的方式，只是将更新向量缓存到本地，而非直接作用于参数服务器，只有当执行flush或者clock方法时才会将更新作用到参数服务器
- 参数：deltas: List[TVector] 与行向量维度一致的更新向量列表
- 返回值：无
- 定义：
update
- 定义：
def update(func: UpdaterFunc): Future[VoidResult] - 功能：使用psf update函数更新矩阵的参数。与increment方法不同，本方法会直接将更新作用与参数服务器端
- 参数：func: GetFunc psf update函数。关于psf函数的详细介绍可参考 psFunc开发手册。用户可以根据需求自定义psf update函数，当然，Angel提供了一个包含常用函数的函数库 update函数库。与increment函数不同，本方法会立即将更新作用于参数服务器
- 返回值：Future[VoidResult] psf update函数返回结果，应用程序可以选择是否等待更新结果
- 定义：
3. sync型
- syncClock
- 定义：
def syncClock(): - 功能：clock的简化版，封装了clock().get()。除非需要的等待，否则建议调用改方法
- 参数：无
- 定义：
clock
- 定义：
def clock(): Future[VoidResult] - 功能：将本地缓存的所有矩阵更新（调用increment函数会将更新缓存在本地）合并后发送给参数服务器，然后更新矩阵的时钟
- 参数：无
- 返回值：Future[VoidResult] clock操作结果，应用程序可以选择是否等待clock操作完成
- 定义：
flush
- 定义：
def flush(): Future[VoidResult] - 功能：将本地缓存的所有矩阵更新（调用increment函数会将更新缓存在本地）合并后发送给参数服务器
- 参数：无
- 返回值：Future[VoidResult] flush操作结果，应用程序可以选择是否等待flush操作完成
- 定义：
4. io型
setLoadPath
- 定义：
def setLoadPath(path: String) - 功能：设置矩阵加载路径，本属性用于模型增量更新和预测功能模式下，表示在参数服务器端初始化矩阵时，从文件中读取矩阵参数来初始化
- 参数：path: String 已有的矩阵参数存储路径
- 返回值：无
- 定义：
setSavePath
- 定义：
def setSavePath(path: String) - 功能：设置矩阵保存路径；在训练功能模式下，当训练完成时，需要将参数服务器上的矩阵参数保存在文件中
- 参数：path: String 已有的矩阵参数存储路径
- 返回值：无
- 定义：
5. 行为型
setAverage
- 定义：
def setAverage(aver: Boolean) - 功能：设置矩阵更新属性，在更新矩阵时是否先将更新参数除以总的task数量。本属性increment函数中使用，但不影响update函数
- 参数：aver: Boolean true表示在更新矩阵时先将更新参数除以总task数量，false表示不除
- 返回值：无
- 定义：
setHogwild
- 定义：
def setHogwild(hogwild: Boolean) - 功能：设置矩阵属性，是否采用hogwild 方式存储和更新本地矩阵。当worker task数量大于1时，可以使用hogwild 方式节省内存。默认为使用hogwild 方式
- 参数：aver: Boolean true表示使用hogwild 方式，false表示不使用
- 返回值：无
- 定义：
setRowType
- 定义：
def setRowType(rowType: MLProtos.RowType) - 功能：设置矩阵行向量的元素类型和存储方式，可以根据模型特点和稀疏程度来设置该参数。目前Angel支持的矩阵元素类型有int, float和double；存储方式有稀疏和稠密
参数：
rowType: MLProtos.RowType目前支持矩阵行向量的元素类型和存储方式有：
- T_DOUBLE_SPARSE：表示稀疏double型
- T_DOUBLE_DENSE ：表示稠密double型,
- T_INT_SPARSE： 表示稀疏int型；
- T_INT_DENSE： 表示稠密int型；
- T_FLOAT_SPARSE： 表示稀疏float型；
- T_FLOAT_DENSE： 表示稠密float型；
T_INT_ARBITRARY ：表示数据类型为int
用户可以根据实际算法情况，选择最节省内存的存储方式
- 返回值：无
- 定义：
setOplogType
- 定义：
def setOplogType(oplogType: String) - 功能：矩阵更新存储方式，当使用increment方法更新矩阵时，Angel会先将更新行向量缓存在本地。缓存的方式是在本地定义一个和待更新矩阵维度一致的矩阵
参数：
oplogType: String
目前支持的存储方式有：
- DENSE_DOUBE： 表示使用一个稠密double型矩阵来存储矩阵的更新，一般当待更新矩阵元素类型为double时选择更新存储方式
- DENSE_INT： 表示使用一个稠密的int型矩阵来存储矩阵更新，一般当待更新矩阵元素为int类型时选择这种存储方式
- LIL_INT： 表示使用一个稀疏int型矩阵来存储矩阵更新，当待更新矩阵元素类型为int且更新相对稀疏时选择更新存储方式
- DENSE_FLOAT ：表示使用一个稠密的float型矩阵来存储矩阵更新，一般当待更新矩阵元素为float类型时选择这种存储方式
- 返回值：无
- 定义：
- setAttribute
- 定义：
def setAttribute(key: String, value: String) - 功能：Angel可以支持自定义矩阵参数扩展
- 参数
- key: String 参数名
- value: String参数值
- 返回值：无
- 定义：
