多语言支持

说到MLlib，它最大的特点之一就是“不挑语言”。Ja va、Scala、Python、R，想用哪个就用哪个，团队协作时再也不必为了语言偏好争吵。MLlib深度嵌入了Spark生态，不光对JVM系语言原生友好，从Spark 0.9起就完美支持Python，Spark 1.5开始又加入了R语言，连NumPy的数据交互都打理得妥妥当当。数据源方面，HDFS、HBase、本地文件系统……随便接，跟已有的Hadoop工作流无缝配合，不用折腾额外配置。

卓越性能

性能有多夸张？这么说吧，同样是跑机器学习算法，MLlib的处理速度能比MapReduce快上百倍。这可不是吹的——Spark的迭代计算优化天然适合反复迭代的算法，而MLlib正是把这种优势发挥到了极致。更关键的是，它采用的迭代算法不光反赌，结果还更准。传统的单次近似方法往往为了速度牺牲精度，但MLlib的设计思路是：快，而且稳。这才是硬道理。

全场景部署

部署上MLlib也相当“百搭”。Hadoop集群、Apache Mesos、Kubernetes容器、各大云平台，全都能跑。你可以在独立集群模式下一键部署，也能在EC2、Hadoop YARN、Mesos或Kubernetes上灵活调度。存储方面更不用操心，HDFS、Apache Cassandra、HBase、Hive……数百种数据系统它都兼容，数据流动畅通无阻。一句话：不管你的基础设施长什么样，MLlib基本都能无缝嵌入。