Матрица математики с Sparklyr

Хотите преобразовать некоторый R-код в Sparklyr, такие функции, как lmtest:: coeftest() и sandwich:: sandwich(). Попытка начать работу с расширениями Sparklyr, но довольно новая для API Spark и возникла проблема: (

Запуск Spark 2.1.1 и sparklyr 0.5.5-9002

Полагаем, что первым шагом было бы сделать объект DenseMatrix, используя библиотеку linalg:

library(sparklyr)
library(dplyr)
sc <- spark_connect("local")

rows <- as.integer(2)
cols <- as.integer(2)
array <- c(1,2,3,4)

mat <- invoke_new(sc, "org.apache.spark.mllib.linalg.DenseMatrix", 
                  rows, cols, array)

Это приводит к ошибке:

Error: java.lang.Exception: No matched constructor found for class org.apache.spark.mllib.linalg.DenseMatrix

Хорошо, поэтому я получил исключение java lang, я уверен, что аргументы rows и cols были хороши в конструкторе, но не были уверены в последнем, который должен быть java Array. Поэтому я попробовал несколько перестановок:

array <- invoke_new(sc, "java.util.Arrays", c(1,2,3,4))

но в итоге появится аналогичное сообщение об ошибке...

Error: java.lang.Exception: No matched constructor found for class java.util.Arrays

Я чувствую, что мне не хватает чего-то довольно простого. Кто-нибудь знает что?

Ответ 1

R-аналог Java Array - list:

invoke_new(
  sc, "org.apache.spark.ml.linalg.DenseMatrix",
  2L, 2L, list(1, 2, 3, 4))

## <jobj[17]>
##   class org.apache.spark.ml.linalg.DenseMatrix
##   1.0  3.0  
## 2.0  4.0  

или

invoke_static(
  sc, "org.apache.spark.ml.linalg.Matrices", "dense",
  2L, 2L, list(1, 2, 3, 4))

## <jobj[19]>
##   class org.apache.spark.ml.linalg.DenseMatrix
##   1.0  3.0  
## 2.0  4.0 

Обратите внимание, что я использую o.a.s.ml.linalg вместо o.a.s.mllib.linalg. В то время как mllib будет работать изолированно, поскольку алгоритмы Spark 2.x o.a.s.ml больше не принимают локальные o.a.s.mllib.

В то же время в качестве скаляров используются типы R vector (numeric, integer, character).

Примечание

Лично я считаю, что это не путь. Пакеты Spark linalg довольно ограничены и внутренне зависят от библиотек, которые не могут использоваться через sparklyr. Более того, API sparklyr не подходит для сложной логики.

На практике имеет смысл реализовать Java или расширение Scala с тонкой дружественной оболочкой R.