写点什么

360 开源 XDML,超大规模数据与超高维特征机器学习计算平台

  • 2018-12-29
  • 本文字数:1480 字

    阅读完需:约 5 分钟

360开源 XDML,超大规模数据与超高维特征机器学习计算平台

在大数据时代,需要处理的数据都是 TB 级或 PB 级以上,机器学习模型的规模也在不断地增大,机器学习模型的参数的规模可以达到百亿甚至是千亿的级别,如此大的参数规模给现有的机器学习平台带来了前所未有的挑战。同时,高维稀疏数据对于模型的构建也带来了巨大的挑战。


人工智能取得了前所未有的发展,机器学习、深度学习中算法数量也在不断的增加。但是也带来了很多的问题:


  • 特征分析和变换中,工作量大、性能差、成本高等;

  • 难以处理超高维稀疏数据,超规模参数调优难度很大;

  • 目前业界实现的机器学习平台都有各种各样的问题,例如和 Hadoop 生态圈衔接较差,无法很好的与其衔接起来。这些问题一直阻碍着开发者的前行,亟需解决。


针对超大规模机器学习的场景,360 开源了内部的超大规模机器学习计算框架 XDML。XDML 是一款基于参数服务器(Parameter Server),采用专门缓存机制的分布式机器学习平台。它在 360 内部海量规模数据上进行了测试和调优,在大规模数据量和超高维特征的机器学习任务上,具有良好的稳定性,扩展性和兼容性。


GitHub 地址:https://github.com/Qihoo360/XLearning-XDML



XDML 架构设计图

XDML 特性

1. 提供特征分析与变换等功能模块


在现有的机器学习模型的构建中,特征生产与业务和数据高度相关,高度定制,工作量很大。特征分析与变换处理粒度过小,在大数据情形下性能较差,且缺乏一站式的特征分析与变换工具。XDML 能够最大程度地挖掘并行度,结合样本并行+特征并行+算子并行/融合/OnePass 化,显著提升特征工程的性能,支持 TB 级数据 10min 级分析,并且遵循 spark 标准接口。在包含数千个特征的稠密 benchmark 上进行特征分析与变换测试,性能较 Spark MLlib 提升 1000 多倍;XDML 也能很好地适应稀疏数据特征分析。


2. 实现常用的大规模数据量场景下的机器学习算法


超高维度的参数优化,对于开发者算法能力要求较高,而且工作量较大,需要大量的时间和精力进行调参工作。XDML 内化学界最新研究成果,引入南京大学李武军老师提出的全新优化算法 SCOPE,并重构了准线性模型,在效果保持稳定的同时,大幅加速收敛进程,显著提升模型与算法的性能。在 Benchmark 上,相比 LBFGS 性能提升 10 倍左右,相较于 SGD 性能提升 50 多倍。同时,XDML 还对接了一些优秀的开源成果和 360 公司自研成果,站在巨人的肩膀上,博采众长。


3. 充分利用现有的成熟技术,保证整个框架的高效稳定


在互联网领域,技术框架更新迭代十分迅速,XDML 可以与业界成熟的技术无缝衔接,整个框架具有高效的稳定性。


4. 完全兼容 hadoop 生态,和现有的大数据工具实现无缝对接,提升处理海量数据的能力


在 XDML 设计之初,就将与 Hadoop 生态无缝衔接作为其设计目标,解决了大规模高维数据的存储。XDML 具有与目前 Hadoop、Spark 等大数据框架无缝对接的能,同时替换 Spark 原生能力的性能/效果瓶颈,提供更好的大数据框架使用体验,将开发者从繁杂的工作中解脱出来,不必为数据、模型的存储大费周章。


5. 在系统架构和算法层面实现深度的工程优化,在不损失精度的前提下,大幅提高性能


在高维稀疏数据场景中,如何处理千亿级参数训练,百亿乃至千亿级别样本训练中模型的存储、数据如何传输、模型的更新等问题一直是业界急需解决的问题。XDML 具有模型的快速存储能力,高效的数据传输,从多个角度提升了高维稀疏数据场景中,提升模型的训练速度提升整体的性能。

结语

“从开源社区来,并回到开源社区去”一直是开源社区的精神。360 此次开源的内部超大规模机器学习计算框架 XDML,能够为开发者节约学习和操作时间,提高模型训练效率,具有良好的稳定性和兼容性,为开源社区提供了一件利器。


2018-12-29 14:385119
用户头像

发布了 1482 篇内容, 共 659.3 次阅读, 收获喜欢 2499 次。

关注

评论 1 条评论

发布
暂无评论
发现更多内容

鸿蒙Flutter实战:03-鸿蒙Flutter开发中集成Webview

少湖说

flutter 鸿蒙 HarmonyOS

鸿蒙Flutter实战:07-混合开发

少湖说

flutter 鸿蒙 HarmonyOS

鸿蒙Flutter实战:08-如何调试代码

少湖说

flutter 鸿蒙 HarmonyOS

鸿蒙Flutter实战:09-现有Flutter项目支持鸿蒙

少湖说

flutter 鸿蒙 HarmonyOS

鸿蒙Flutter实战:10-常见问题集合

少湖说

flutter 鸿蒙 HarmonyOS

豆包MarsCode 助力:Canvas 上的素描变色魔法✨

Trae

程序员 AI 开发 代码 可画

从热数据到冷数据:TDengine 多级存储如何助力智能数据管理

TDengine

数据库 tdengine 时序数据库

ABB宣布收购Aurora Motors

财见

鸿蒙Flutter实战:02-Windows环境搭建踩坑指南

少湖说

flutter 鸿蒙 HarmonyOS

鸿蒙Flutter实战:04-如何使用DevTools调试Webview

少湖说

flutter 鸿蒙 HarmonyOS

鸿蒙Flutter实战:05-使用第三方插件

少湖说

flutter 鸿蒙 HarmonyOS

DApp开发定制:合约设计与源码搭建支持快速上线

区块链软件开发推广运营

交易所开发 dapp开发 链游开发 公链开发 代币开发

使用机器学习,轻松预测问题产品,低成本高效率解决产品质量监测需求

Altair RapidMiner

人工智能 数据分析 数据科学 altair RapidMiner

MySQL 8.0 执行COUNT()很慢原因分析

GreatSQL

TDengine 签约蘑菇物联,改造通用设备工业互联网平台

TDengine

数据库 tdengine 时序数据库

实时防护,清洗服务可用性达99.95%,江苏杰邦芜湖DC安全基地正式上线

江湖老铁

【论文速读】| APOLLO:一种基于 GPT 的用于检测钓鱼邮件并生成警告用户的解释的工具

云起无垠

如何理解ETLCloud在iPaas中的关键角色

RestCloud

数据可视化 ETL 数据集成 集成平台 ipaas

鸿蒙Flutter实战:06-使用ArkTs开发Flutter鸿蒙插件

少湖说

flutter 鸿蒙 HarmonyOS

鸿蒙Flutter实战:11-使用 Flutter SDK 3.22.0

少湖说

flutter 鸿蒙 HarmonyOS

度量数据是人工凭感觉录入的,产生的偏差如何解决?

思码逸研发效能

DevOps 研发效能 效能度量 研发效能管理

如何确保度量过程中收集到的数据是有实际意义的?

思码逸研发效能

研发效能 数据研发 研发效能度量 研发效能管理

团子东子开奖了,这泼天的富贵!

王磊

亚太地区人工智能应用加速,战略数据管理仍是关键

财见

1106AI快讯 | xAI API开放测试 | 腾讯混元模型发布 | ComfyCanvas简化绘画流程 | HelloMeme表情克隆技术 | Nvidia市值超苹果 | 谷歌沙特新AI中心

言寡意多

Playwright:掌握Web自动化测试的新利器

霍格沃兹测试开发学社

360开源 XDML,超大规模数据与超高维特征机器学习计算平台_AI&大模型_InfoQ 中文站_InfoQ精选文章