我了解到Sparkling Water是基于Spark环境运行的H2O，因此它可以利用Spark引擎（以及所有Spark分布式结构）来分配计算任务，但就性能而言，相较于H2O这种已是分布式且可扩展的机器学习库，它有哪些优势？

此外，H2O的独立版本是否真的能够在计算机集群上管理分布式处理？

回答：

使用Sparkling Water相较于普通的H2O的主要优势在于它可以很好地融入现有的Spark流水线。如果你尚未使用Spark，那么最好只使用普通的H2O库。H2O本身已经是分布式的，因此在分布式计算方面，添加Spark并不会带来额外的价值。

H2O拥有与Spark类似的许多组件，比如分布式数据框和共享的内存计算。因此，是的，H2O能够在多核或多节点的计算机集群上管理分布式处理。这正是它的设计初衷。