我有一个9个节点的集群，每个节点的配置如下，

我尝试使用MatrixFactorizationModel中的’recommendProductsForUsers‘函数为所有用户生成推荐。看起来完成这个操作需要很长时间（例如：对于一个月的数据，大约需要34个小时）。这是因为需要对矩阵进行多次迭代吗？

我如何减少执行时间？

这些是我的spark-submit配置：

spark-submit –jars $JAR_LOC –class com.collaborativefiltering.CustomerCollaborativeJob –driver-memory 5G –num-executors 7 –executor-cores 2 –executor-memory 20G –master yarn-client cust_rec/cust-rec.jar –period 1month –out /PATH –rank 50 –numIterations 2 –lambda 0.25 –alpha 300 –topK 20

非常感谢您的帮助。

回答：

我在MatrixFactorizationModel中发现，recommendProductsForUsers需要进行多次迭代，因此计算时间较长。一旦我在云端开始运行我的作业，我通过增加节点和spark执行器来测试作业。确实有效！我能够在4小时内完成作业的运行和完成。