spark Vectors 和 scala immutable Vector 之间的区别？
Difference between spark Vectors and scala immutable Vector?
我正在 Scala 中为 Spark 1.4 编写一个项目，目前正在将我的初始输入数据转换为 spark.mllib.linalg.Vectors 和 scala.immutable.Vector，我稍后想在我的算法中使用它们。谁能简单解释一下两者之间的区别，以及在什么情况下使用一个比另一个更有用？
谢谢。
spark.mllib.linalg.Vector 专为线性代数应用而设计。 mllib 提供了两种不同的实现 - DenseVector、SparseVector。虽然您可以使用 norm 或 sqdist 等有用的方法，但在其他方面却相当有限。
与 org.apache.spark.mllib.linalg 中的所有数据结构一样，它只能存储 64 位浮点数 (scala.Double)。
如果您打算使用 mllib，那么 spark.mllib.linalg.Vector 几乎是您唯一的选择。来自 mllib 的所有剩余数据结构，包括本地和分布式，都构建在 org.apache.spark.mllib.linalg.Vector.
之上
否则，scala.immutable.Vector 可能是更好的选择。它是一种通用的密集数据结构。
它可以存储任何类型的对象，所以你可以有 Vector[String] 例如。
因为它是 Traversable，所以您可以访问所有预期的方法，例如 map、flatMap、reduce、fold、filter等
编辑：如果您需要代数运算并且不使用 org.apache.spark.mllib.linalg.distributed 中的任何数据结构，您可能更喜欢 breeze.linalg.Vector 而不是 spark.mllib.linalg.Vector.它支持更大的代数方法集，包括 dot 乘积，并提供典型集合 API。
我正在 Scala 中为 Spark 1.4 编写一个项目，目前正在将我的初始输入数据转换为 spark.mllib.linalg.Vectors 和 scala.immutable.Vector，我稍后想在我的算法中使用它们。谁能简单解释一下两者之间的区别，以及在什么情况下使用一个比另一个更有用？
谢谢。
spark.mllib.linalg.Vector 专为线性代数应用而设计。 mllib 提供了两种不同的实现 - DenseVector、SparseVector。虽然您可以使用 norm 或 sqdist 等有用的方法，但在其他方面却相当有限。
与 org.apache.spark.mllib.linalg 中的所有数据结构一样，它只能存储 64 位浮点数 (scala.Double)。
如果您打算使用 mllib，那么 spark.mllib.linalg.Vector 几乎是您唯一的选择。来自 mllib 的所有剩余数据结构，包括本地和分布式，都构建在 org.apache.spark.mllib.linalg.Vector.
否则，scala.immutable.Vector 可能是更好的选择。它是一种通用的密集数据结构。
它可以存储任何类型的对象，所以你可以有 Vector[String] 例如。
因为它是 Traversable，所以您可以访问所有预期的方法，例如 map、flatMap、reduce、fold、filter等
编辑：如果您需要代数运算并且不使用 org.apache.spark.mllib.linalg.distributed 中的任何数据结构，您可能更喜欢 breeze.linalg.Vector 而不是 spark.mllib.linalg.Vector.它支持更大的代数方法集，包括 dot 乘积，并提供典型集合 API。