在 Google Cloud Dataflow 上运行机器学习算法的最佳方式是什么？我可以想象使用 Mahout 是一种选择，因为它是基于 Java 的。
答案可能是否定的，但有没有办法调用基于 R 或 Python（对算法的强大支持）的脚本来卸载 ML 执行？
-吉里什
【问题讨论】：
标签： google-cloud-dataflow google-cloud-ml
您已经可以在数据流转换方面实现许多算法。
可能不太容易实现的一类算法是迭代算法，其中管道的执行图取决于数据本身。简化迭代算法的实现是我们感兴趣的事情，您可以期待该领域未来的改进和简化。
从 Dataflow 管道调用 Python（或任何其他）可执行文件应该不难。例如，ParDo 可以脱壳并启动任意进程。例如，您可以使用 --filesToStage 管道选项将其他文件添加到 Dataflow 工作环境。
【讨论】：
DoFn 来输出任何可执行文件。然后，通过ParDo 将DoFn 应用到任何数据流Pipeline。
ProcessBuilder() 和 Runtime.getRuntime().exec 是常见的。
还有http://quickml.org/（个人没用过）和Weka。我记得文档提到可以从工作中启动一个新流程，但不推荐 AFAIK。
【讨论】：