分享嘉宾：杨旭阿里巴巴资深算法专家
编辑整理：朱荣
导读：Alink是基于Flink流批一体的机器学习平台，提供一系列算法，可以帮助处理各种机器学习任务，比如统计分析、机器学习、实时预测、个性化推荐和异常检测。除了提供JavaAPI也提供了PyAlink，可以轻松部署到单机及集群环境，通过Jupyter、Zepplin等notebook使用。Alink已在阿里巴巴内部支持了众多的应用场景，并在年11月的FlinkForwardAsia大会上宣布开源，随后不断迭代发布新的版本，增强功能，提升易用性。
本文主要介绍基于Flink平台的机器算法的功能、性能与使用实践，帮助大家快速上手Alink机器学习平台。其中重点介绍了python语言使用的PyAlink的方法和实例，同时对FM算法进行了详细的介绍，帮助大家更好上手Alink并在实际工作中得到广泛应用。
主要围绕下面俩点展开：
Alink基本介绍ALink快速入门01
Alink基本介绍
首先跟大家介绍一下Alink的基本情况：
1.什么是Alink？
Alink是由阿里计算平台事业部研发的基于Flink的机器学习算法平台，名称由AlibabaAlgorithmAIFlinkBlink单词的公共部分组成。
Alink提供了丰富的算法库并天然可以支持批式和流式的处理，帮助数据分析和应用开发人员完成从数据处理、特征工程、模型训练、预测多节点端到端整体流程。
Alink提供JavaAPI和PythonAPI两种方式进行调用，JavaAPI方便工程人员快速将Alink接入到现有系统中，PythonAPI也叫PyAlink是方便提供机器学习同学完成快速的实验。
2.Alink功能介绍
Alink作为一个重要的机器学习的平台，覆盖机器学习各阶段13大类的62项功能点，囊括了机器学习核心的分类算法、聚类算法、回归算法三类算法，并附带了4项模型评估的方法，同时还包括关联规则和协同过滤算法、相似度算法等数据挖掘方面算法。
在算法完成部分后，也提供了评估模型的评估方法，包括二分类评估、多分类评估、回归评估、聚类评估。在算法应用之前Alink为使用者准备了数据预处理、异常检查、文本处理等辅助功能处理工具。在在线学习方面Alink也准备了FTRL，可以在线状态中训练，在实时场景中提供模型实时更新机制，增强学习模型调整等时效性。在机器学习中的模型选择与调试参数服务，为大家提供有效的参数调优。3.Alink性能比对
利用加速比对Alink与Sparkml进行性能评测。具体的测试方法是使用相同的测试数据，相同的参数，用Sparkml的计算时间除以Alink的计算时间。从下图实际测试对比数据可知，Alink在大部分算法性能优于Spark，个别算法性能比Spark弱，整体是一个相当的水平。
4.Alink建设进展
年7月发布Alinkversion1.2.0：
支持Flink多版本1.11、1.10、1.09；支持多忘记系统：本地文件系统，Hadoop文件系统，阿里云oss文件系统；CSV格式读取、导出组件支持各文件系统；推出AK格式读取、导出组件，简化文件数据操作；支持模型信息摘要、输出；FM分类、回归算法；年6月发布Alinkversion1.1.2：
新增30个数据格式转化组件；支持多版本Hive数据源；在Pipline和LocalPredictor中指出SQLSelect操作；年4月发布Alinkversion1.1.1：
提升使用体验，参数检查方面更加智能；年2月发布Alinkversion1.1.0：
支持Flink1.1.0和Flink1.9的平台部署问题，PyAlink增加兼容PyFlink的功能；改进UDF/UDTF功能；支持JAVAMaven安装和PythonPyPl安装；支持多版本的Kafka数据源；年12月发布Alinkversion1.0.1：
重点解决windows系统上的安装问题。年11月首次发布Alinkversion1.0，在FlinkForwordAisa大会上开源。
02
Alink快速入门
接下来为大家详细的介绍Alink的使用方式：
1.使用Maven构建Alink项目简介
Java使用者借助Maven中央仓库，大家只需要4步就可以很容易的构建出Alink项目。第一步：创建项目；第二步：修改pom文件，导入Alink项目jar包；第三步：拷贝修改AlinkJavaDemoCode；第四步：构建运行；
详细过程可以参考：