1.Spark機器學習的本質是什麼？算法
機器學習，數據+算法（迭代），機器學習
從某個角度而言，其實Spark的機器學習就是Spark 平臺之上的函數庫，這些函數基於RDD，DataFrame,DataSet分佈式
Spark機器學習的數據來源，在Spark的最底層確定是RDD封裝的,這個和Spark具體是什麼版本沒有任何關係，版本的發展只不過是提供了更多的更高層的API而已，函數
例如:DataFrame,DataSet等，而之因此有DataFrame,DataSet,通常狀況下是爲了使用統一的優化引擎（抽象程度越高，優化算法就越高）
可是機器學習從算法的角度而言，最原始的實際上是都是基於Vector和Matrix來計算的，學習
也就是說RDD/DataFrame/DataSet裏面的數據從機器學習的角度來說，都是Vector和Matix，而藉助於RDD/DataFrame/DataSet,自然分佈式並行計算完成了機器學習的並行化和可擴展性等優化
其實這和圖計算的思路很是類似，圖計算中數據也是存儲在RDD，可是Spark的圖計算提供了Vertices,Edges,Routing Table等對象來解析RDD中的數據，從而變成圖計算可用的數據對象
RDD/DataFrame/DataSet和Vector/Matrix關係圖：class
學好Spark機器學習的關鍵：原理
1.Spark core擴展
2.Vector和Matrix的學習
3.Spark機器學習的算法：
1.算法原理和應用場景
2.Spark如何實現
3.案例實戰
4.基於上面的步驟，進入深刻地思考
4.綜合案例
概括總結：1.Spark機器學習的本質是什麼
2.RDD/DataFrame/DataSet和Vector/Matrix關係圖