腾讯Angel

Angel是腾讯大数据部门发布的第三代计算平台，是用 Java 和 Scala 语言开发的面向机器学习的高性能分布式计算框架。腾讯Angel平台采用了参数服务器架构，解决了上一代框架的扩展性问题，支持数据并行及模型并行的计算模式，能支持十亿级别维度的模型训练。

基本简介

Angel 是一个基于参数服务器（Parameter Server）理念开发的高性能分布式机器学习平台，它基于腾讯内部的海量数据进行了反复的调优，并具有广泛的适用性和稳定性，模型维度越高，优势越明显。Angel 由腾讯和北京大学联合开发，兼顾了工业界的高可用性和学术界的创新性。

Angel 的核心设计理念围绕模型。它将高维度的大模型合理切分到多个参数服务器节点，并通过高效的模型更新接口和运算函数，以及灵活的同步协议，轻松实现各种高效的机器学习算法。

Angel 基于 Java 和 Scala 开发，能在社区的 Yarn 上直接调度运行，并基于 PS Service，支持 Spark on Angel，未来将会支持图计算和深度学习框架集成。

版本特性

Angel 1.0.0 新特性：

1.ParameterServer 功能

 基于 Matrix/Vector 的模型自动切分和管理，兼顾稀疏和稠密两种格式

 支持对 Model 进行 Push 和 Pull 操作，可以自定义复杂的 psFunc

 提供多种同步控制机制（BSP/SSP/ASP）

2. 开发运行

 语言支持：系统基于 Scala 和 Java 开发，用户也可以自由选择

 部署方便：可以直接在 Yarn 社区版本中运行，也支持本地调试模式

 数据切分: 自动切分读取训练数据，默认兼容了 Hadoop FS 接口

 增量训练：训练过程中会自动 Checkpoint，而且支持加载模型后，增量训练

3.PS Service

 只启动 PSServer 和 PSAngent，为其他分布式计算平台提供 PS 服务

 基于 PS-Service，不需要修改 Spark 核心代码，直接开发 Spark-on-Angel 算法，该模式无缝支持 Breeze 数值运算库

4. 算法库

 集成 Logistic Regression，SVM，KMeans，LDA，MF，GBDT 等机器学习算法

 多种优化方法，包括 ADMM，OWLQN，LBFGS 和 GD

 支持多种损失函数、评估指标，包含 L1、L2 正则项

5. 算法优化

 LDA 采用了 F+LDA 算法用于加速采样的速度，同时利用流式参数获取的方法减少网络参数获取的延迟

 GBDT 使用两阶段树分裂算法，将部分计算转移到 PS，减少网络传输，提升速度