PredictionIOでどのようにPythonに対応していくかを検討しています。

1. Apache
BizReach, Inc.
Shinsuke SugayaPredictionIO勉強会 第2回
Python対応計画

2. 自己紹介
名前：菅谷 信介
会社：株式会社ビズリーチ AI室
興味があること：
・機械学習やDeep Learning等で解決方法を考える
・オープンソースのプロダクトを作る

3. Topics
・PredictionIOのPython対応を考える

4. PredictionIOの
Python対応状況

5. Pythonを使えません…

6. がしかし…
・Pythonの機械学習系ライブラリは多い
→scikit-learn, TensorFlow, Chainer,...
・Jupyterとかで分析したい
→matplotlibで普通にグラフを書きたい
この手のニーズは普通にあるのでは？

7. どう実現するか？
PredictionIOは主に以下の機能がある
・イベントサーバ
→RESTでデータを登録するので、Python対応不要
・学習処理
→Spark上で動くので、Python対応必要
・予測サーバ
→Spark MLであれば、対応不要
→scikit-learnなどのモデルを作った場合は要対応

8. 対応する箇所
・学習処理
→PySparkを使えるようにする
・予測サーバ
→Python独自のモデルへの対応
→（学習処理対応後に考える…）

9. PySpark

10. PySparkとは
・Sparkを実行するためのPython API
・pysparkを実行するとインタラクティブモードで起動
$ ./bin/pyspark
Welcome to
____ __
/ __/__ ___ _____/ /__
_ / _ / _ `/ __/ '_/
/__ / .__/_,_/_/ /_/_ version 2.1.1
/_/
Using Python version 3.5.2 (default, Oct 31 2016 16:46:00)
SparkSession available as 'spark'.
>>>

11. PySparkとは
・Jupyter上でも実行できる！

12. PySparkの仕組み(ざっくりと…)
pyspark
spark-submit
spark-class
$ ./bin/pyspark
____ __
/ __/__ ___ _____/ /__
_ / _ / _ `/ __/ '_/
/__ / .__/_,_/_/ /_/_ version 2.1.1
/_/
>>>
PYTHONSTARTUPを
指定してpythonを実行
Pythonを実行する
コマンド引数を返却
Py4Jのサーバを起動
Sparkとの連携は
Py4Jで行う

13. PIOとPySpark

14. 前提
・データはイベントサーバ上にある
→RDDやDataFrameはPEventStoreから取る
・実行しているテンプレートの情報が必要
→pioコマンド経由で実行する

15. PIOでの仕組み
pio pyspark
pio-class
$ ./bin/pyspark
____ __
/ __/__ ___ _____/ /__
_ / _ / _ `/ __/ '_/
/__ / .__/_,_/_/ /_/_ version 2.1.1
/_/
>>>
pysparkを実行する
コマンド引数を返却
pyspark
spark-submit
spark-class

16. 開発
・以下のブランチで開発を始めました
https://github.com/jpioug/incubator-predictionio/tree/pyspark
・将来的にはApacheに入れる予定

17. 課題
作業を始めると様々な壁に遭遇…
・Python上ではSpark上のPy4Jの参照
→pysparkは参照をラップして使いやすくしてる
・Python-Py4J-Java-Scalaでのアクセスが必要
→Pythonからアクセスしにくい
・PIOは主にRDDを使っている
→DataFrameでない不便

18. これらの壁を乗り越えて
pio pysparkを実行
$ export PYSPARK_PYTHON=$PYENV_ROOT/shims/python
$ export PYSPARK_DRIVER_PYTHON=$PYENV_ROOT/shims/jupyter
$ export PYSPARK_DRIVER_PYTHON_OPTS="notebook"
$ ./bin/pio pyspark
せっかくなので、Jupyterで実行する

19. 動作確認
pysparkが読み込まれていればSparkContextがいる

20. 便利関数作成
Scalaへアクセスする便利関数が必要

21. 便利関数作成
PIOへアクセスする
便利関数が必要

22. PIOの初期化
pio trainの処理と同じように実行して初期化

23. DataFrameの取得
Spark側でDataFrameを作成して
Python側ではpysparkのDataFrameでラップする

24. DataFrameでの表示
show()で内容を表示する

25. SQLでの表示
Viewを作成して、Spark SQLで取得

26. 今後
・コードを整理して、Apacheに入れたい
・予測サーバでの対応を考える
・続きはPIO勉強会#3で…

27. Apache
Thank You