Angel-ML/angel

Angel – 分散型機械学習およびグラフ計算プラットフォーム

何であるか – Angelは、大規模な機械学習モデルのトレーニングとグラフ計算ジョブの実行に向けたオープンソースで高パフォーマンスなフレームワークです。パラメータサーバーアーキテクチャを採用しており、モデルパラメータは専用のサーバーノードにシャーディングされ、ワーカーは勾配や更新を計算します。このシステムはJavaおよびScalaで構築され、YARN（またはローカル）で実行可能で、直接使用することも、Spark on Angelを介して使用することもできます。

主な機能

• 従来の機械学習アルゴリズム – ロジスティック回帰、SVM、線形/ロバスト回帰、ソフトマックス、K-means、GBDT、LDA*（WarpLDAを含む）、因子分解機械など
• グラフアルゴリズム – PageRank、K-core、H-index、近接度、連結成分、三角形カウント、Louvain、ラベルプロパゲーション、LINE、Word2Vec、GraphSAGE、GCN、DGIなど
• パラメータサーバーコア – モデルパーティショナ、柔軟な一貫性モデル、同期コントローラ、カスタム更新ロジック用のプラグイン可能な psFunc インターフェース
• Spark統合 – 「Spark on Angel」により、Sparkジョブを書くだけでAngelのPSサービスを自動的に活用でき、Angel-MLlibとグラフカーネルの両方が公開されます
• デプロイオプション – ソースからコンパイル、単一マシンでテスト実行、YARNクラスタで起動（詳細なリソース設定ガイド付き）

誰が使うか

• コモディティクラスタ上で数十億のパラメータを持つモデルをトレーニングしたいデータサイエンスチーム
• 大規模グラフ学習やグラフニューラルネットワークに取り組む研究者
• 既にHadoop/YARNを利用している企業で、TensorFlow風のパラメータサーバーのネイティブなJava/Scalaベースの代替手段を求める企業

始める方法

1. リポジトリをクローンし、Compilation Guideに従ってJARをビルドする。
2. Quick-Startチュートリアル（Spark-on-Angelの例）を実行して、シンプルなロジスティック回帰ジョブを確認する。
3. ドキュメントに掲載された広範なアルゴリズムリストから選択し、提供されたパラメータ記述ファイルで設定する。

プロジェクトの健全性

• 最新リリース: 3.2.0（Apache-2.0ライセンス）
• 腾讯と北京大学からの積極的な貢献者；メーリングリストとロードマップウィキが提供されている
• PSGraph、DimBoost、LDA*など、複数の査読済み論文が本システムの研究的実績を裏付けている

さらに学ぶには

• アーキテクチャと設計ドキュメント: docs/overview/*
• APIリファレンス: docs/apis/core_api_en.md
• コミュニティ: メーリングリスト angel-tsc@lists.deeplearningfoundation.org およびウェブサイト https://angelml.ai/

---

結論 – Angelは、Java/Scalaで書かれた、大規模なMLおよびグラフワークロード向けの本格的でパラメータサーバー基盤のプラットフォームであり、Hadoop/YARNエコシステムと密接に統合されています。AI/MLの最先端分野における本物で、積極的にメンテナンスされているオープンソースプロジェクトです。