Angel-ML/angel

Angel – 分布式机器学习与图计算平台

是什么 – Angel 是一个开源、高性能的框架，用于训练大规模机器学习模型和运行图计算任务。它采用 参数服务器 架构：模型参数被分片存储在一组专用服务器节点上，而工作节点负责计算梯度或更新。该系统使用 Java 和 Scala 构建，可在 YARN（或本地）运行，可直接使用，也可通过 Spark on Angel 使用。

核心功能

• 传统机器学习算法 – 逻辑回归、SVM、线性/稳健回归、Softmax、K-均值、GBDT、LDA*（含 WarpLDA）、因子分解机等
• 图算法 – PageRank、K-core、H-index、接近度、连通分量、三角形计数、Louvain、标签传播、LINE、Word2Vec、GraphSAGE、GCN、DGI 等
• 参数服务器核心 – 模型分区器、灵活的一致性模型、同步控制器，以及用于自定义更新逻辑的可插拔 psFunc 接口
• Spark 集成 – “Spark on Angel” 允许用户编写 Spark 作业，自动利用 Angel 的 PS 服务，同时暴露 Angel-MLlib 和图核
• 部署选项 – 从源码编译、在单机上测试运行，或在 YARN 集群上启动（附详细资源配置指南）

谁会使用它

• 需要在通用集群上训练包含数十亿参数模型的数据科学团队
• 从事大规模图学习或图神经网络研究的研究人员
• 已使用 Hadoop/YARN 的公司，希望获得原生 Java/Scala 的参数服务器替代方案（如 TensorFlow 风格）

如何开始

1. 克隆仓库并按照 Compilation Guide 编译生成 JAR 文件。
2. 运行 Quick-Start 教程（Spark-on-Angel 示例）以查看一个简单的逻辑回归任务。
3. 从文档中丰富的算法列表中选择一个算法，并通过提供的参数描述文件进行配置。

项目健康状况

• 最新版本：3.2.0（Apache-2.0 许可证）
• 腾讯和北京大学的活跃贡献者；提供邮件列表和路线图 Wiki
• 多篇同行评审论文（如 PSGraph、DimBoost、LDA*）证明其研究背景

了解更多

• 架构与设计文档：docs/overview/*
• API 参考：docs/apis/core_api_en.md
• 社区：邮件列表 angel-tsc@lists.deeplearningfoundation.org 和网站 https://angelml.ai/

---

总结 – Angel 是一个生产级、基于参数服务器的大规模机器学习与图计算平台，使用 Java/Scala 编写，与 Hadoop/YARN 生态系统深度集成。它是一个真正活跃维护的开源项目，处于 AI/ML 领域的前沿。