我有自己的基于Java的集群实现（knn）。但是，我面临可伸缩性问题。我不打算使用Mahout，因为我的要求非常简单并且mahout需要很多工作。我正在寻找基于Java的Canopy集群实现，可以将其插入我的算法并进行并行处理。
基于Mahout的Canopy库与Vectors和索引结合使用，不适用于纯字符串。如果您知道这种方式，那么我可以使用简单的库在字符串上使用树冠群集，它将解决我的问题。
我的要求是将字符串列表（例如10K）传递给Canopy聚类算法，它应该返回基于T1和T2的子列表。
最佳答案
冠层群集最可用作并行化的预处理步骤。我不确定会在单个节点上获得多少收益。我认为您最好立即计算实际的算法，或者建立一个索引（例如M树）。
Canopy群集的优势在于，您可以在多个节点上独立运行它，然后重叠它们的结果。
还要检查它是否确实与您的方法兼容。我认为冠层可能需要度量标准属性才能正确。您的字符串距离是否是适当的指标（即三角形不等式）？
关于machine-learning - 非mahout Java-Canopy群集的实现，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/13283225/