Zeppelin 是一个提供交互数据分析且基于Web的笔记本。 方便你做出可数据驱动的、可交互且可协作的精美文档，并且支持多种语言，包括Scala(使用Apache Spark)、Python(Apache Spark)、SparkSQL、 Hive、 Markdown、Shell等等。 (类似于ipython notebook，可以直接在浏览器中写代码、笔记并共享)。同时，Zeppelin 还提供了单机 Docker、分布式、K8s、Yarn 四种系统运行模式，以适应各类团队的需求。
首先，在数据预处理和特征工程方面，从数据导入、数据处理、数据探索、数据抽样到数据训练，Zeppelin 已经实现了全覆盖：数据导入支持 HDFS、S3和RDNMS，数据聚合加工处理支持 Hive、Spark，数据探索是 Zeppelin 的强项之一，数据抽样、模型训练和A/B测试则支持Spark。
其次，在模型训练方面，包括逻辑回归（LR）、梯度提升树（GDBT）等传统机器学习模型，以及等卷积神经网络（CNN）、循环神经网络（RNN）、长短期记忆网络（LSTM）等常用于图像、语音、视频的深度学习模型，Zeppelin 都支持各种主流的库，针对前者如Python 库、Spark MLlib、XGBoost，针对后者包括TensorFlow、PyTorch、MXNet等。由于机器学习从业者常用语言包括Python、Scala、R 等，各种环境、版本的冲突是一个很大的挑战，Zeppelin 采用 Docker 的部署解决了这个问题。
再次，在模型在线服务方面，模型的管理支持 Hadoop，模型部署支持 Hadoop 和 Kubernetes，模型库的批处理采用 Spark，增量更新则采用性能更好的 Flink 流计算（以保持模型与时俱进）。
此外，在生态方面，Zeppelin还和 Hadoop Submarine 做了集成，后者是 Hadoop 社区开发的一款机器学习引擎，旨在解决机器学习算法在Kubernetes / YARN 平台上的批量作业处理。二者的集成，可以将 Zeppelin 从支持单任务开发扩展到了支持分布式任务调度的场景。
下载： Download
来源：