Angel：一种新型分布式机器学习系统

alibaba

Angel：一种新型分布式机器学习系统

2017-12-05

Angel是一个基于参数服务器（Parameter Server）理念的分布式机器学习框架，它能让机器学习算法轻松运行于高维度模型之上。Angel围绕模型共享的核心理念，将高维度的大模型合理地切分到多个参数服务器节点，并通过高效的模型更新接口和运算函数以及多变的同步协议，实现各种高效的机器学习算法。得益于其良好的设计，Angel既能独立运行、高效执行多种机器学习算法，亦能作为PS服务，支持Spark和现有的深度学习框架，为其加速。它基于工业界的海量数据进行了反复的实践和调优，具有广泛的适用性和稳定性，模型维度越高，优势越明显。

现有的机器学习系统都是针对不同类型的机器学习任务而搭建的。数据流系统Hadoop和Spark适合通用的数据处理任务和构建机器学习流水线，但缺乏参数共享机制，存在单点瓶颈性能问题；图计算系统GraphLab、GraphX和Tux2等将机器学习计算抽象成图结构，可以利用图结构的特性进行加速，但只适合具有稀疏图结构的算法；深度学习系统TensorFlow、MXNet和Caffe2等利用Parameter Server或者Allreduce方法进行分布式神经网络的训练，其特点是能够利用GPU对神经网络的计算进行加速，但缺乏对稀疏图结构的优化和支持。

Angel在设计中对分布式机器学习的共性进行了抽象和提炼。文章认为分布式机器学习的核心部分在于参数共享，如果可以提供高效的参数共享机制，则能够为各类机器学习任务进行扩展和加速。因此，Angel提供了PS服务的能力，支持两种运行模式。其中一种模式称为PS Service模式，Angel只启动Master和Parameter Server，具体的计算任务交由其他计算平台（如Spark、TensorFlow等）完成，这种模式下Angel只负责提供Parameter Server的功能；在另外一种模式中，Angel还会启动Worker，由Angel负责完成模型的训练。Angel提供PS服务的能力，使其能处理多种类型的机器学习任务，提供更方便的机器学习开发体验。

此外，Angel还能提供：（1）多种参数同步协议，用于在不同的集群环境中进行加速；（2）易用且丰富的接口，用于方便算法的开发；（3）数据并行与模型并行的能力，提高算法的扩展性；（4）高效的容错机制，为任务在复杂环境中的运行提供保障。经过在真实数据集上的对比，Angel在多种机器学习算法上的性能优于XGBoost、Spark、Petuum、TensorFlow等常用机器学习系统。目前Angel已经被应用于腾讯视频点击预测和广告推荐等实际业务中。

Angel的开源系统由北京大学-腾讯协同创新实验室开发，兼顾了工业界的高可用性和学术界的创新性，已经在GitHub全面开源，集成和优化了Logistic Regression、SVM、KMeans、LDA、MF、GBDT 等多种机器学习算法。Angel目前基于Java和Scala开发，未来还会加入Python等多种语言接口，方便使用。将来，Angel的PS Service能力会得到进一步利用，支持图计算和深度学习框架。