1.Spark机器学习的本质是什么？算法
机器学习，数据+算法（迭代），机器学习
从某个角度而言，其实Spark的机器学习就是Spark 平台之上的函数库，这些函数基于RDD，DataFrame,DataSet分布式
Spark机器学习的数据来源，在Spark的最底层确定是RDD封装的,这个和Spark具体是什么版本没有任何关系，版本的发展只不过是提供了更多的更高层的API而已，函数
例如:DataFrame,DataSet等，而之因此有DataFrame,DataSet,通常状况下是为了使用统一的优化引擎（抽象程度越高，优化算法就越高）
可是机器学习从算法的角度而言，最原始的实际上是都是基于Vector和Matrix来计算的，学习
也就是说RDD/DataFrame/DataSet里面的数据从机器学习的角度来说，都是Vector和Matix，而借助于RDD/DataFrame/DataSet,自然分布式并行计算完成了机器学习的并行化和可扩展性等优化
其实这和图计算的思路很是类似，图计算中数据也是存储在RDD，可是Spark的图计算提供了Vertices,Edges,Routing Table等对象来解析RDD中的数据，从而变成图计算可用的数据对象
RDD/DataFrame/DataSet和Vector/Matrix关系图：class
学好Spark机器学习的关键：原理
1.Spark core扩展
2.Vector和Matrix的学习
3.Spark机器学习的算法：
1.算法原理和应用场景
2.Spark如何实现
3.案例实战
4.基于上面的步骤，进入深刻地思考
4.综合案例
概括总结：1.Spark机器学习的本质是什么
2.RDD/DataFrame/DataSet和Vector/Matrix关系图