spark中 进行高维矩阵的SVD分解（2）

由于大型矩阵的奇异值分解，在普通的单机上是无法计算的，所以只能在spark集群上计算

 

在集群上计算会遇到一个问题，调用   “ M.computeSVD(5000, true,1.0E-9d)” 时，A=U*s*V  分解的s向量存储，V矩阵存储正常，但是分解的左奇异矩阵U默认为rowmatrix矩阵，这个矩阵存储的（存储代码：U.rows.saveAsTextFile("hdfs://10.67.89.240:9000/outsvd/big_UUT1")）时候，发现存储结果为为好几部分 eg：part-00000、

part-00001、part-00002.....等，所以想办法让输出结果为一个 （存储代码：U.rows.repartition(1).saveAsTextFile("hdfs://10.67.89.240:9000/outsvd/big_UUT1")）

但是发现我求出的矩阵U  里面应用的顺序不对，比如按道理是 part-00001+part-00000+part-00002 的顺序 ，但是结果按照part-00000+part-00001+part-00002的顺序来的，

尝试着输出多次发现U矩阵的结果是不确定的 就是因为 几个输出的part部分汇总的问题，所以一直不知道该怎么搞，还是希望懂的人能够给与建议

我这里是一个替代方案：就是先计算 A矩阵的svd分解存储 分解的右奇异矩阵V，在对A进行转秩，再次存储V，这样就相当于很好的存储了A矩阵的 U 、V奇异矩阵了，但是效率不高了

 

//***********************************************