这是一个关于spark-mllib-als算法性能的问题。我使用java在一个由三元组组成的输入数据集上运行mlib als算法——“userid，itemid，rating”；我使用参数值rank=15；λ=0.1；数值迭代=15；运行als算法。该算法的训练数据集为~15m等级三元组，由3.6m个唯一用户和2.26m个唯一项组成。培训在一台96gb资源节点的机器上进行，每台机器上有6个10g的执行器，耗时约6小时。我保存了这个模型，并用它来预测和评估一个约2700万评级三胞胎的数据集。recommendproducts api花了约86个小时来完成运行，这非常奇怪。当我在较小的数据集上运行它时，recommendproducts api花费的时间比训练要多，但不会太多。java程序的工作原理与scala中的类似：http://ampcamp.berkeley.edu/4/exercises/movie-recommendation-with-mllib.html.
我只是想知道为什么这个程序要花这么长时间来计算als.train？为什么推荐产品在更小的数据集上需要更长的时间。我很乐意提供更多可能需要的信息。