1      结构示意图

2      对mllib的二次封装

      原始的mllib开发包对模型的处理（训练，加载，预测）都是per model的，对于每一个模型都需要写一些重复类似的代码。实际应用中我们的模型也一般都是多个的（分行业，或分类目来做），不太会只是用一个大而泛的模型。mllib没有提供一个类似于Manager的类来管理多个模型。所以笔者对mllib进行了二次封装，能够让大家比较方便的通过配置来管理多个模型，也让大家从需要了解mlllib最底层的接口中解放出来。

[PATH]

//设置root目录，后面的模型文件只需要指定相对这个root路径的相对路径即可

BASE_PATH = ./mlr_jni.tar/conf/

[MODEL]

//模型数目，指定了模型数目后，模型名就可以确定了：MODEL1 , MODEL2 …. MODEL${ TOTAL_MODEL_NUM }
TOTAL_MODEL_NUM = 4
//模型的类型（回归还是分类），不同的模型类型，预测时实现的方法是不一样的，一定要正确设置
#MODEL_TYPE = classification
MODEL_TYPE = regression
//指定具体某个模型使用的模型文件名称，不同的模型可以使用相同的模型文件。
MODEL1 = 1.model
MODEL2 = 2.model
MODEL3 = 3.model
MODEL4 = 3.model

lib目录包含了libMlrManagerJni.so，mlrmgrjni.jar两个文件，libMlrManagerJni.so是封装了原始mllib的C++接口,mlrmgrjni.jar是封装了libMlrManagerJni.so的java接口。

在Eclipse项目配置选项里把mlrmgrjni.jar加到classpath中。