H2O

若本文档或 H2O-3 文档 中未找到您问题的答案，请通过以下渠道提问：

H2O 是一个用于分布式、可扩展机器学习的内存计算平台。它支持 R、Python、Scala、Java、JSON 以及 Flow notebook/web 界面等熟悉的接口，并能与 Hadoop 和 Spark 等大数据技术无缝协作。H2O 提供了多种流行算法的实现，包括广义线性模型 (GLM)、梯度提升机（含 XGBoost）、随机森林、深度神经网络、堆叠集成、朴素贝叶斯、广义加性模型 (GAM)、Cox 比例风险模型、K-Means、PCA、Word2Vec，以及全自动机器学习算法 (H2O AutoML)。

H2O 具有可扩展性，开发者可以添加自定义的数据转换和算法，并通过所有客户端进行访问。H2O 模型可以下载并加载到 H2O 内存中进行评分，也可以导出为 POJO 或 MOJO 格式，以便在生产环境中进行极速评分。更多信息请参阅 H2O 用户指南。

H2O-3（本仓库）是 H2O 的第三个版本，也是 H2O-2 的继任者。

目录

• 下载 H2O-3
• 开源资源
  • 问题跟踪与功能请求
  • H2O 资源列表
• 使用 H2O-3 代码构件（库）
• 构建 H2O-3
• 构建后启动 H2O
• 在 Hadoop 上构建 H2O
• Sparkling Water
• 文档
• 引用 H2O
• 社区 / 顾问 / 投资者

1. 下载 H2O-3

虽然本文档大部分内容面向自行构建的开发者，但大多数 H2O 用户只需下载并使用预构建版本。如果您是 Python 或 R 用户，最简单的安装方式是通过 PyPI 或 Anaconda（Python）以及 CRAN（R）：

Python

pip install h2o

R

install.packages("h2o")

如需获取最新的稳定版、每夜构建版、Hadoop（或 Spark / Sparkling Water）发行版，或独立的 H2O jar 包，请访问：https://h2o.ai/download

更多关于下载和安装 H2O 的信息，请参阅 H2O 用户指南。

2. 开源资源

大多数人主要通过以下三到四个开源资源进行互动：GitHub（您已在此）、GitHub issues（用于错误报告和问题跟踪）、Stack Overflow 用于 H2O 代码/软件相关问题，以及 h2ostream（一个 Google 群组/邮件讨论论坛）用于不适合 Stack Overflow 的问题。此外还有一个 Gitter H2O 开发者聊天群组，但出于归档目的和最大化可访问性考虑，我们更倾向于将标准的 H2O 问答放在 Stack Overflow 上进行。

2.1 问题跟踪与功能请求

您可以在我们的 GitHub 仓库中浏览和创建新问题：https://github.com/h2oai/h2o-3

• 浏览和搜索问题无需登录 Github：
  1. 点击页面顶部的 Issues 标签页
  2. 应用筛选器搜索特定问题
• 要创建一个问题（可以是错误报告或功能请求）：
  • 请在 https://github.com/h2oai/h2o-3/issues/new/choose 页面创建 H2O-3 问题。（注意：Sparkling Water 相关问题应在 Sparkling Water 仓库下提出。）

2.2 H2O 资源列表

• GitHub
  • https://github.com/h2oai/h2o-3
• GitHub issues -- 在此提交错误报告/跟踪问题
  • https://github.com/h2oai/h2o-3/issues 页面包含当前 H2O-3 项目的问题）
• Stack Overflow -- 所有代码/软件问题请在此提问
  • http://stackoverflow.com/questions/tagged/h2o
• Cross Validated (Stack Exchange) -- 算法/理论问题请在此提问
  • https://stats.stackexchange.com/questions/tagged/h2o
• h2ostream Google 群组 -- 非代码相关问题请在此提问
  • 网页：https://groups.google.com/d/forum/h2ostream
  • 邮件发送至：h2ostream@googlegroups.com
• Gitter H2O 开发者聊天室
  • https://gitter.im/h2oai/h2o-3
• 文档
  • H2O 用户指南（主要文档）：http://docs.h2o.ai/h2o/latest-stable/h2o-docs/index.html
  • 所有 H2O 文档链接：http://docs.h2o.ai
  • 每夜构建页面（页面中包含每夜构建文档链接）：https://s3.amazonaws.com/h2o-release/h2o/master/latest.html
• 下载（预构建包）
  • http://h2o.ai/download
• 网站
  • http://h2o.ai
• Twitter -- 关注我们获取更新和 H2O 新闻！
  • https://twitter.com/h2oai
• Awesome H2O -- 与我们分享您基于 H2O 的创作
• https://github.com/h2oai/awesome-h2o

3. 使用 H2O-3 构件

每个每夜构建都会将 R、Python、Java 和 Scala 构件发布到特定于构建的仓库。特别是，您可以在 maven/repo 目录中找到 Java 构件。

以下是一个使用 h2o-3 作为依赖项的 gradle 构建文件示例片段。请将 x、y、z 和 nnnn 替换为有效数字。

// h2o-3 依赖信息
def h2oBranch = 'master'
def h2oBuildNumber = 'nnnn'
def h2oProjectVersion = "x.y.z.${h2oBuildNumber}"

repositories {
  // h2o-3 依赖
  maven {
    url "https://s3.amazonaws.com/h2o-release/h2o-3/${h2oBranch}/${h2oBuildNumber}/maven/repo/"
  }
}

dependencies {
  compile "ai.h2o:h2o-core:${h2oProjectVersion}"
  compile "ai.h2o:h2o-algos:${h2oProjectVersion}"
  compile "ai.h2o:h2o-web:${h2oProjectVersion}"
  compile "ai.h2o:h2o-app:${h2oProjectVersion}"
}

有关安装每夜构建构件的信息，请参考最新的 H2O-3 前沿每夜构建页面。

有关如何使用 Java 构件与 gradle 的完整示例，请参考 h2o-droplets GitHub 仓库。

注意：稳定的 H2O-3 构件会定期发布到 Maven Central（点击此处搜索），但可能大大落后于 H2O-3 前沿每夜构建。

4. 构建 H2O-3

开始 H2O 开发需要 JDK 1.8+、Node.js、Gradle、Python 和 R。我们使用 Gradle wrapper（称为 gradlew）来确保在您的开发目录中安装了最新版本的 Gradle 和其他依赖项。

4.1. 构建前准备

构建 h2o 需要一个正确设置的 R 环境（包含必需的包）和一个包含以下包的 Python 环境：

grip
tabulate
requests
wheel

要安装这些包，您可以使用 pip 或 conda。
如果在 Windows 上安装这些包遇到问题，请遵循本指南的 Windows 设置 部分。

（注意：建议使用诸如 VirtualEnv 之类的虚拟环境来安装所有包。）

4.2. 从命令行构建（快速开始）

要从仓库构建 H2O，请执行以下步骤。

方法 1：全新克隆、构建、跳过测试并运行 H2O

# 构建 H2O
git clone https://github.com/h2oai/h2o-3.git
cd h2o-3
./gradlew build -x test

您可能会遇到问题：例如 npm 缺失。安装它：
brew install npm

# 启动 H2O
java -jar build/h2o.jar

# 将浏览器指向 http://localhost:54321

方法 2：全新克隆、构建并运行测试（需要安装可用的 R）

git clone https://github.com/h2oai/h2o-3.git
cd h2o-3
./gradlew syncSmalldata
./gradlew syncRPackages
./gradlew build

注意：

• 运行测试会启动五个测试 JVM 以形成一个 H2O 集群，需要至少 8GB RAM（最好 16GB RAM）。
• 运行 ./gradlew syncRPackages 在 Windows、OS X 和 Linux 上受支持，强烈推荐但非必需。./gradlew syncRPackages 确保一个完整且一致的环境，包含测试和构建所需的预批准版本的包。这些包可以手动安装，但我们建议设置一个 ENV 变量并使用 ./gradlew syncRPackages。要设置 ENV 变量，请使用以下格式（其中 ${WORKSPACE} 可以是任何路径）：

mkdir -p ${WORKSPACE}/Rlibrary export R_LIBS_USER=${WORKSPACE}/Rlibrary

方法 3：拉取、清理、构建并运行测试

git pull
./gradlew syncSmalldata
./gradlew syncRPackages
./gradlew clean
./gradlew build

注意事项

• 我们建议在每次 git pull 后使用 ./gradlew clean。
• 通过在 Gradle 构建命令行末尾添加 -x test 来跳过测试。测试通常在配备 4 个 CPU（8 个超线程）和 16 GB RAM 的 MacBook Pro 笔记本电脑上运行 7-10 分钟。
• 每次拉取后不需要同步 smalldata，但如果测试因缺少数据文件而失败，请首先尝试 ./gradlew syncSmalldata 作为故障排除步骤。同步 smalldata 会将数据文件从 AWS S3 下载到您工作区的 smalldata 目录。同步是增量的。请勿提交这些文件。smalldata 目录在 .gitignore 中。如果您不运行任何测试，则不需要 smalldata 目录。
• 运行 ./gradlew syncRPackages 在 Windows、OS X 和 Linux 上受支持，强烈推荐但非必需。./gradlew syncRPackages 确保一个完整且一致的环境，包含测试和构建所需的预批准版本的包。这些包可以手动安装，但我们建议设置一个 ENV 变量并使用 ./gradlew syncRPackages。要设置 ENV 变量，请使用以下格式（其中 ${WORKSPACE} 可以是任何路径）：

mkdir -p ${WORKSPACE}/Rlibrary export R_LIBS_USER=${WORKSPACE}/Rlibrary

方法 4：仅构建文档

./gradlew clean && ./gradlew build -x test && (export DO_FAST=1; ./gradlew dist)
open target/docs-website/h2o-docs/index.html

方法 5：使用 Makefile 构建

Git 仓库的根目录包含一个 Makefile，其中提供了开发中常用构建目标的便捷快捷方式。
要构建 h2o.jar 同时跳过测试和替代组件的构建，请执行：

make

要使用最小化组件构建 h2o.jar，请运行：

make minimal

最小化组件非常适合开发 H2O 机器学习算法。它不捆绑一些重量级依赖项（如 Hadoop），使用它可以节省构建时间以及从 Maven 仓库下载大型库的需求。

4.3. Windows 设置

步骤 1：下载并安装 WinPython。

从命令行，通过使用 which python（或 sudo which python）验证 python 是否正在使用新安装的包。使用 WinPython 路径更新环境变量。

步骤 2：安装必需的 Python 包：

pip install grip tabulate wheel

步骤 3：安装 JDK

安装 Java 1.8+，并将包含 java.exe 的相应目录 C:\Program Files\Java\jdk1.7.0_65\bin 添加到环境变量的 PATH 中。为确保命令提示符检测到正确的 Java 版本，请运行：

javac -version

CLASSPATH 变量也需要设置为 JDK 的 lib 子文件夹：

CLASSPATH=/<path>/<to>/<jdk>/lib

步骤 4. 安装 Node.js

安装 Node.js，并将安装目录 C:\Program Files\nodejs（必须包含 node.exe 和 npm.cmd）添加到 PATH 中（如果尚未前置）。

步骤 5. 安装 R、必需的包以及 Rtools：

安装 R，并将 bin 目录添加到您的 PATH 中（如果尚未包含）。

安装以下 R 包：

• RCurl
• jsonlite
• statmod
• devtools
• roxygen2
• testthat

要在 R 会话中安装这些包：

pkgs <- c("RCurl", "jsonlite", "statmod", "devtools", "roxygen2", "testthat")
for (pkg in pkgs) {
  if (! (pkg %in% rownames(installed.packages()))) install.packages(pkg)
}

注意，安装 RCurl R 包需要 libcurl。

注意，这些包不涵盖运行测试，仅用于构建 H2O。

最后，安装 Rtools，这是一个命令行工具集合，用于促进 Windows 上的 R 开发。

注意：在 Rtools 安装过程中，