[DOCS] Improve Framework

ericzhang-cn · Aug 15, 2017 · 16f93cc · 16f93cc
1 parent 9b4e404
commit 16f93cc
Show file tree

Hide file tree

Showing 2 changed files with 35 additions and 13 deletions.
diff --git a/docs/overview/design_philosophy.md b/docs/overview/design_philosophy.md
@@ -1,31 +1,55 @@
 # Angel的设计理念
 
+----
 
-## PS Service
+Angel设计之时，Spark风头正盛，MR大势已去，TensorFlow初生牛犊。Petuum也渐渐衰落。因此，Angel的设计，走了一条颇为另类的路。
 
-Angel支持两种运行模式：`ANGEL_PS` & `ANGEL_PS_WORKER`
+Angel设计，开发，重构之时，从这5方面，对整体进行了改进和设计，并在它们之间进行了平衡。这5个方面包括：
+
+1. 灵活性
+5. 性能
+2. 扩展性
+3. 易用性
+4. 稳定性
+
+Angel设计之处，并没有特地为深度学习量身定做。但是在开发之时，深度学习日渐火爆，而PS模式，也是深度学习实现多机多卡的必由之路。Angel后续也会加入更多对深度学习的针对性优化。
+
+## 灵活性
+
+Angel在设计上，考虑到现有的机器学习框架众多的问题，提供了2种模式。Angel支持两种运行模式：`ANGEL_PS_WORKER` & `ANGEL_PS_SERVICE`。通过这2种方式结合，Angel本身的Worker模式，追求最大化的性能优势，主打速度。而PS-Service模式，主打对接，可以接入Spark，TensorFlow，Torch等平台，主打生态，从而实现最大程度的灵活性。
 
-* **ANGEL_PS**: PS Service模式，在这种模式下，Angel只启动Master和PS，具体的计算交给其他计算平台（如Spark，Tensorflow）负责，Angel只负责提供Parameter Server的功能。
 
 * **ANGEL_PS_WORKER**：启动Master，PS和Worker，Angel独立完成模型的训练。
 
-## 同步协议
+* **ANGEL_PS_SERVICE**: PS Service模式，在这种模式下，Angel只启动Master和PS，具体的计算交给其他计算平台（如Spark，TensorFlow）负责，Angel只负责提供Parameter Server的功能。
 
-* 支持多种同步协议：除了通用的**BSP**（Bulk Synchronous Parallel）外，为了解决task之间互相等待的问题，Angel还支持**SSP**（Stale Synchronous Parallel）和**ASP**（Asynchronous Parallel）
 
-## 良好的可扩展性
 
-* **psf(ps function)**：为了满足各类算法对参数服务器的特殊需求，Angel将参数获取和更新过程进行了抽象，提供了psf函数功能。用户只需要继承Angel提供的psf函数接口，并实现自己的参数获取/更新逻辑，就可以在不修改Angel自身代码的情况下定制自己想要的参数服务器的接口。
 
-* **自定义数据格式**：Angel支持Hadoop的InputFormat接口，可以方便的实现自定义文件格式。
+## 性能
 
-* **自定义模型切分方式**：默认情况下，Angel将模型（矩阵）切分成大小相等的矩形区域；用户也可以自定义分区类来实现自己的切分方式。
+2. **同步协议**
+
+	* 支持多种同步协议：除了通用的**BSP**（Bulk Synchronous Parallel）外，为了解决task之间互相等待的问题，Angel还支持**SSP**（Stale Synchronous Parallel）和**ASP**（Asynchronous Parallel）
 
 ## 易用性
 * **训练数据和模型自动切割**：Angel根据配置的worker和task数量，自动对训练数据进行切分；同样，也会根据模型大小和PS实例数量，对模型实现自动分区。
 * **易用的编程接口**：MLModel/PSModel/AngelClient
 
-## 容错设计和稳定性
+
+## 扩展性
+
+* **psFunc**：为了满足各类算法对参数服务器的特殊需求，Angel将参数获取和更新过程进行了抽象，提供了psf函数功能。用户只需要继承Angel提供的psf函数接口，并实现自己的参数获取/更新逻辑，就可以在不修改Angel自身代码的情况下定制自己想要的参数服务器的接口。
+
+* **自定义数据格式**：Angel支持Hadoop的InputFormat接口，可以方便的实现自定义文件格式。
+
+* **自定义模型切分方式**：默认情况下，Angel将模型（矩阵）切分成大小相等的矩形区域；用户也可以自定义分区类来实现自己的切分方式。
+
+
+## 稳定性
+
+Angel在稳定性上，做了大量的工作，保证在机器学习过程中，单个Worker和PS挂掉，都不会影响整个作业的进度，而且能最快的找到备用的机器，快速启动，加载模型或者数据，继续训练过程。
+
 
 * **PS容错**
 
@@ -37,7 +61,7 @@ Angel支持两种运行模式：`ANGEL_PS` & `ANGEL_PS_WORKER`
 
 * **Master容错**
 
-	Master定期将任务状态写入hdfs，借助与Yarn提供的App Master重试机制，当Angel的Master挂掉后，Yarn会重新拉起一个Angel的Master，新的Master加载状态信息，然后重新启动Worker和PS，从断点出重新开始计算。
+	Master定期将任务状态写入HDFS，借助与Yarn提供的App Master重试机制，当Angel的Master挂掉后，Yarn会重新拉起一个Angel的Master，新的Master加载状态信息，然后重新启动Worker和PS，从断点出重新开始计算。
 
 * **慢Worker检测**
 

diff --git a/docs/tutorials/angel_ps_quick_start.md b/docs/tutorials/angel_ps_quick_start.md
@@ -120,8 +120,6 @@
 
 	前面，我们定义了LR模型，实现了它的训练过程。现在，还需要实现Runner类将训练这个模型的任务提交到集群。  
 
-	定义myLRRunner类继承MLRunner，在train方法中提交我们的myLRModel的模型类、和myLRTrainTak训练类就可以了。
-
 
 ```Scala
Original file line number	Diff line number	Diff line change
Expand Up		@@ -120,8 +120,6 @@

		前面，我们定义了LR模型，实现了它的训练过程。现在，还需要实现Runner类将训练这个模型的任务提交到集群。

		定义myLRRunner类继承MLRunner，在train方法中提交我们的myLRModel的模型类、和myLRTrainTak训练类就可以了。


		```Scala

Expand Down