背景：
在所有聚类算法中KMeans算是表面上最简单的一种，没有过多恼人的古希腊符号公式，没有过分繁杂的公式嵌套。对于一个初学矩阵或者仅有向量概念的非专业人士的来说，不可不畏是一把踹门利器。这个世界上越是简单的东西，其实越是复杂，尤其在笔者将其改造成MapReduce时，发现并非那么容易一跃而过。虽然有现成的代码供把玩，但是对于练手还是值得一试。
心得：
· 纯理论一笔带过
KMean的大致实现过程就是任意指定N个的质心，然后对所有星星进行遍历，寻找与这个N个质心距离最近欧几里得距离的星星，将其归为一类，再从这一类中重新计算N个质心坐标属性。直至这N个质心坐标变化DELTA小至自己设定的阀值。
· 一些心得
- 网上对于KMEAN的算法有很多，大多数集中于（2质心+2维+单机）版本。要想支持（N质心+N维+MP）着实需要重新好好考虑程序架构，当然更NB者还能支持多线程。
- 嵌套问题是目前大多数非JAVA Hadoop计算的一道门槛，即便是JAVA类本身在JOB CHAIN上也常常会碰到傻傻分不清的情况。对于10G以上数据如何在MP上发挥最大功效，就是减少JOB和TASK之间来回SHUFFLE。
- 既期望一次MP，完成整个运算，同时将负载尽可能在Map阶段进行压榨。也因此，笔者在假设数据完全散列的情况下完成每组TASK的计算，已期望得到N个K（质心）离开最终质心近似向量值。在Reduce阶段粗暴地对N个K做归类，再做算术平均，再做一把全两项遍历，最后得出N个类。难就难在对N个TASK的K做重新归类
- 由于主要通过Streaming来计算，整个对于Hadoop的I/O还是有较大负荷。
- 下面两幅图简单介绍下K-Means聚合过程。左边是2个质心2维，右边是3个质心2维。
DATA：
X Y29 1221 3323 2325 2333 2422 3623 1216 2023 3233 1026 2332 1433 738 413 3365 7743 6381 8772 6454 7161 6781 5857 8154 7950 8253 6274 5877 5569 8170 8244 5560 58