Spark中在线（增量）逻辑回归的实现困境及可行方案咨询

我来梳理下Spark里逻辑回归增量训练的现状和存在的问题：

• 基于RDD的MLlib API：
  这里确实有StreamingLogisticRegressionWithSGD类专门支持增量训练，但这个类已经被弃用了，而且功能短板很明显——比如无法访问模型的系数，也没办法输出概率结果，实际使用中会遇到很多限制。

• 基于DataFrame的ML API：
  目前ML模块里只有LogisticRegression类，它只提供了批量训练的fit()方法，完全不支持模型保存、重新加载，更没有增量训练的模式，显然没法满足增量训练的场景需求。

内容的提问来源于stack exchange，提问作者S Leon