GlobalMetrics（全局指标）
- 说明
- 用法
  - 扩展

GlobalMetrics（全局指标）

在一个算法的运行训练过程中，会有各种各样的指标，而这些指标，在单独的一个Worker上的变化，是没有太大意义的，往往需要全局汇总，从整体上来观察这些值的变化。例如Loss，AUC…… 这些是分布式机器学习框架需要提供的必备功能，Angel也不例外，GlobalMetrics就是为此目的而设计的。

说明

GlobalMetrics，用于收集所有task的局部算法指标，在Master汇总，得到全局指标。全局指标有两个输出点：

Client日志的Info
“angel.log.path”参数指定的HDFS路径。

用法

全局指标的使用非常简单，只有一个类，那就是GlobalMetrics，分成收集和透出两个阶段

收集

收集发生于各个Task内，一般写于Learner类。首先定义要收集的指标，然后在迭代中添加指标值到对应的指标。其主要成员、方法如下：
- addMetrics(metricName: String, metric: Metric)
  
  添加指标，指定metricName和metric类型。这个方法只需要在迭代前调用一次，写到循环外面。
  
  如下所示，添加指标”train.loss”、”validation.loss”，两个指标都是LossMetric
```
// Add "train.loss" and "validation.loss" metric to globalMetrics
// Both of them are LossMetric
globalMetrics.addMetrics("train.loss", LossMetric(trainData.size))
globalMetrics.addMetrics("validation.loss", LossMetric(validationData.size))
```
- metric(metricName: String, metricValue: Double)
  记录指标值。往metricName对应的指标中，添加值。如下所示：
```
// Add train loss value to "train.loss"
globalMetrics.metrics("train.loss", trainLossValue)
globalMetrics.metrics("validation.loss", validLossValue)
```
透出

Metrics的透出发生于Client端，但是这个过程是不需要手工触发的，只要你在Task中的Learner进行了收集，AngelClient就能自动感知，并进行输出，默认格式如下：
```
 Epoch=1 Metrics={"train.loss":0.613, "validation.loss": 0.513}
 Epoch=2 Metrics={"train.loss":0.622, "validation.loss": 0.521}
 Epoch=3 Metrics={"train.loss":0.635, "validation.loss": 0.585}
```

同时，在指定的HDFS目录，将会有日志输出，指定参数为：
```java
  public static final String ANGEL_LOG_PATH = "angel.log.path";
```

扩展

目前系统只提供了标准的几种Metric，包括：

LossMetric
ObjMetric
ErrorMetric

如果有需要的话，用户可以方便的，针对自己的算法，自定义Metric类进行扩展。自定义一个Metric类，需要实现如下两个方法：

merge(other:Metric)
每次迭代完成后，master 调用 merge 方法汇总所有task的指标。
calculate
每次迭代完成后，master 调用 calculate 方法，计算全局指标

以计算单个样本平均loss值的LossMetric为例：

    class LossMetric(var sampleNum:Int) extends Metric {
        ……
    // 汇总各个Task的sampleNum、globalLoss值，汇总方式为累加。
    override def merge(other: Metric): Metric = {
      this.sampleNum += other.asInstanceOf[LossMetric].sampleNum
      this.globalLoss += other.asInstanceOf[LossMetric].globalLoss
      this
        }
    // 计算全局指标，计算方法为全局globalLoss值除样本数：
    override def calculate: Double = {
        this.globalLoss / this.sampleNum
     }