---
title: 方案优势
description: "业界针对数据分析预测的主流解决方案包括基于规则的分析、开源算法库，鲲鹏BoostKit大数据算法加速库对比分析结果如表1。"
url: https://www.hikunpeng.com/document/detail/zh/kunpengbds/appAccelFeatures/algorithmaccelf_ml/kunpengbdsml_19_0004.html
sourcePath: /source/zh/kunpengbds/appAccelFeatures/algorithmaccelf_ml/kunpengbdsml_19_0004.html
indexId: aea743a921e8433a0fe62b1b02fa93214c684942a6037fff8a6ad47daf0d21c083
---
# 方案优势

#### 主流方案对比

业界针对数据分析预测的主流解决方案包括基于规则的分析、开源算法库，鲲鹏BoostKit大数据算法加速库对比分析结果如表1。


**表1 主流方案对比**

| 对比项 | 基于规则的分析技术 | 开源算法库 | 鲲鹏BoostKit大数据算法加速库 |
| --- | --- | --- | --- |
| 使用方式 | 依赖数据库，ISV自定义规则的SQL或类SQL实现的分析技术 | 基于单机的Python算法库，或基于Spark开源版本算法 | 基于Spark的分布式算法增强，扩展算法种类，提升算法精度和性能 |
| 优势 | 解释性强，容易理解 基于SQL技术，易上手使用 | 支持分类预测、聚类、社团挖掘等高复杂度的数据分析 分布式内存计算，性能较SQL高 | 分布式算法种类多，场景支撑全面 算法精度高，性能提升明显 支持大规模数据集分析 |
| 劣势 | 人工定制规则，准确度低 数据分析时间长 不支持趋势预测等复杂分析 | 单机算法的算力有限，无法应对大规模数据集的分析 分布式算法种类有限，场景覆盖不全 | NA |
| 使用场景 | 较小数据量 规则准确 | 中等数据规模 Spark入门级，性能需求不高场景 | 海量数据规模 高精度高性能场景 |


#### 鲲鹏BoostKit大数据算法加速库的产品竞争力

鲲鹏BoostKit大数据算法加速库的产品竞争力总结如下。

1. 高性能：相比开源算法，性能实现倍级提升，支持更大规模数据集。

  - PCA算法，相比开源算法，性能提升10倍，支持特征规模维度提升1000倍，从万级提升至千万级，支持千万级样本量和千万级特征维度。
  - DBSCAN算法，相比开源算法，性能提升24倍，支持特征维度提升5倍（2维->10维），最高可支持20维样本计算。
2. 覆盖全：覆盖分类回归、特征工程、骨干分析、聚类、模式挖掘等常用算法类型。
3. 易部署：与Spark开源版本算法保持完全一致的类和接口定义，无需上层应用做任何修改。