streamDM，是由华为诺亚方舟实验室开源的使用 Spark Streaming 挖掘大数据的开源软件。大数据流学习大数据流学习（Big Data stream learning）比批量或离线学习更富有挑战性，因为数据在流动的过程中不太可能保持同一种分布。而且，数据流中的每一个样本只能被处理一次，否则它们就需要占用内存进行总结，同时该学习算法也必须非常高效。Spark StreamingSpark Streaming 是核心 Spark API 的一个扩展，它能让多个源的数据流处理成为可能。

本人整理的csv格式的点云数据，可以用来测试和验证k-means、dbscan或者是自己开发的聚类算法。

此数据集是雅虎音乐社区对各种音乐艺术家的偏好的快照。该数据集包含雅虎音乐用户在2004年3月之前的一个月内给予的音乐艺术家超过1000万的收视率。用户被表示为毫无意义的匿名号码，因此不会显示任何识别信息。研究人员可以使用该数据集来验证推荐系统或协作过滤算法。数据集可作为矩阵和图形算法（包括 PCA 和聚类算法）的测试数据。此数据集的大小为 423 MB。