Spark ML-无法使用MatrixFactorizationModel加载模型

我正在尝试使用Spark协同过滤实现推荐系统 .

首先，我准备模型并保存到磁盘：

MatrixFactorizationModel model = trainModel(inputDataRdd);  
model.save(jsc.sc(), "/op/tc/model/");

当我使用单独的进程加载模型时，程序失败并出现以下异常：
Code:

static JavaSparkContext jsc ;
    private static Options options;
    static{
        SparkConf conf = new SparkConf().setAppName("TC recommender application");
        conf.set("spark.driver.allowMultipleContexts", "true");
        jsc= new JavaSparkContext(conf);
     }
MatrixFactorizationModel model = MatrixFactorizationModel.load(jsc.sc(),
                "/op/tc/model/");

Exception:

线程“main”java.io.IOException中的异常：org.apache中的org.apache.hadoop.mapred.FileInputFormat.getSplits（FileInputFormat.java:324）中的文件：maprfs：/ op / tc / model / data不是.gark.rdd.HadoopRDD.getPartitions（HadoopRDD.scala：199）atg.apache.spark.rdd.RDD $$ anonfun $ partitions $ 2.apply（RDD.scala：239）at org.apache.spark.rdd.RDD $$ anonfun $在org.apache.spark.rdd.RDD.partitions（RDD.scala：237）的scala.Option.getOrElse（Option.scala：120）处分区$ 2.apply（RDD.scala：237） . aplet.spark.rdd.MapPartitionsRDD.getPartitions（MapPartitionsRDD.scala：35）atg.apache.spark.rdd.RDD $$ anonfun $ partitions $ 2.apply（RDD.scala：239）atg.apache.spark.rdd . RDD $$ anonfun $在org.apache.spark.rdd.RDD.partitions（RDD.scala：237）的scla.Option.getOrElse（Option.scala：120）处分区$ 2.apply（RDD.scala：237） .apache.spark.rdd.MapPartitionsRDD.getPartitions（MapPartitionsRDD.scala：35）atg.apache.spark.rdd.RDD $$ anonfun $ partitions $ 2.apply（RDD.scala：239）org.apache.spark.rdd .RDD $$ anonfun $分区$ 2 .apply（RDD.scala：237）位于org.apache.spark.rdd的org.apache.spark.rdd.RDD.partitions（RDD.scala：237）的scala.Option.getOrElse（Option.scala：120） . 位于org.apache.spark.rdd.RDD上的MapPartitionsRDD.getPartitions（MapPartitionsRDD.scala：35）$$ anonfun $ partitions $ 2.apply（RDD.scala：239）org.apache.spark.rdd.RDD $$ anonfun $ partitions $ 2.apply（RDD.scala：237）位于org.apache.spark.SparkContext的org.apache.spark.rdd.RDD.partitions（RDD.scala：237）的scala.Option.getOrElse（Option.scala：120） .runJob（SparkContext.scala：1952）atg.apache.spark.rdd.RDD $$ anonfun $ aggregate $ 1.apply（RDD.scala：1114）at org.apache.spark.rdd.RDDOperationScope $ .withScope（RDDOperationScope . scala：150）org.apache.spark.rdd.RDDOperationScope $ .withScope（RDDOperationScope.scala：111）位于org.apache.spark的org.apache.spark.rdd.RDD.withScope（RDD.scala：316） . rdd.RDD.aggregate（RDD.scala：1107）org.apache.spark.mll . 位于sun.reflect的sun.reflect.NativeMethodAccessorImpl.invoke0（Native Method）的com.aexp.cxp.recommendation.ProductRecommendationIndividual.main（ProductRecommendationIndividual.java:62）上的.mllib.recommendation.MatrixFactorizationModel.predict（MatrixFactorizationModel.scala：126） .nativeMethodAccessorImpl.invoke（NativeMethodAccessorImpl.java:62）位于org.apache.spark的java.lang.reflect.Method.invoke（Method.java:497）的sun.reflect.DelegatingMethodAccessorImpl.invoke（DelegatingMethodAccessorImpl.java:43） . deploy.SparkSubmit $ .org $ apache $ spark $ deploy $ org.apache.spark.deploy.SparkSubmit $ .doRunMain $ 1（SparkSubmit.scala：181）org.apache上的$ SparkSubmit $$ runMain（SparkSubmit.scala：742） . 在org.apache.spark.deploy.SparkSubmit.main（SparkSubmit . 斯卡拉）

我需要设置加载模型的配置吗？任何建议都会有很大的帮助 .