Apache SystemDS 是一个面向端到端数据科学生命周期的开源机器学习系统。它覆盖从数据集成、数据清洗和特征工程，到机器学习模型训练、部署与服务的完整流程。与只聚焦单一建模环节的工具不同，SystemDS 通过一组采用类似 R 语法的声明式语言，面向数据科学生命周期中的不同任务，也面向具有不同专业经验的用户。用户编写的高级脚本会被编译为混合执行计划，在本地内存中的 CPU 与 GPU 操作、以及基于 Apache Spark 的分布式操作之间进行组织。
核心功能
数据集成、清洗与特征工程
SystemDS 将数据集成、数据清洗和特征工程纳入同一个数据科学生命周期中。官网将这些步骤列为模型训练之前的处理环节，说明它并非只提供单独的模型计算能力，而是覆盖从数据准备开始的连续工作流。
机器学习模型训练
系统支持机器学习模型训练，并将训练作为端到端流程中的核心阶段。训练可以通过高级声明式脚本表达，脚本随后会转换为适合执行的计划。
本地 CPU 与 GPU 执行
SystemDS 的执行计划可以包含本地、内存中的 CPU 和 GPU 操作。由此，脚本中的任务能够使用本地计算资源完成相应处理；官网将 CPU 与 GPU 都列为其混合执行计划支持的操作类型。
基于 Apache Spark 的分布式执行
除本地执行外，SystemDS 也支持在 Apache Spark 上进行分布式操作。官网将本地内存计算与 Spark 分布式操作放在同一套混合执行计划中，体现了系统对不同执行方式的组织能力。
声明式语言与 R-like 语法
SystemDS 提供采用 R-like syntax 的声明式语言栈。语言栈面向数据科学生命周期中的不同任务，也面向不同专业程度的用户；用户通过高级脚本描述任务，再由系统编译为执行计划，而不是直接编写底层执行操作。
部署与服务
部署和服务是 SystemDS 所覆盖的生命周期后续阶段。官网将模型训练之后的 deployment and serving 纳入系统定位，因此其产品范围从数据处理和训练延伸到模型的部署与提供服务。
使用方式
官网提供 SystemDS 下载入口，并为新用户提供快速安装指南，用于设置环境并开始使用系统；同时提供文档入口。使用形态上，官网明确说明用户通过高级脚本使用声明式语言，脚本可编译为本地 CPU、GPU 或 Apache Spark 分布式操作组成的执行计划。正文未说明是否需要注册、是否需要自备模型 Key，也未列出额外导入导出方式。
适用人群与场景
SystemDS 面向参与端到端数据科学生命周期的用户。需要处理数据集成、清洗和特征工程，并继续进行机器学习模型训练的用户，可以使用它组织这些阶段；需要在本地 CPU、GPU 与 Apache Spark 分布式环境之间执行数据科学任务的用户，可以使用其混合执行计划；具有不同专业程度的数据科学用户，则可以通过 R-like 声明式语言编写高级脚本。对希望参与项目开发的人，官网提供开发者邮件列表、社区信息和路线图入口。
注意事项
官网正文说明 SystemML 已更名为 SystemDS，原因是产品关注点转向端到端数据科学生命周期。正文未提供具体价格、免费额度、用户规模或性能数字，也未说明注册要求、模型 Key 要求和数据处理限制。
