Spark MLlib是一种高效、基于内存的分布式机器学习框架，它实现了常用的机器学习算法，如聚类、分类、回归，极大的降低了用户使用分布式机器学习算法的复杂度。相比于传统单机运行的机器学习算法，分布式机器学习算法把计算任务和数据分布到多个计算节点上，在各个计算节点上完成数据处理。从单机到分布式，分布式机器学习算法是否具有很好的扩展性，受到学术界和工业界的广泛关注。本文探究如何对分布式机器学习算法扩展性进行测试，并分析算法扩展性瓶颈及其原因。　　本文对分布式机器学习算法扩展性进行测试与分析，主要研究以下几个方面的问题:首先，设计多维度扩展性测试方法，即通过横向测试方法测试物理资源、计算框架、算法的扩展性;通过混合测试方法测试系统开销;通过纵向测试方法测试物理资源和计算框架瓶颈，同时根据机器学习的不同阶段分别观测算法的数据预处理时间、模型训练时间和模型评估时间。其次，提出基于数据流的瓶颈分析方法。在横向测试、纵向测试以及混合测试的基础上，基于数据流的分析方法分析把算法的多阶段、逻辑DAG图和物理执行计划统一起来，该方法把应用分成不同的阶段，每个阶段包含若干个Job，每一个Job包含若干个Stage，同一个Stage内的Task并行执行。根据算法的理论执行时间复杂度和多维度测试结果，分析算法的扩展性瓶颈及其原因。结合上述方法，本文测试并分析了Spark MLlib上实现的NIPS会议最常讨论的算法，得出了有价值的结论，这些结论包括SVM算法和Logistic regression算法因为使用treeAggregate算子导致模型出现瓶颈、ALS算法因为数据倾斜导致Task调度串行化、Logistic regression算法因RDD的优先位置属性导致Task反序列化（数据预处理）成为算法瓶颈等，对算法和框架的进一步优化和实践应用都有很好的参考和指导意义。