兰德指数并不比 NMI 贵，正确实施时为 O(n)。

有大约40个内部评价指标。我相当肯定有几个在运行时不是二次的。只需浏览列表，并为下一个具有相同问题的问题记录您的发现。

Spark 不适合集群。它可以做 k-means 和 GMM，但与其他工具相比，两者都非常慢。他们没有规模。为 Spark 实现 DBSCAN 的尝试更加糟糕。他们被发现返回不正确的结果导致崩溃，并且比单核实现更糟糕，例如 ELKI（更不用说并行 HPC 实现）：

赫尔穆特·纽基兴。针对大数据和高性能计算范式的 DBSCAN 空间聚类实施的调查和性能评估

这不是 Spark 擅长的。并且考虑到它的所有“扩展” - 通常质量非常低 - 你很快就会遇到问题并且不知道应该责备谁以及在哪里解决它们。

确保进行基准测试。