底层基础部分主要包括向量接口和矩阵接口，这两种接口都会使用Scala语言基于Netlib和BLAS/LAPACK开发的线性代数库Breeze。
MLlib支持本地的密集向量和稀疏向量，并且支持标量向量。
MLlib同时支持本地矩阵和分布式矩阵，支持的分布式矩阵分为RowMatrix、IndexedRowMatrix、CoordinateMatrix等。
关于密集型和稀疏型的向量Vector的示例如下所示。
疏矩阵在含有大量非零元素的向量Vector计算中会节省大量的空间并大幅度提高计算速度，如下图所示。
标量LabledPoint在实际中也被大量使用，例如判断邮件是否为垃圾邮件时就可以使用类似于以下的代码：
可以把表示为1.0的判断为正常邮件，而表示为0.0则作为垃圾邮件来看待。
对于矩阵Matrix而言，本地模式的矩阵如下所示。
分布式矩阵如下所示。
RowMatrix直接通过RDD[Vector]来定义并可以用来统计平均数、方差、协同方差等：