À suivreGuide suivant
Inférence de modèle de mise à l'échelle automatique sur Kubernetes
Technique
GUIDE Technique
KServe et Model Serving sur Kubernetes
KServe est une plateforme standardisée et native de Kubernetes permettant de servir des modèles d'apprentissage automatique à grande échelle.
Écoutez ce guideNarré par l'IA · ~2 min
Sur cette page2 minutes de lecture
Aperçu
Il offre aux équipes un moyen unique et déclaratif de déployer des modèles avec mise à l'échelle automatique, déploiements Canary et mise à l'échelle jusqu'à zéro, éliminant ainsi la majeure partie de la plomberie Kubernetes.
Plongée profonde
Formerly known as KFServing and born from the Kubeflow project, KServe defines an InferenceService custom resource. You write a short YAML file pointing at a model stored in object storage (S3, GCS, Azure Blob), and KServe handles the rest. It supports both predictive inference and, increasingly, generative LLM serving. KServe fournit des « environnements d'exécution de service » prédéfinis pour les frameworks courants (TensorFlow Serving, TorchServe, Triton, scikit-learn, XGBoost, Hugging Face) et prend en charge les conteneurs personnalisés. Construit sur Knative Serving et une couche réseau (Istio ou similaire), il fournit une mise à l'échelle automatique basée sur les requêtes, y compris une véritable mise à l'échelle jusqu'à zéro, de sorte que les modèles inactifs ne consomment aucun calcul. It also standardizes the prediction API around the Open Inference Protocol, so clients talk to every model the same way regardless of framework.
Mise en œuvre dans le monde réel
Une banque déploie un modèle de notation de crédit en écrivant un YAML InferenceService de 10 lignes pointant vers le modèle dans S3, avec KServe gérant la mise à l'échelle automatique et l'entrée.
Une équipe de commerce électronique utilise les déploiements KServe Canary pour envoyer 10 % du trafic vers un nouveau modèle de recommandation, puis passe à 100 % une fois que les mesures semblent saines.
Un laboratoire de recherche gère des dizaines de modèles rarement utilisés avec une mise à l'échelle jusqu'à zéro, de sorte que chaque modèle ne démarre que lorsqu'une demande arrive et ne consomme aucun GPU lorsqu'il est inactif.
Une équipe MLOps utilise un composant de transformateur KServe pour exécuter le redimensionnement et la normalisation de l'image avant que le prédicteur n'exécute un modèle de vision servi par Triton.
L'avenir de KServe et du Model Serving sur Kubernetes
KServe évolue rapidement vers l'IA générative, en ajoutant une piste axée sur le LLM avec des fonctionnalités telles que le routage prenant en compte le cache KV, la mise en cache des modèles et le service de pré-remplissage/décodage désagrégé pour les grands modèles de langage. Attendez-vous à une intégration plus approfondie avec des moteurs d'inférence tels que vLLM, à un meilleur service multi-nœuds pour les modèles trop volumineux pour un seul GPU et à un routage au niveau de la passerelle pour l'équilibrage de charge basé sur des jetons. En tant que projet incubateur du CNCF, il devient de facto le standard ouvert pour mettre des modèles derrière Kubernetes, réduisant ainsi l'écart entre les artefacts de recherche et les points finaux de production résilients.
Le mettre en pratique
Pourquoi c'est important
- Coût et budget. Les décisions en matière d'architecture déterminent les performances et les coûts d'exploitation pendant des années.
- Décisions plus claires. La formation technique aide les équipes à choisir la bonne pile, pas seulement la plus récente.
- Contrôle qualité. De meilleurs choix d’ingénierie réduisent les incidents de fiabilité en production.
Attention à
- L’optimisation d’un benchmark peut masquer des faiblesses plus larges du système.
- Les coûts d’infrastructure et de maintenance sont souvent sous-estimés.
- Les lacunes en matière de sécurité et d’observabilité peuvent se creuser à mesure que les systèmes deviennent plus complexes.
Prochaines étapes
- Définissez les objectifs de latence, de qualité et de coût avant la mise en œuvre.
- Benchmark dans des conditions de charge et de données réalistes.
- Surveillance des instruments pour détecter les erreurs, la dérive et l'impact sur l'utilisateur.
- Préparez les chemins de restauration et de réponse aux incidents avant la mise à l’échelle.
Continuez à explorer
Newsletter gratuite
Recevez le briefing quotidien sur l'IA
Trois histoires d'IA vérifiées chaque matin de la semaine, écrites dans un anglais simple. Gratuit pour toujours, sans publicité.
Un e-mail chaque jour de la semaine. Désabonnez-vous en un clic. Nous ne vendons ni ne partageons jamais votre adresse.
Testez-vous
Take the KServe and Model Serving on Kubernetes quiz
Commentaires instantanés sur chaque réponse et un certificat partageable avec une pièce d'identité vérifiable une fois que vous avez réussi un cours.
Soutenez l’enseignement gratuit de l’IA. AI Understanding est une organisation à but non lucratif 501(c)(3) : pas de publicité, pas de paywall, jamais. Faire un don
Questions fréquemment posées
Qu'est-ce que KServe et Model Serving sur Kubernetes ?
KServe is a standardized, Kubernetes-native platform for serving machine learning models at scale. Il offre aux équipes un moyen unique et déclaratif de déployer des modèles avec mise à l'échelle automatique, déploiements Canary et mise à l'échelle jusqu'à zéro, éliminant ainsi la majeure partie de la plomberie Kubernetes.
Quel était l'ancien nom de KServe avant qu'il ne devienne un projet autonome ?
KServe est né sous le nom de KFServing au sein du projet Kubeflow avant de devenir une plateforme indépendante.
Quelle est la principale ressource personnalisée Kubernetes que vous définissez pour déployer un modèle avec KServe ?
Vous déclarez une ressource personnalisée InferenceService, généralement en YAML, pour déployer et configurer un modèle servi.
Quelle fonctionnalité permet aux modèles KServe inactifs de consommer zéro calcul jusqu'à l'arrivée d'une requête ?
Construit sur Knative, KServe prend en charge la mise à l'échelle jusqu'à zéro, en ramenant les répliques à zéro lorsqu'il n'y a pas de trafic et en démarrant à froid à la demande.
Quel projet sous-jacent fournit la mise à l'échelle automatique basée sur les requêtes de KServe ?
KServe s'appuie sur Knative Serving, qui met à l'échelle les réplicas en fonction de la concurrence ou du taux de requêtes et permet une mise à l'échelle jusqu'à zéro.
Comment KServe obtient-il généralement les artefacts de modèle dans un pod de service au démarrage ?
Les initialiseurs de stockage téléchargent les artefacts de modèle depuis le stockage d'objets (comme S3 ou GCS) dans le pod, dissociant ainsi les modèles de l'image.
Continuez à apprendre
Guides associés
Plus de guides sélectionnés pour ce sujet