SelanjutnyaPanduan berikutnya
Autoscaling Model Inference on Kubernetes
Teknis
PANDUAN Teknis
KServe dan Penyajian Model di Kubernetes
KServe adalah platform asli Kubernetes yang terstandarisasi untuk menyajikan model pembelajaran mesin dalam skala besar.
Dengarkan panduan iniDiceritakan oleh AI · ~2 min
Di halaman ini2 menit membaca
Ikhtisar
It gives teams a single, declarative way to deploy models with autoscaling, canary rollouts, and scale-to-zero, abstracting away most of the Kubernetes plumbing.
Menyelam Lebih Dalam
Sebelumnya dikenal sebagai KFServing dan lahir dari proyek Kubeflow, KServe mendefinisikan sumber daya khusus InferenceService. Anda menulis file YAML pendek yang menunjuk ke model yang disimpan di penyimpanan objek (S3, GCS, Azure Blob), dan KServe akan menangani sisanya. Ini mendukung inferensi prediktif dan, semakin banyak, penyajian LLM generatif. KServe mengirimkan 'runtime penyajian' yang telah dibuat sebelumnya untuk kerangka kerja umum (TensorFlow Serving, TorchServe, Triton, scikit-learn, XGBoost, Hugging Face) dan mendukung container khusus. Dibangun di atas Knative Serving dan lapisan jaringan (Istio atau serupa), ini menyediakan penskalaan otomatis berdasarkan permintaan termasuk skala-ke-nol yang sebenarnya, sehingga model idle tidak menggunakan komputasi. Ini juga menstandarkan API prediksi seputar Open Inference Protocol, sehingga klien berkomunikasi dengan setiap model dengan cara yang sama, apa pun kerangka kerjanya.
Implementasi Dunia Nyata
Sebuah bank menerapkan model penilaian kredit dengan menulis YAML InferenceService 10 baris yang menunjuk pada model di S3, dengan KServe menangani penskalaan otomatis dan ingress.
Tim e-niaga menggunakan peluncuran canary KServe untuk mengirimkan 10 persen lalu lintas ke model rekomendasi baru, lalu meningkat hingga 100 persen setelah metrik terlihat sehat.
Sebuah laboratorium penelitian menyajikan lusinan model yang jarang digunakan dengan skala hingga nol, sehingga setiap model hanya berputar saat permintaan diterima dan tidak menggunakan GPU saat tidak digunakan.
Tim MLOps menggunakan komponen transformator KServe untuk menjalankan pengubahan ukuran dan normalisasi gambar sebelum prediktor menjalankan model visi yang disajikan Triton.
Masa Depan KServe dan Model Serving di Kubernetes
KServe berkembang pesat menuju AI generatif, menambahkan jalur yang berfokus pada LLM dengan fitur seperti perutean KV-cache-aware, cache model, dan penyajian pra-pengisian/dekode terpilah untuk model bahasa besar. Harapkan integrasi yang lebih mendalam dengan mesin inferensi seperti vLLM, penyajian multi-node yang lebih baik untuk model yang terlalu besar untuk satu GPU, dan perutean tingkat gateway untuk penyeimbangan beban berbasis token. Sebagai proyek inkubasi CNCF, proyek ini secara de facto menjadi standar terbuka untuk menempatkan model di belakang Kubernetes, mempersempit kesenjangan antara artefak penelitian dan titik akhir produksi yang tangguh.
Mempraktikkannya
Mengapa itu penting
- Biaya dan anggaran. Keputusan arsitektur mendorong kinerja dan biaya pengoperasian selama bertahun-tahun.
- Keputusan yang lebih jelas. Pendidikan teknis membantu tim memilih tumpukan yang tepat, bukan hanya yang terbaru.
- Kontrol kualitas. Pilihan teknik yang lebih baik mengurangi insiden keandalan dalam produksi.
Hati-hati
- Mengoptimalkan satu tolok ukur dapat menyembunyikan kelemahan sistem yang lebih luas.
- Biaya infrastruktur dan pemeliharaan sering kali diremehkan.
- Kesenjangan keamanan dan kemampuan observasi dapat tumbuh seiring dengan semakin kompleksnya sistem.
Langkah selanjutnya
- Tentukan target latensi, kualitas, dan biaya sebelum penerapan.
- Tolok ukur dalam kondisi beban dan data yang realistis.
- Pemantauan instrumen untuk kesalahan, penyimpangan, dan dampak pengguna.
- Siapkan jalur rollback dan respons insiden sebelum melakukan penskalaan.
Terus Menjelajah
Buletin gratis
Dapatkan pengarahan AI harian
Tiga cerita AI terverifikasi setiap pagi hari kerja, ditulis dalam bahasa Inggris sederhana. Gratis selamanya, tanpa iklan.
Satu email setiap hari kerja. Berhenti berlangganan dalam satu klik. Kami tidak pernah menjual atau membagikan alamat Anda.
Uji diri Anda sendiri
Take the KServe and Model Serving on Kubernetes quiz
Umpan balik instan untuk setiap jawaban, dan sertifikat yang dapat dibagikan dengan ID yang dapat diverifikasi setelah Anda lulus kursus.
Mendukung pendidikan AI gratis. AI Understanding adalah organisasi nirlaba 501(c)(3) — tanpa iklan, tanpa paywall, selamanya. Berikan sumbangan
Pertanyaan yang sering diajukan
What is KServe and Model Serving on Kubernetes?
KServe adalah platform asli Kubernetes yang terstandarisasi untuk menyajikan model pembelajaran mesin dalam skala besar. Hal ini memberi tim satu cara deklaratif untuk menerapkan model dengan penskalaan otomatis, peluncuran canary, dan skala ke nol, sehingga mengabstraksi sebagian besar pipa Kubernetes.
Apa nama KServe sebelumnya sebelum menjadi proyek mandiri?
KServe berasal dari KFServing dalam proyek Kubeflow sebelum menjadi platform independen.
Apa sumber daya khusus Kubernetes utama yang Anda tetapkan untuk menerapkan model dengan KServe?
Anda mendeklarasikan sumber daya kustom InferenceService, biasanya di YAML, untuk menyebarkan dan mengonfigurasi model yang disajikan.
Kemampuan manakah yang memungkinkan model KServe yang menganggur tidak menggunakan komputasi hingga permintaan tiba?
Dibangun di Knative, KServe mendukung skala ke nol, menurunkan replika ke nol saat tidak ada lalu lintas, dan memulai secara cold-start sesuai permintaan.
Proyek dasar manakah yang menyediakan penskalaan otomatis berbasis permintaan KServe?
KServe dibangun di atas Knative Serving, yang menskalakan replika berdasarkan konkurensi atau tingkat permintaan dan memungkinkan penskalaan ke nol.
Bagaimana KServe biasanya memasukkan artefak model ke dalam pod penyajian saat startup?
Penginisialisasi penyimpanan mengunduh artefak model dari penyimpanan objek (seperti S3 atau GCS) ke dalam pod, memisahkan model dari gambar.
Teruslah belajar
Panduan terkait
Panduan lainnya dipilih untuk topik ini