NastępnyNastępny poradnik
Autoscaling Model Inference on Kubernetes
Techniczne
PRZEWODNIK techniczny
KServe i modelowanie w Kubernetesie
KServe to ustandaryzowana platforma natywna dla Kubernetes, służąca do udostępniania modeli uczenia maszynowego na dużą skalę.
Posłuchaj tego przewodnikaOpowiadane przez sztuczną inteligencję · ~2 min
Na tej stronie2 minuty czytania
Przegląd
Daje zespołom pojedynczy, deklaratywny sposób wdrażania modeli z automatycznym skalowaniem, wdrażaniem kanarkowym i skalowaniem do zera, eliminując większość instalacji Kubernetes.
Głębokie nurkowanie
Znany wcześniej jako KFServing i zrodzony z projektu Kubeflow, KServe definiuje niestandardowy zasób InferenceService. Piszesz krótki plik YAML wskazujący na model przechowywany w magazynie obiektowym (S3, GCS, Azure Blob), a KServe zajmuje się resztą. Obsługuje zarówno wnioskowanie predykcyjne, jak i, w coraz większym stopniu, generatywną obsługę LLM. KServe dostarcza gotowe „środowiska wykonawcze” dla popularnych frameworków (TensorFlow Serving, TorchServe, Triton, scikit-learn, XGBoost, Hugging Face) i obsługuje niestandardowe kontenery. Zbudowany na bazie Knative Serving i warstwy sieciowej (Istio lub podobnej), zapewnia automatyczne skalowanie na podstawie żądań, w tym rzeczywiste skalowanie do zera, dzięki czemu bezczynne modele nie zużywają mocy obliczeniowej. Standaryzuje także interfejs API przewidywania wokół protokołu Open Inference Protocol, dzięki czemu klienci komunikują się z każdym modelem w ten sam sposób, niezależnie od platformy.
Implementacja w świecie rzeczywistym
Bank wdraża model scoringu kredytowego, pisząc 10-liniowy kod YAML InferenceService wskazujący na model w S3, przy czym KServe obsługuje automatyczne skalowanie i ruch przychodzący.
Zespół ds. handlu elektronicznego korzysta z wdrożeń KServe Canary, aby skierować 10 procent ruchu do nowego modelu rekomendacji, a następnie zwiększa się do 100 procent, gdy metryki wyglądają dobrze.
Laboratorium badawcze udostępnia dziesiątki rzadko używanych modeli ze skalą do zera, więc każdy model uruchamia się tylko wtedy, gdy nadejdzie żądanie i nie zużywa procesora graficznego w stanie bezczynności.
Zespół MLOps używa komponentu transformatora KServe do zmiany rozmiaru i normalizacji obrazu, zanim predyktor uruchomi model widzenia obsługiwany przez Triton.
Przyszłość KServe i udostępniania modeli na Kubernetesie
KServe szybko ewoluuje w kierunku generatywnej sztucznej inteligencji, dodając ścieżkę skupioną na LLM z funkcjami takimi jak routing uwzględniający pamięć podręczną KV, buforowanie modeli i zdezagregowane udostępnianie wstępnego wypełniania/dekodowania dla dużych modeli językowych. Oczekuj głębszej integracji z silnikami wnioskowania, takimi jak vLLM, lepszej obsługi wielu węzłów w przypadku modeli zbyt dużych dla jednego procesora graficznego oraz routingu na poziomie bramy w celu równoważenia obciążenia w oparciu o tokeny. Jako projekt inkubujący CNCF staje się de facto otwartym standardem umieszczania modeli za Kubernetesem, zmniejszając lukę między artefaktami badawczymi a odpornymi punktami końcowymi produkcji.
Wdrażanie tego w praktykę
Dlaczego to ma znaczenie
- Koszt i budżet. Decyzje dotyczące architektury wpływają na wydajność i koszty operacyjne przez lata.
- Jaśniejsze decyzje. Edukacja techniczna pomaga zespołom wybrać odpowiedni stos, a nie tylko najnowszy.
- Kontrola jakości. Lepsze wybory inżynieryjne zmniejszają liczbę incydentów związanych z niezawodnością w produkcji.
Uważaj na
- Optymalizacja jednego testu porównawczego może ukryć szersze słabości systemu.
- Koszty infrastruktury i utrzymania są często niedoszacowane.
- W miarę jak systemy stają się coraz bardziej złożone, luki w bezpieczeństwie i obserwowalności mogą się zwiększać.
Kolejne kroki
- Przed wdrożeniem zdefiniuj docelowe opóźnienia, jakość i koszty.
- Test porównawczy w realistycznych warunkach obciążenia i danych.
- Monitorowanie przyrządu pod kątem błędów, dryftu i wpływu użytkownika.
- Przed skalowaniem przygotuj ścieżki wycofywania zmian i reakcji na incydenty.
Odkrywaj dalej
Darmowy newsletter
Otrzymuj codzienne podsumowanie AI
Trzy zweryfikowane historie AI każdego poranka w dni robocze, napisane prostym angielskim. Bezpłatne na zawsze, bez reklam.
Jedno e‑mail każdego dnia roboczego. Wypisz się jednym kliknięciem. Nigdy nie sprzedajemy ani nie udostępniamy Twojego adresu.
Sprawdź się
Take the KServe and Model Serving on Kubernetes quiz
Natychmiastowa informacja zwrotna na każde pytanie oraz udostępnialny certyfikat z weryfikowalnym ID po zaliczeniu kursu.
Wspieraj darmową edukację AI. AI Understanding jest organizacją non-profit 501(c)(3) — bez reklam, bez płatnej ściany, zawsze. Przekaż darowiznę
Często zadawane pytania
Co to jest KServe i modelowanie w Kubernetesie?
KServe to ustandaryzowana platforma natywna dla Kubernetes, służąca do udostępniania modeli uczenia maszynowego na dużą skalę. Daje zespołom pojedynczy, deklaratywny sposób wdrażania modeli z automatycznym skalowaniem, wdrażaniem kanarkowym i skalowaniem do zera, eliminując większość instalacji Kubernetes.
Jak poprzednio nazywał się KServe, zanim stał się samodzielnym projektem?
KServe powstało jako KFServing w ramach projektu Kubeflow, zanim stało się niezależną platformą.
Jaki jest podstawowy niestandardowy zasób Kubernetes, który definiujesz w celu wdrożenia modelu za pomocą KServe?
Deklarujesz niestandardowy zasób InferenceService, zwykle w formacie YAML, w celu wdrożenia i skonfigurowania obsługiwanego modelu.
Która funkcja pozwala bezczynnym modelom KServe zużywać zero mocy obliczeniowej do momentu otrzymania żądania?
Zbudowany na Knative, KServe obsługuje skalowanie do zera, zrzucanie replik do zera, gdy nie ma ruchu i zimny start na żądanie.
Który projekt bazowy zapewnia automatyczne skalowanie KServe oparte na żądaniach?
KServe opiera się na Knative Serving, który skaluje repliki w oparciu o współbieżność lub liczbę żądań i umożliwia skalowanie do zera.
W jaki sposób KServe zazwyczaj pobiera artefakty modelu do modułu obsługującego przy uruchomieniu?
Inicjatory magazynu pobierają artefakty modelu z magazynu obiektowego (takiego jak S3 lub GCS) do zasobnika, oddzielając modele od obrazu.
Ucz się dalej
Powiązane przewodniki
Wybrano więcej przewodników na ten temat