Luồng khí Apache cho luồng công việc ML
Apache Airflow là một nền tảng nguồn mở để soạn thảo, lập lịch và giám sát quy trình công việc dưới dạng mã.
Tổng quan
In machine learning it acts as the conductor that triggers data pipelines, retraining jobs, and batch predictions on a reliable schedule.
Lặn sâu
Airflow được tạo ra tại Airbnb vào năm 2014 và hiện là một dự án của Apache. Bản tóm tắt trung tâm của nó là DAG: Biểu đồ tuần hoàn có hướng của các tác vụ được xác định bằng Python, trong đó các cạnh đặt thứ tự thực hiện và các phần phụ thuộc. Bộ lập lịch phân tích các DAG này, quyết định nhiệm vụ nào đã sẵn sàng và gửi chúng cho người thực thi và nhân viên; giao diện người dùng web hiển thị lịch sử chạy, nhật ký và trạng thái tác vụ. Đối với ML, Airflow được sử dụng rộng rãi như một công cụ điều phối thay vì một công cụ tính toán: nó không tự đào tạo các mô hình mà kích hoạt các bước như trích xuất dữ liệu, xác thực dữ liệu, bắt đầu công việc đào tạo trên Spark hoặc nhóm Kubernetes và triển khai kết quả. Toán tử và cảm biến cho phép tác vụ gọi hệ thống bên ngoài, chờ tệp hoặc chạy vùng chứa. Điểm mạnh của nó là lập kế hoạch, thử lại, chèn lấp đáng tin cậy và khả năng hiển thị rõ ràng về các quy trình phức tạp, dựa trên thời gian.
Hiểu biết kỹ thuật
Airflow DAG chỉ là mã Python, do đó các phần phụ thuộc được thể hiện theo chương trình với các toán tử được xâu chuỗi bằng cú pháp bitshift hoặc API tác vụ. Bộ lập lịch liên tục đánh giá khoảng thời gian trong lịch trình của mỗi DAG và các phần phụ thuộc của nhiệm vụ, chỉ xếp hàng các nhiệm vụ có phần phụ thuộc ngược dòng đã thành công. Các trình thực thi như Celery hoặc Kubernetes chạy các nhiệm vụ đó trên các nhân viên phân tán. Mỗi lần chạy tác vụ được theo dõi bằng trạng thái, nhật ký và logic thử lại, đồng thời siêu dữ liệu được lưu trữ trong cơ sở dữ liệu hỗ trợ để có thể kiểm tra đầy đủ.
Tác động chiến lược
Chi phí và ngân sách
Các quyết định về kiến trúc sẽ thúc đẩy hiệu suất và chi phí vận hành trong nhiều năm.
Quyết định rõ ràng hơn
Giáo dục kỹ thuật giúp các nhóm chọn nhóm phù hợp chứ không chỉ nhóm mới nhất.
Kiểm soát chất lượng
Lựa chọn kỹ thuật tốt hơn làm giảm sự cố về độ tin cậy trong sản xuất.
Tương lai của luồng không khí Apache cho luồng công việc ML
Airflow 2.x và 3.x nhấn mạnh vào bộ lập lịch nhanh hơn, API TaskFlow cho các quy trình Python sạch hơn và lập lịch nhận biết dữ liệu trong đó DAG kích hoạt các bản cập nhật tập dữ liệu thay vì đồng hồ cố định. Đối với ML, hãy mong đợi sự kết hợp chặt chẽ hơn với các cửa hàng tính năng và đào tạo lại theo sự kiện. Airflow ngày càng tự định vị mình là lớp điều phối điều phối các công cụ chuyên dụng như dbt, Spark và Kubeflow, thay vì cạnh tranh với chúng, củng cố vai trò của nó như là xương sống lập kế hoạch của dữ liệu hiện đại và ngăn xếp ML.
Triển khai trong thế giới thực
Một công ty truyền thông chạy Airflow DAG hàng ngày để lấy nhật ký tương tác của người dùng, đào tạo lại mô hình đề xuất và làm mới bộ nhớ đệm cung cấp.
Nhóm thương mại điện tử sử dụng cảm biến để chờ tệp dữ liệu của nhà cung cấp được đưa vào bộ lưu trữ đám mây trước khi khởi chạy nhiệm vụ dự báo tiếp theo.
Một công ty fintech lên lịch các công việc chấm điểm hàng loạt hàng giờ trong đó Airflow kích hoạt mô hình được đóng gói trong container để gắn cờ các giao dịch đáng ngờ.
Nhóm dữ liệu sử dụng tính năng chèn lấp của Airflow để xử lý lại dữ liệu lịch sử hàng tháng thông qua quy trình kỹ thuật tính năng mới sau khi thay đổi logic.
Rủi ro & lan can
Tối ưu hóa một điểm chuẩn có thể che giấu những điểm yếu của hệ thống rộng hơn.
Chi phí cơ sở hạ tầng và bảo trì thường được đánh giá thấp.
Khoảng cách về bảo mật và khả năng quan sát có thể tăng lên khi hệ thống trở nên phức tạp hơn.
Lộ trình thực hiện
Xác định các mục tiêu về độ trễ, chất lượng và chi phí trước khi triển khai.
Điểm chuẩn trong điều kiện tải và dữ liệu thực tế.
Giám sát thiết bị về lỗi, độ lệch và tác động của người dùng.
Chuẩn bị đường dẫn khôi phục và ứng phó sự cố trước khi mở rộng quy mô.
Tiếp tục khám phá
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Apache Airflow for ML Workflows quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Hướng dẫn tiếp theo
Kubernetes cho khối lượng công việc ML
Câu hỏi thường gặp
What is Apache Airflow for ML Workflows?
Apache Airflow là một nền tảng nguồn mở để soạn thảo, lập lịch và giám sát quy trình làm việc dưới dạng mã. Trong học máy, nó đóng vai trò là người dẫn đường kích hoạt các đường dẫn dữ liệu, đào tạo lại công việc và dự đoán hàng loạt theo một lịch trình đáng tin cậy.
Trong Apache Airflow, tính trừu tượng cốt lõi được sử dụng để xác định quy trình làm việc là gì?
Luồng công việc luồng không khí được định nghĩa là DAG trong Python, trong đó nhiệm vụ là các nút và các cạnh xác định thứ tự thực hiện.
Luồng khí thường đóng vai trò gì nhất trong đường ống ML?
Airflow là một bộ điều phối: nó kích hoạt và điều phối các bước như công việc đào tạo và trích xuất dữ liệu thay vì tự mình thực hiện các công việc tính toán nặng nề.
Cấu trúc Airflow nào được sử dụng để chờ một điều kiện bên ngoài, chẳng hạn như tệp đến nơi lưu trữ?
Cảm biến là các toán tử đặc biệt giúp tạm dừng quy trình làm việc cho đến khi đáp ứng một điều kiện, chẳng hạn như đích đến của tệp hoặc phân vùng xuất hiện.
'Chèn lấp' luồng không khí cho phép bạn làm gì?
Tính năng chèn lấp thực thi DAG trong các khoảng thời gian trước đây, hữu ích cho việc xử lý lại lịch sử sau khi thay đổi logic quy trình.
Thành phần nào liên tục đánh giá DAG và quyết định tác vụ nào sẵn sàng chạy?
Bộ lập lịch phân tích DAG, kiểm tra các khoảng thời gian và sự phụ thuộc trong lịch trình, đồng thời xếp hàng các nhiệm vụ có các bước ngược dòng đã thành công.