Tiếp theoHướng dẫn tiếp theo
Autoscaling Model Inference on Kubernetes
kỹ thuật
HƯỚNG DẪN KỸ THUẬT
KServe và Model Serve trên Kubernetes
KServe là một nền tảng gốc Kubernetes được tiêu chuẩn hóa để phục vụ các mô hình học máy trên quy mô lớn.
Nghe hướng dẫn nàyAI thuật lại · ~2 min
Trên trang nàyĐọc trong 2 phút
Tổng quan
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.
Lặn sâu
Trước đây gọi là KFServing và ra đời từ dự án Kubeflow, KServe xác định tài nguyên tùy chỉnh InferenceService. Bạn viết một tệp YAML ngắn trỏ đến một mô hình được lưu trữ trong bộ lưu trữ đối tượng (S3, GCS, Azure Blob) và KServe sẽ xử lý phần còn lại. Nó hỗ trợ cả suy luận dự đoán và ngày càng phục vụ LLM tổng quát. KServe cung cấp 'thời gian chạy phân phối' được xây dựng sẵn cho các khung phổ biến (TensorFlow Serve, TorchServe, Triton, scikit-learn, XGBoost, Hugging Face) và hỗ trợ các vùng chứa tùy chỉnh. Được xây dựng dựa trên Knative Serve và lớp mạng (Istio hoặc tương tự), nó cung cấp khả năng tự động điều chỉnh theo yêu cầu bao gồm cả tỷ lệ thực về 0, do đó các mô hình nhàn rỗi không tiêu tốn điện toán. Nó cũng tiêu chuẩn hóa API dự đoán xung quanh Giao thức suy luận mở, do đó, khách hàng giao tiếp với mọi mô hình theo cùng một cách bất kể khung.
Triển khai trong thế giới thực
Một ngân hàng triển khai mô hình chấm điểm tín dụng bằng cách viết YAML InferenceService 10 dòng trỏ vào mô hình trong S3, với KServe xử lý việc tự động tính toán quy mô và xâm nhập.
Một nhóm thương mại điện tử sử dụng triển khai canary KServe để gửi 10 phần trăm lưu lượng truy cập đến mô hình đề xuất mới, sau đó tăng lên 100 phần trăm khi số liệu có vẻ ổn định.
Phòng thí nghiệm nghiên cứu phục vụ hàng chục mô hình hiếm khi được sử dụng với tỷ lệ từ 0, do đó, mỗi mô hình chỉ hoạt động khi có yêu cầu đến và không tiêu tốn GPU khi không hoạt động.
Nhóm MLOps sử dụng thành phần biến áp KServe để chạy thay đổi kích thước và chuẩn hóa hình ảnh trước khi bộ dự đoán chạy mô hình tầm nhìn do Triton cung cấp.
Tương lai của KServe và Mô hình phục vụ trên Kubernetes
KServe đang nhanh chóng phát triển theo hướng AI tổng quát, bổ sung thêm lộ trình tập trung vào LLM với các tính năng như định tuyến nhận biết bộ nhớ đệm KV, bộ đệm mô hình và phân phát điền trước/giải mã phân tách cho các mô hình ngôn ngữ lớn. Mong đợi sự tích hợp sâu hơn với các công cụ suy luận như vLLM, phân phối nhiều nút tốt hơn cho các mô hình quá lớn đối với một GPU và định tuyến cấp cổng để cân bằng tải dựa trên mã thông báo. Là một dự án ươm tạo CNCF, nó đang trở thành tiêu chuẩn mở trên thực tế để đưa các mô hình đằng sau Kubernetes, thu hẹp khoảng cách giữa các tạo phẩm nghiên cứu và các điểm cuối sản xuất linh hoạt.
Đưa nó vào thực tế
Tại sao nó quan trọng
- 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.
coi chừng
- 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.
Các bước tiếp theo
- 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
Bản tin miễn phí
Nhận bản tóm tắt AI hàng ngày
Ba câu chuyện AI đã được xác minh vào mỗi buổi sáng các ngày trong tuần, được viết bằng tiếng Anh đơn giản. Miễn phí mãi mãi, không có quảng cáo.
Một email mỗi ngày trong tuần. Hủy đăng ký trong một cú nhấp chuột. Chúng tôi không bao giờ bán hoặc chia sẻ địa chỉ của bạn.
Tự kiểm tra
Take the KServe and Model Serving on Kubernetes quiz
Phản hồi tức thì về mọi câu trả lời và chứng chỉ có thể chia sẻ với ID có thể xác minh sau khi bạn vượt qua khóa học.
Hỗ trợ giáo dục AI miễn phí. AI Understanding là tổ chức phi lợi nhuận 501(c)(3) — không bao giờ có quảng cáo, không có tường phí. Hãy quyên góp
Câu hỏi thường gặp
What is KServe and Model Serving on Kubernetes?
KServe là một nền tảng gốc Kubernetes được tiêu chuẩn hóa để phục vụ các mô hình học máy trên quy mô lớn. Nó cung cấp cho các nhóm một cách khai báo duy nhất để triển khai các mô hình với khả năng tự động thay đổi quy mô, triển khai canary và mở rộng quy mô về 0, loại bỏ hầu hết hệ thống ống nước Kubernetes.
Tên trước đây của KServe trước khi nó trở thành một dự án độc lập là gì?
KServe có nguồn gốc là KFServing trong dự án Kubeflow trước khi trở thành một nền tảng độc lập.
Tài nguyên tùy chỉnh Kubernetes chính mà bạn xác định để triển khai mô hình với KServe là gì?
Bạn khai báo tài nguyên tùy chỉnh InferenceService, thường là trong YAML, để triển khai và định cấu hình mô hình được cung cấp.
Khả năng nào cho phép các mô hình KServe nhàn rỗi không cần tính toán cho đến khi có yêu cầu?
Được xây dựng trên Knative, KServe hỗ trợ mở rộng quy mô về 0, giảm các bản sao xuống 0 khi không có lưu lượng truy cập và khởi động nguội theo yêu cầu.
Dự án cơ bản nào cung cấp khả năng tự động điều chỉnh quy mô theo yêu cầu của KServe?
KServe xây dựng trên Knative Serve, có khả năng chia tỷ lệ các bản sao dựa trên tốc độ xử lý đồng thời hoặc yêu cầu và cho phép mở rộng quy mô về 0.
KServe thường đưa các tạo phẩm mô hình vào nhóm phân phát khi khởi động bằng cách nào?
Trình khởi tạo bộ nhớ tải các thành phần lạ của mô hình từ bộ lưu trữ đối tượng (như S3 hoặc GCS) vào nhóm, tách các mô hình khỏi hình ảnh.
Tiếp tục học hỏi
Hướng dẫn liên quan
Đã chọn thêm hướng dẫn cho chủ đề này