Tổng quan
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.
KServe và Model Serve trên Kubernetes là một khối xây dựng kỹ thuật ảnh hưởng đến chất lượng mô hình, chi phí cơ sở hạ tầng, độ trễ và độ tin cậy trên quy mô lớn.
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.
Hiểu biết kỹ thuật
Tính năng tự động điều chỉnh quy mô của KServe dựa trên Knative, tính năng này chia tỷ lệ số lượng bản sao dựa trên sự đồng thời hoặc số yêu cầu mỗi giây và có thể giảm xuống 0 bản sao khi lưu lượng dừng, sau đó khởi động nguội theo yêu cầu. InferenceService trừu tượng hóa một đường dẫn suy luận đầy đủ thành các thành phần dự đoán, máy biến áp (tiền xử lý/hậu xử lý) và bộ giải thích. Các mô hình tải từ bộ lưu trữ đối tượng thông qua 'bộ khởi tạo bộ nhớ' để kéo các thành phần lạ vào nhóm khi khởi động, tách bộ nhớ mô hình khỏi hình ảnh vùng chứa phân phát.
Làm chủ 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. 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. KServe và Model Serve trên Kubernetes là một khối xây dựng kỹ thuật ảnh hưởng đến chất lượng mô hình, chi phí cơ sở hạ tầng, độ trễ và độ tin cậy trên quy mô lớn. Để xây dựng sự hiểu biết sâu sắc, hãy coi KServe và Model Serve trên Kubernetes như một mô hình vận hành chứ không phải một tính năng duy nhất: xác định kết quả mong muốn, làm rõ các giả định và tách biệt những gì hệ thống có thể thực hiện một cách đáng tin cậy với những gì vẫn cần đến sự đánh giá của chuyên gia.
Trong thực tế, các nhóm mạnh sử dụng KServe và Model Serve trên Kubernetes sẽ tối ưu hóa các lựa chọn về kiến trúc, dữ liệu và cơ sở hạ tầng dựa trên độ tin cậy và chi phí. Họ ghi lại các tiêu chí thành công rõ ràng, kiểm tra dựa trên dữ liệu và quy trình làm việc thực tế, đồng thời lặp lại dựa trên các kiểu thất bại được quan sát thay vì chiến thắng điểm chuẩn một lần. Đây là nơi sự hiểu biết về mặt lý thuyết biến thành khả năng bền vững trên toàn bộ sản phẩm, chính sách và hoạt động.
Các quyết định về kiến trúc sẽ thúc đẩy hiệu suất và chi phí vận hành trong nhiều năm. Đồng thời, Tối ưu hóa một điểm chuẩn có thể che giấu những điểm yếu lớn hơn của hệ thống. Cách tiếp cận linh hoạt nhất là kết hợp tốc độ thử nghiệm với kỷ luật quản trị: chạy thử nghiệm, thu thập bằng chứng, xuất bản nhật ký quyết định và liên tục cập nhật các biện pháp bảo vệ khi hành vi của mô hình, kỳ vọng của người dùng và các yêu cầu pháp lý phát triển.
Tác động chiến lược
Các quyết định về kiến trúc sẽ thúc đẩy hiệu suất và chi phí vận hành trong nhiều năm.
Các quyết định về kiến trúc sẽ thúc đẩy hiệu suất và chi phí vận hành trong nhiều năm. Trong quá trình triển khai chất lượng cao, điều này được chuyển thành các quy tắc vận hành, ranh giới quyền sở hữu và quy trình đánh giá định kỳ có thể đo lường được để các nhóm có thể mở rộng quy mô một cách tự tin thay vì mở rộng quy mô sự mơ hồ.
Giáo dục kỹ thuật giúp các nhóm chọn nhóm phù hợp chứ không chỉ nhóm mới nhất.
Giáo dục kỹ thuật giúp các nhóm chọn nhóm phù hợp chứ không chỉ nhóm mới nhất. Trong quá trình triển khai chất lượng cao, điều này được chuyển thành các quy tắc vận hành, ranh giới quyền sở hữu và quy trình đánh giá định kỳ có thể đo lường được để các nhóm có thể mở rộng quy mô một cách tự tin thay vì mở rộng quy mô sự mơ hồ.
Lựa chọn kỹ thuật tốt hơn làm giảm sự cố về độ tin cậy trong sản xuất.
Lựa chọn kỹ thuật tốt hơn làm giảm sự cố về độ tin cậy trong sản xuất. Trong quá trình triển khai chất lượng cao, điều này được chuyển thành các quy tắc vận hành, ranh giới quyền sở hữu và quy trình đánh giá định kỳ có thể đo lường được để các nhóm có thể mở rộng quy mô một cách tự tin thay vì mở rộng quy mô sự mơ hồ.
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 chia tỷ lệ 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.
Các mẫu triển khai
KServe và Model Serve trên Kubernetes trong thực tế
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 chia tỷ lệ và xâm nhập.
Một ngân hàng triển khai mô hình chấm điểm tín dụng bằng cách viết YAML InferenceService 10 dòng chỉ vào mô hình trong S3, với KServe xử lý việc tự động mở rộng quy mô và xâm nhập. Các nhóm thường nhận được kết quả tốt hơn khi họ xác định trước các ngưỡng chất lượng, duy trì lộ trình leo thang của con người đối với các trường hợp khó khăn và theo dõi cả mức tăng năng suất và chi phí lỗi theo thời gian.
KServe và Model Serve trên Kubernetes trong thực tế
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.
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. Các nhóm thường nhận được kết quả tốt hơn khi họ xác định trước ngưỡng chất lượng, duy trì lộ trình leo thang của con người đối với các trường hợp khó khăn và theo dõi cả mức tăng năng suất và chi phí lỗi theo thời gian.
KServe và Model Serve trên Kubernetes trong thực tế
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.
Phòng thí nghiệm nghiên cứu phục vụ hàng chục mô hình hiếm khi được sử dụng với tỷ lệ từ 0 đến 0, do đó, mỗi mô hình chỉ hoạt động khi có yêu cầu đến và không tiêu tốn GPU trong khi các Nhóm nhàn rỗi thường nhận được kết quả tốt hơn khi họ xác định trước ngưỡng chất lượng, duy trì lộ trình leo thang của con người đối với các trường hợp khó khăn và theo dõi cả mức tăng năng suất và chi phí lỗi theo thời gian.
KServe và Model Serve trên Kubernetes trong thực tế
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.
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. Các nhóm thường nhận được kết quả tốt hơn khi họ xác định trước ngưỡng chất lượng, duy trì lộ trình leo thang của con người đối với các trường hợp phức tạp và theo dõi cả mức tăng năng suất và chi phí lỗi theo thời gian.
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.
Xác định các mục tiêu về độ trễ, chất lượng và chi phí trước khi triển khai. Hãy coi mỗi bước như một cổng bằng chứng: nếu không đáp ứng được các tiêu chí, hãy tạm dừng triển khai, thu hẹp khoảng cách và chỉ sau đó mới mở rộng mức sử dụng.
Điểm chuẩn trong điều kiện tải và dữ liệu thực tế.
Điểm chuẩn trong điều kiện tải và dữ liệu thực tế. Hãy coi mỗi bước như một cổng bằng chứng: nếu không đáp ứng được các tiêu chí, hãy tạm dừng triển khai, thu hẹp khoảng cách và chỉ sau đó mới mở rộng mức sử dụng.
Giám sát thiết bị về lỗi, độ lệch và tác động của người dùng.
Giám sát thiết bị về lỗi, độ lệch và tác động của người dùng. Hãy coi mỗi bước như một cổng bằng chứng: nếu không đáp ứng được các tiêu chí, hãy tạm dừng triển khai, thu hẹp khoảng cách và chỉ sau đó mới mở rộng mức sử dụng.
Chuẩn bị đường dẫn khôi phục và ứng phó sự cố trước khi mở rộng quy mô.
Chuẩn bị đường dẫn khôi phục và ứng phó sự cố trước khi mở rộng quy mô. Hãy coi mỗi bước như một cổng bằng chứng: nếu không đáp ứng được các tiêu chí, hãy tạm dừng triển khai, thu hẹp khoảng cách và chỉ sau đó mới mở rộng mức sử dụng.