Container Service for Kubernetes:ACKでモデルをすばやくデプロイする

手順1: 推論サービスのデプロイ

1. 次のコマンドを実行して、Arenaを使用してカスタムサービスをデプロイします。 サービスの名前はmodelscopeで、バージョンはv1です。

   アプリケーションが起動すると、ModelScopeからqwen/Qwen1.5-4B-Chatという名前のモデルがダウンロードされます。 他のモデルをダウンロードするには、MODEL_IDブートパラメーターを変更します。 DASHSCOPE_API_KEY環境変数を設定して、ModelScope SDKで使用されるトークンを設定できます。

   重要

   モデルはポッドにダウンロードされます。 ポッドをホストするGPU高速化ノードに、少なくとも30 GBの空きディスク領域があることを確認します。

   arena serve custom \
       --name=modelscope \
       --version=v1 \
       --gpus=1 \
       --replicas=1 \
       --restful-port=8000 \
       --readiness-probe-action="tcpSocket" \
       --readiness-probe-action-option="port: 8000" \
       --readiness-probe-option="initialDelaySeconds: 30" \
       --readiness-probe-option="periodSeconds: 30" \
       --image=kube-ai-registry.cn-shanghai.cr.aliyuncs.com/kube-ai/modelscope:v1 \
       "MODEL_ID=qwen/Qwen1.5-4B-Chat python3 server.py"

   下表に、各パラメーターを説明します。

   パラメーター	説明
   -- name	推論サービスの名前。
   -- version	推論サービスのバージョン。
   -- gpus	各推論サービスレプリカのGPUの数。
   -- レプリカ	推論サービスレプリカの数。
   -- 安らかポート	公開する推論サービスのポート。
   -- 準備-プローブ-アクション	準備プローブの接続タイプ。 有効な値: HttpGet、Exec、gRPC、およびTCPSocket。
   -- readiness-probe-action-option	準備プローブの接続方法。
   -- readiness-probe-option	準備完了プローブの設定。
   -- イメージ	推論サービスイメージのアドレス。

   期待される出力:

   service/modelscope-v1 created
   deployment.apps/modelscope-v1-custom-serving created
   INFO[0002] The Job modelscope has been submitted successfully
   INFO[0002] You can run `arena serve get modelscope --type custom-serving -n default` to check the job status

   を確認できます。

   出力は、modelscope-v1モデルに関連するKubernetesリソースが作成されたことを示します。

2. 次のコマンドを実行して、推論サービスの詳細を照会します。

   モデルのダウンロードには時間がかかります。 推論サービスの詳細を表示するには、サービスがデプロイされてから約10分待ちます。

   arena serve get modelscope

   期待される出力:

   Name:       modelscope
   Namespace:  default
   Type:       Custom
   Version:    v1
   Desired:    1
   Available:  1
   Age:        10m
   Address:    172.16.XX.XX
   Port:       RESTFUL:8000
   GPU:        1
   
   Instances:
     NAME                                           STATUS   AGE  READY  RESTARTS  GPU  NODE
     ----                                           ------   ---  -----  --------  ---  ----
     modelscope-v1-custom-serving-5bb85d6555-2p6z9  Running  10m  1/1    0         1    cn-beijing.192.168.XX.XX

   出力は、modelscope推論サービスがデプロイされ、リクエストを受け入れる準備ができていることを示します。 モデルおよびサービス環境は、GPU高速化ノードにデプロイされています。

手順2: 推論サービスの検証

1. 次のコマンドを実行して、推論サービスとローカル環境間のポート転送を設定します。

   重要

   kubectl Port-forwardを使用して設定されたポート転送は、運用環境では信頼性、安全性、拡張性がありません。 開発とデバッグ用のみです。 本番環境では、このコマンドを使用してポート転送を設定しないでください。 ACKクラスターの運用に使用されるネットワークソリューションの詳細については、「Ingressの概要」をご参照ください。

   kubectl port-forward svc/modelscope-v1 8000:8000

   期待される出力:

   Forwarding from 127.0.0.1:8088 -> 8000
   Forwarding from [::1]:8088 -> 8000

   からの転送

2. 次のコマンドを実行して、modelscope推論サービスにリクエストを送信します。

   curl -XPOST http://localhost:8000/generate -H "Content-Type: application/json"  -d '{"text_input": "What is AI? AI is", "parameters": {"stream": false, "temperature": 0.9, "seed": 10}}'

   期待される出力:

   {"model_name":"/root/.cache/modelscope/hub/qwen/Qwen1___5-4B-Chat","text_output":"What is AI? AI is technology that enables computers and machines to simulate human intelligence and problem-solving capabilities."}

   出力は、モデルがAIの定義を提供できることを示します。

(オプション) 手順3: 推論サービスのクリア

リソースが不要になった場合は、次のコマンドを実行して推論サービスを削除します。

arena serve del modelscope

手順1: 推論サービスのデプロイ

1. ポッドがHuggingFaceリポジトリにアクセスできることを確認してください。

2. 次のコマンドを実行して、Arenaを使用してカスタムサービスをデプロイします。 サービスの名前はhuggingfaceで、バージョンはv1です。

   この例では、MODEL_SOURCE環境変数は、HuggingFaceという名前のモデルリポジトリを指定するように設定されています。 アプリケーションが起動すると、HuggingFaceからqwen/Qwen1.5-4B-Chatという名前のモデルがダウンロードされます。 他のHuggingFaceモデルをダウンロードするには、MODEL_IDブートパラメーターを変更します。 HUGGINGFACE_TOKEN環境変数を設定して、HUGGINGFACEへのアクセスに使用されるトークンを設定できます。

   重要

   モデルはポッドにダウンロードされます。 ポッドをホストするGPU高速化ノードに、少なくとも30 GBの空きディスク領域があることを確認します。

   arena serve custom \
       --name=huggingface \
       --version=v1 \
       --gpus=1 \
       --replicas=1 \
       --restful-port=8000 \
       --readiness-probe-action="tcpSocket" \
       --readiness-probe-action-option="port: 8000" \
       --readiness-probe-option="initialDelaySeconds: 30" \
       --readiness-probe-option="periodSeconds: 30" \
       --image=kube-ai-registry.cn-shanghai.cr.aliyuncs.com/kube-ai/modelscope:v1 \
       "MODEL_ID=Qwen/Qwen1.5-4B-Chat MODEL_SOURCE=Huggingface python3 server.py"

   下表に、各パラメーターを説明します。

   パラメーター	説明
   -- name	推論サービスの名前。
   -- version	推論サービスのバージョン。
   -- gpus	各推論サービスレプリカのGPUの数。
   -- レプリカ	推論サービスレプリカの数。
   -- 安らかポート	公開する推論サービスのポート。
   -- 準備-プローブ-アクション	準備プローブの接続タイプ。 有効な値: HttpGet、Exec、gRPC、およびTCPSocket。
   -- readiness-probe-action-option	準備プローブの接続方法。
   -- readiness-probe-option	準備完了プローブの設定。
   -- イメージ	推論サービスイメージのアドレス。

   期待される出力:

   service/huggingface-v1 created
   deployment.apps/huggingface-v1-custom-serving created
   INFO[0003] The Job huggingface has been submitted successfully 
   INFO[0003] You can run `arena serve get huggingface --type custom-serving -n default` to check the job status 

   を確認できます。

   出力は、推論サービスがデプロイされていることを示します。

3. 次のコマンドを実行して、推論サービスの詳細を照会します。

   モデルのダウンロードには時間がかかります。 推論サービスの詳細を表示するには、サービスがデプロイされてから約10分待ちます。

   arena serve get huggingface

   期待される出力:

   Name:       huggingface
   Namespace:  default
   Type:       Custom
   Version:    v1
   Desired:    1
   Available:  0
   Age:        1h
   Address:    172.16.XX.XX
   Port:       RESTFUL:8000
   GPU:        1
   
   Instances:
     NAME                                           STATUS   AGE  READY  RESTARTS  GPU  NODE
     ----                                           ------   ---  -----  --------  ---  ----
     huggingface-v1-custom-serving-dcf6cf6c8-2lqzr  Running  1h   1/1    0         1    cn-beijing.192.168.XX.XX

   出力は、ポッド (huggingface-v1-custom-serving-dcf6cf6c8-2lqzr) が推論サービスにデプロイされ、サービスを提供する準備ができていることを示します。

手順2: 推論サービスの検証

1. 次のコマンドを実行して、推論サービスとローカル環境間のポート転送を設定します。

   重要

   kubectl Port-forwardを使用して設定されたポート転送は、運用環境では信頼性、安全性、拡張性がありません。 開発とデバッグ用のみです。 本番環境では、このコマンドを使用してポート転送を設定しないでください。 ACKクラスターの運用に使用されるネットワークソリューションの詳細については、「Ingressの概要」をご参照ください。

   kubectl port-forward svc/huggingface-v1 8000:8000

   期待される出力:

   Forwarding from 127.0.0.1:8088 -> 8000
   Forwarding from [::1]:8088 -> 8000

   からの転送

2. 次のコマンドを実行して、HuggingFace推論サービスにリクエストを送信します。

   curl -XPOST http://localhost:8000/generate -H "Content-Type: application/json"  -d '{"text_input": "What is AI? AI is", "parameters": {"stream": false, "temperature": 0.9, "seed": 10}}'

   期待される出力:

   {"model_name":"Qwen/Qwen1.5-4B-Chat","text_output":"What is AI? AI is a branch of computer science that seeks to create machines to simulate human intelligence."}

   出力は、モデルがAIの定義を提供できることを示します。

(オプション) 手順3: 推論サービスのクリア

リソースが不要になった場合は、次のコマンドを実行して推論サービスを削除します。

arena serve del huggingface

手順2: 推論サービスのデプロイ

1. 次のコマンドを実行して、Arenaを使用してカスタムサービスをデプロイします。 サービスの名前はlocal-modelです。

   -- dataパラメーターは、llm-modelという名前の既存の永続ボリュームクレーム (PVC) を /model/Qwen1.5-4B-Chatディレクトリにマウントします。 アプリケーションの起動後、/model/Qwen1.5-4B-Chatディレクトリからモデルが読み込まれます。 別のローカルモデルを読み込むには、MODEL_IDパラメーターを変更します。

   arena serve custom \
       --name=local-model \
       --version=v1 \
       --gpus=1 \
       --replicas=1 \
       --restful-port=8000 \
       --readiness-probe-action="tcpSocket" \
       --readiness-probe-action-option="port: 8000" \
       --readiness-probe-option="initialDelaySeconds: 30" \
       --readiness-probe-option="periodSeconds: 30" \
       --data=llm-model:/model/Qwen1.5-4B-Chat \
       --image=kube-ai-registry.cn-shanghai.cr.aliyuncs.com/kube-ai/modelscope:v1 \
       "MODEL_ID=/model/Qwen1.5-4B-Chat python3 server.py"

   下表に、各パラメーターを説明します。

   パラメーター	説明
   -- name	推論サービスの名前。
   -- version	推論サービスのバージョン。
   -- gpus	各推論サービスレプリカのGPUの数。
   -- レプリカ	推論サービスレプリカの数。
   -- 安らかポート	公開する推論サービスのポート。
   -- 準備-プローブ-アクション	準備プローブの接続タイプ。 有効な値: HttpGet、Exec、gRPC、およびTCPSocket。
   -- readiness-probe-action-option	準備プローブの接続方法。
   -- readiness-probe-option	準備完了プローブの設定。
   -- データ	共有PVCをランタイム環境にマウントします。 値は、コロン (:) で区切られた2つの部分で構成されます。 コロンの左側にあるPVCの名前を指定します。 arena data listコマンドを実行して、クラスター内の既存のPVCのリストを照会できます。 コロンの右側にあるランタイム環境を指定します。 トレーニングデータまたはモデルのローカルパスを指定することもできます。 これにより、スクリプトは指定されたPVのデータまたはモデルにアクセスできます。
   -- イメージ	推論サービスイメージのアドレス。

   期待される出力:

   service/local-model-v1 created
   deployment.apps/local-model-v1-custom-serving created
   INFO[0001] The Job local-model has been submitted successfully
   INFO[0001] You can run `arena serve get local-model --type custom-serving -n default` to check the job status

   を確認できます。

   出力は、推論サービスがデプロイされていることを示します。

2. 次のコマンドを実行して、推論サービスの詳細を照会します。

   モデルのダウンロードには時間がかかります。 推論サービスの詳細を表示するには、サービスがデプロイされてから約10分待ちます。

   arena serve get local-model

   期待される出力:

   Name:       local-model
   Namespace:  default
   Type:       Custom
   Version:    v1
   Desired:    1
   Available:  1
   Age:        1m
   Address:    172.16.XX.XX
   Port:       RESTFUL:8000
   GPU:        1
   
   Instances:
     NAME                                            STATUS   AGE  READY  RESTARTS  GPU  NODE
     ----                                            ------   ---  -----  --------  ---  ----
     local-model-v1-custom-serving-8458fb6cf6-6mvzp  Running  1m   1/1    0         1    cn-beijing.192.168.XX.XX

   出力は、ポッド (local-model-v1-custom-serving-8458fb6cf6-6mvzp) が推論サービスにデプロイされ、サービスを提供する準備ができていることを示します。

手順3: 推論サービスの検証

1. 次のコマンドを実行して、推論サービスとローカル環境間のポート転送を設定します。

   重要

   kubectl Port-forwardを使用して設定されたポート転送は、運用環境では信頼性、安全性、拡張性がありません。 開発とデバッグ用のみです。 本番環境では、このコマンドを使用してポート転送を設定しないでください。 ACKクラスターの運用に使用されるネットワークソリューションの詳細については、「Ingressの概要」をご参照ください。

   kubectl port-forward svc/local-model-v1 8000:8000

   期待される出力:

   Forwarding from 127.0.0.1:8088 -> 8000
   Forwarding from [::1]:8088 -> 8000

   からの転送

2. 次のコマンドを実行して、ローカルモデル推論サービスにリクエストを送信します。

   curl -XPOST http://localhost:8000/generate -H "Content-Type: application/json"  -d '{"text_input": "What is AI? AI is", "parameters": {"stream": false, "temperature": 0.9, "seed": 10}}'

   期待される出力:

   {"model_name":"/model/Qwen1.5-4B-Chat","text_output":"What is AI? AI is a branch of computer science that studies how to make computers intelligent."}

   出力は、モデルがAIの定義を提供できることを示します。

(オプション) ステップ4: 環境をクリアする

リソースが不要になった場合は、すぐに環境をクリアしてください。

• 次のコマンドを実行して、推論サービスを削除します。

  arena serve del local-model

• 次のコマンドを実行して、PVとPVCを削除します。

  kubectl delete pvc llm-model
  kubectl delete pv llm-model