Platform For AI:非同期推論サービスのデプロイ

非同期推論サービスへのアクセス

デフォルトでは、非同期推論サービスと同じ名前のサービスグループが作成されます。 グループ内のキューサブサービスには、グループのデータ入力があります。 次の表のパスを使用して、キューサブサービスにアクセスできます。 詳細については、「キューサービスへのアクセス」をご参照ください。

非同期推論サービスの管理

非同期推論サービスは、他のサービスと同じ方法で管理できます。 非同期推論サービスのサブサービスは、システムによって管理される。 たとえば、非同期推論サービスを削除すると、キューサブサービスと推論サブサービスも削除されます。 推論サブサービスを更新しても、更新はキューサブサービスに影響しません。 これにより、サービスの可用性が確保されます。

推論サブサービス用に構成したインスタンスに加えて、サブサービスアーキテクチャでは、インスタンスリストにキューサブサービスが表示されます。

非同期推論サービスのインスタンス数は、推論サブサービスインスタンスの数によって異なります。 キューサブサービスインスタンスの数は、推論サブサービスインスタンスの数に基づいて自動的に変更されます。 たとえば、推論サブサービスインスタンスの数を3に増やすと、キューサブサービスインスタンスの数は2に増えます。

2つのサブサービス間で次のルールが有効になります。

• 非同期推論サービスを停止した場合, キューサブサービスおよび推論サブサービスのインスタンス数は0に減少します。 インスタンスリストは空です。

• 推論サブサービスのインスタンス数が1の場合、キューサブサービスのインスタンス数も1になります。 カスタム設定により、キューサブサービスのインスタンス数を変更できます。

• 推論サブサービスのインスタンス数が2を超える場合、キューサブサービスのインスタンス数は2のままです。 カスタム設定により、キューサブサービスのインスタンス数を変更できます。

• 非同期推論サービスの自動スケーリング機能を有効にして、最小インスタンス数を0に設定した場合、推論サブサービスのインスタンス数が0に減少したときにキューサブサービスは1インスタンスを保持します。

キューサブサービスのパラメーター設定

ほとんどの場合、キューサブサービスのデフォルト設定を使用できます。 特別な要件がある場合は、JSONファイルのキューフィールドを変更して、キューサブサービスを設定できます。 サンプルファイル:

{  
  "queue": {
     "sink": {
        "memory_ratio": 0.3
     },
     "source": {
        "auto_evict": true,
     }
 }

以下のセクションでは、特定の設定項目について説明します。

キューサブサービスのリソースの設定

既定では、キューサブサービスのリソースはメタデータフィールドに基づいて設定されます。 リソースの設定を変更するには、次の手順を実行します。

• queue.resourceパラメーターを使用して、サブサービスが使用するリソースグループを指定します。

  {
    "queue": {
      "resource": eas-r-slzkbq4tw0p6xd**** # By default, the resource group of the inference subservice is used. 
    }
  }

  • デフォルトでは、キューサブサービスは推論サブサービスのリソースグループを使用します。

  • パブリックリソースグループを使用してキューサブサービスをデプロイする場合は、resourceパラメーターを空のままにしておくことができます。 この方法は、専用リソースグループのCPUおよびメモリリソースが不足している場合に使用できます。

    説明

    キューサブサービスをデプロイするには、パブリックリソースグループを使用することを推奨します。

• queue. CPUパラメーターとqueue.memoryパラメーターを使用して、各インスタンスのcpuコア数とメモリを指定します。

  {
    "queue": {
       "cpu": 2, # Default value: 1. 
       "memory": 8000 # Default value: 4000. 
    }
  }

  デフォルトでは、キューサブサービス用に1 vCPUと4 GBのメモリを持つインスタンスが作成されます。 ほとんどの場合、この仕様はビジネス要件を満たすことができます。

  重要

  • 推論サブサービスのインスタンス数など、サブスクライバー数が200を超える場合は、CPUコア数を2より大きい値に設定することを推奨します。

  • 運用環境では、小さなメモリサイズを使用しないことを推奨します。

• queue.min_replicaパラメーターを使用して、キューサブサービスインスタンスの最小数を指定します。

  {
    "queue": {
       "min_replica": 3 # Default value: 1. 
    }
  }

  非同期推論サービスを使用する場合、キューサブサービスインスタンスの数は、推論サブサービスのランタイムインスタンスの数に基づいて自動的に調整されます。 インスタンス数の有効値: [1, min(2, number of inference subservice instances)] インスタンス数を0にする非同期推論サービスの自動スケーリングルールを設定すると、システムは自動的にキューサブサービスのインスタンスを1つ保持します。 queue.min_replicaパラメーターを使用して、キューサービスインスタンスの最小数を指定します。

  説明

  キューサブサービスインスタンスの数を増やして、サービスの可用性を向上させることができます。 インスタンス数はサービスのパフォーマンスに影響しません。

キューサブサービス機能の設定

ここでは、キューサブサービスの機能設定について説明します。

• queue.sink.auto_evictまたはqueue.source.auto_evictパラメーターを使用して、出力キューまたは入力キューの自動データ削除を設定します。

  {
    "queue": {
       "sink": {
          "auto_evict": true # Enable automatic eviction for the output queue. Default value: false. 
        },
        "source": {
           "auto_evict": true # Enable automatic eviction for the input queue. Default value: false. 
        }
    }
  }

  デフォルトでは、キューの自動データ削除は無効になっています。 キューがその容量の上限に達すると、データをキューに書き込むことができなくなります。 特定のシナリオでは、自動データ削除を有効にして、キューが最も古いデータを自動的に削除し、新しいデータを書き込むことができます。

• queue.max_deliveryパラメーターを使用して、データ配信の最大数を設定します。

  {
     "queue": {
        "max_delivery": 10 # Set the maximum number of data deliveries to 10. Default value: 5. If you set the value to 0, data can be delivered for an unlimited number of times. 
     }
  }

  1つのデータエントリが配信された回数がこの値を超えると、そのデータは処理不能となり、無効メッセージとして処理されます。 詳細については、「デッドレターポリシー」をご参照ください。

• queue.max_idleパラメーターを使用して、最大データ処理時間を指定します。

  {
      "queue": {
        "max_idle": "1m" # Set the maximum processing time of a single data entry to 1 minute. If the processing time exceeds 1 minute, the data entry is delivered to other subscribers. After the data is delivered, the delivery count increases by one. 
        															# The default value is 0, which specifies that the data processing time has no limit. 
      }
  }

  この例では、パラメーターは1分に設定されています。 時間のh、分のm、秒のsなど、他の単位を指定できます。 1つのデータエントリの処理時間がこのパラメーターの値を超えると、次のような状況が発生する可能性があります。

  • データエントリの配信時間がqueue.max_deliveryパラメータによって指定されたしきい値を超えない場合、データは他のサブスクライバに配信されます。

  • データエントリの配信時間がqueue.max_deliveryパラメーターで指定されたしきい値を超えると、システムはデータに無効文字ポリシーを適用します。

• queue.de ad_message_policyパラメーターを使用して、無効文字ポリシーを設定します。

  {
      "queue": {
        "dead_message_policy": Valid values: Rear and Drop. The value Rear indicates that the data is placed in the tail queue. The value Drop indicates that the data is deleted.  
  																				# Default value: Rear. 
      }
  }

キューの最大長またはデータ量の設定

最大キュー長と最大データ量の関係を次の式に示します。

キューサブサービスインスタンスのメモリは固定されています。 キューの長さは、データエントリのサイズの増加に伴って減少します。

• queue.sink.max_lengthまたはqueue.source.max_lengthパラメーターを使用して、出力キューまたは入力キューの最大長を指定します。

  {
      "queue": {
         "sink": {
            "max_length": 8000 # Set the maximum length of the output queue to 8000 entries. 
         },
         "source": {
            "max_length": 2000 # Set the maximum length of the input queue to 2000 entries. 
         }
      }
  }

• queue.sink.max_payload_size_kbまたはqueue.source.max_payload_size_kbパラメーターを使用して、出力キューまたは入力キュー内の1つのデータエントリの最大データ量を指定します。

  {
      "queue": {
         "sink": {
            "max_payload_size_kb": Set the maximum size of a single data entry in the output queue to 10 KB. Default value: 8 KB. 
         },
         "source": {
            "max_payload_size_kb": 1024 # Set the maximum size of a single data entry in the input queue to 1024KB (1 MB). Default value: 8 KB. 
         }
      }
  }

メモリ割り当ての設定

• queue.sink.memory_ratioパラメーターを使用して、入力キューと出力キューが占有するメモリサイズを調整します。

  {
      "queue": {
         "sink": {
            "memory_ratio": 0.9 # Specify the memory ratio of the output queue. Default value: 0.5. 
         }
      }
  }

  説明

  デフォルトでは、キュー・サブサービス・インスタンスのメモリは、入力キューと出力キューの間で均等に分割されます。 サービスの入力がテキストで、出力が画像であり、出力キューにさらにデータを格納する場合は、queue.sink.memory_ratioパラメーターの値を増やすことができます。 サービスの入力が画像で出力がテキストの場合、queue.sink.memory_ratioパラメータの値を減らすことができます。