當您需要同時運行多個機器學習模型並進行推理時,可以使用模型服務網格部署和管理多模型推理服務。模型服務網格基於KServe ModelMesh實現,針對大容量、高密度和頻繁變化的模型用例進行了最佳化,可以智能地將模型載入到記憶體中或從記憶體中卸載,以在響應性和計算之間取得平衡,簡化多模型推理服務的部署和營運,提高推理效率和效能。
前提條件
已添加叢集到ASM執行個體,且ASM執行個體版本為1.18.0.134及以上。
已為叢集添加入口網關。具體操作,請參見建立入口網關。
本文使用ASM入口網關作為叢集網關,網關名稱為預設的ingressgateway,開放8008連接埠,協議為HTTP。
功能介紹
模型服務網格提供了以下功能:
功能 | 說明 |
緩衝管理 |
|
智能放置和載入 |
|
彈性 | 失敗的模型載入會在不同的Pod中自動重試。 |
操作簡便性 | 自動和無縫地處理滾動模型更新。 |
步驟一:在ASM中開啟ModelMesh功能
登入ASM控制台,在左側導覽列,選擇 。
在網格管理頁面,單擊目標執行個體名稱,然後在左側導覽列,選擇 。
在KServe on ASM頁面,單擊安裝模型服務網格, 開啟ModelMesh功能。
注意:KServe依賴於CertManager,安裝KServe會自動安裝CertManager組件。如需使用自建CertManager,請關閉在叢集中自動安裝CertManager組件。
等待幾分鐘就緒之後, 在ACK叢集對應的KubeConfig環境下,執行以下命令,確認ServingRuntime資源是否可用。
kubectl get servingruntimes -n modelmesh-serving
預期輸出:
NAME DISABLED MODELTYPE CONTAINERS AGE mlserver-1.x sklearn mlserver 1m ovms-1.x openvino_ir ovms 1m torchserve-0.x pytorch-mar torchserve 1m triton-2.x keras triton 1m
ServingRuntime定義為一個或多個特定模型格式提供服務的Pod模板,根據部署的模型的架構,會自動提供相應的Pod。
目前預設包含的運行時及支援的模型格式如下。詳細資料,請參見supported-model-formats。如果這些模型伺服器不能滿足您的所有特定要求,可以自訂模型運行時。具體操作,請參見使用模型服務網格自訂模型運行時。
模型服務運行時
支援的模型架構
mlserver-1.x
sklearn、xgboost、lightgbm
ovms-1.x
openvino_ir、onnx
torchserve-0.x
pytorch-mar
triton-2.x
tensorflow、pytorch、onnx、tensorrt
步驟二:配置ASM環境
從Kubernetes叢集同步命名空間到ASM中, 具體操作,請參見從資料平面叢集同步自動注入標籤至ASM執行個體。 同步之後, 確認命名空間modelmesh-serving已經存在。
建立入口網關規則。
使用以下內容,建立grpc-gateway.yaml。
在ASM叢集(執行個體)對應的KubeConfig環境下,執行以下命令,建立網關規則。
kubectl apply -f grpc-gateway.yaml
建立虛擬服務。
使用以下內容,建立vs-modelmesh-serving-service.yaml。
在ASM叢集(執行個體)對應的KubeConfig環境下,執行以下命令,建立虛擬服務。
kubectl apply -f vs-modelmesh-serving-service.yaml
配置gRPCJSON轉碼器。
使用以下內容,建立grpcjsontranscoder-for-kservepredictv2.yaml。
apiVersion: istio.alibabacloud.com/v1beta1 kind: ASMGrpcJsonTranscoder metadata: name: grpcjsontranscoder-for-kservepredictv2 namespace: istio-system spec: builtinProtoDescriptor: kserve_predict_v2 isGateway: true portNumber: 8008 workloadSelector: labels: istio: ingressgateway
在ASM叢集(執行個體)對應的KubeConfig環境下,執行以下命令,部署gRPC-Json-Transcoder。
kubectl apply -f grpcjsontranscoder-for-kservepredictv2.yaml
使用以下內容,建立grpcjsontranscoder-increasebufferlimit.yaml,設定
per_connection_buffer_limit_bytes
,以提升響應的大小。在ASM叢集(執行個體)對應的KubeConfig環境下,執行以下命令,部署EnvoyFilter。
kubectl apply -f grpcjsontranscoder-increasebufferlimit.yaml
步驟三:部署模型樣本
建立儲存類StorageClass。更多資訊,請參見使用NAS動態儲存裝置卷。
登入Container Service管理主控台,在左側導覽列選擇叢集。
在叢集列表頁面,單擊目的地組群名稱,然後在左側導覽列,選擇 。
在儲存類頁面右上方,單擊建立,配置如下資訊,然後建立。
建立儲存聲明PVC。
使用以下內容,建立儲存聲明my-models-pvc.yaml。
apiVersion: v1 kind: PersistentVolumeClaim metadata: name: my-models-pvc namespace: modelmesh-serving spec: accessModes: - ReadWriteMany resources: requests: storage: 1Gi storageClassName: alibabacloud-cnfs-nas volumeMode: Filesystem
在ACK叢集對應的KubeConfig環境下,執行以下命令,建立儲存聲明。
kubectl apply -f my-models-pvc.yaml
執行以下命令,查看modelmesh-serving命名空間下的PVC。
kubectl get pvc -n modelmesh-serving
預期輸出:
NAME STATUS VOLUME CAPACITY ACCESS MODES STORAGECLASS AGE my-models-pvc Bound nas-379c32e1-c0ef-43f3-8277-9eb4606b53f8 1Gi RWX alibabacloud-cnfs-nas 2h
建立Pod以訪問PVC。
為了使用新的PVC,需要將其作為卷安裝到Kubernetes Pod,然後使用該Pod將模型檔案上傳到持久卷。
使用以下內容,建立pvc-access.yaml。
以下YAML表示建立一個pvc-access Pod,並要求Kubernetes控制器通過指定
“my-models-pvc”
來聲明之前請求的PVC。apiVersion: v1 kind: Pod metadata: name: "pvc-access" spec: containers: - name: main image: ubuntu command: ["/bin/sh", "-ec", "sleep 10000"] volumeMounts: - name: "my-pvc" mountPath: "/mnt/models" volumes: - name: "my-pvc" persistentVolumeClaim: claimName: "my-models-pvc"
在ACK叢集對應的KubeConfig環境下,執行以下命令,建立Pod。
kubectl apply -n modelmesh-serving -f pvc-access.yaml
確認pvc-access Pod處於運行狀態。
kubectl get pods -n modelmesh-serving | grep pvc-access
預期輸出:
pvc-access 1/1 Running 0 51m
將模型儲存在持久卷上。
將AI模型添加到儲存卷中。本文將使用scikit-learn訓練的MNIST手寫數字字元識別模型。您可以從kserve/modelmesh-minio-examples倉庫下載mnist-svm.joblib模型檔案的副本。
在ACK叢集對應的KubeConfig環境下,執行以下命令,將mnist-svm.joblib模型檔案複製到pvc-access Pod的
/mnt/models
檔案夾中。kubectl -n modelmesh-serving cp mnist-svm.joblib pvc-access:/mnt/models/
執行以下命令,確認Model已經載入成功。
kubectl -n modelmesh-serving exec -it pvc-access -- ls -alr /mnt/models/
預期輸出:
-rw-r--r-- 1 501 staff 344817 Oct 30 11:23 mnist-svm.joblib
部署推理服務。
使用以下內容,建立sklearn-mnist.yaml。
在ACK叢集對應的KubeConfig環境下,執行以下命令,部署sklearn-mnist推理服務。
kubectl apply -f sklearn-mnist.yaml
等待幾十秒後(時間取決於鏡像拉取速度),執行以下命令,查看sklearn-mnist推理服務是否部署成功。
kubectl get isvc -n modelmesh-serving
預期輸出:
NAME URL READY sklearn-mnist grpc://modelmesh-serving.modelmesh-serving:8033 True
運行推理服務。
使用
curl
命令發送推理請求到sklearn-mnist模型。資料數組表示待分類的數位影像掃描中64個像素的灰階值。MODEL_NAME="sklearn-mnist" ASM_GW_IP="ASM網關IP地址" curl -X POST -k "http://${ASM_GW_IP}:8008/v2/models/${MODEL_NAME}/infer" -d '{"inputs": [{"name": "predict", "shape": [1, 64], "datatype": "FP32", "contents": {"fp32_contents": [0.0, 0.0, 1.0, 11.0, 14.0, 15.0, 3.0, 0.0, 0.0, 1.0, 13.0, 16.0, 12.0, 16.0, 8.0, 0.0, 0.0, 8.0, 16.0, 4.0, 6.0, 16.0, 5.0, 0.0, 0.0, 5.0, 15.0, 11.0, 13.0, 14.0, 0.0, 0.0, 0.0, 0.0, 2.0, 12.0, 16.0, 13.0, 0.0, 0.0, 0.0, 0.0, 0.0, 13.0, 16.0, 16.0, 6.0, 0.0, 0.0, 0.0, 0.0, 16.0, 16.0, 16.0, 7.0, 0.0, 0.0, 0.0, 0.0, 11.0, 13.0, 12.0, 1.0, 0.0]}}]}'
JSON響應如下,表示推斷掃描的數字是
8
。{ "modelName": "sklearn-mnist__isvc-3c10c62d34", "outputs": [ { "name": "predict", "datatype": "INT64", "shape": [ "1", "1" ], "contents": { "int64Contents": [ "8" ] } } ] }
相關文檔
當您遇到多模型部署時存在差異化運行時環境需求,或者需要最佳化模型推理效率、控制資源分派的問題時,可以使用模型服務網格自訂模型運行時,通過精細配置運行環境,確保每個模型都能在最適宜的條件下執行。具體操作,請參見使用模型服務網格自訂模型運行時。
當您需要處理大量自然語言資料或希望建立複雜的語言理解系統時,可以將大語言模型轉化為推理服務。具體操作,請參見將大語言模型轉化為推理服務。
當您的Pod在運行時出現異常,請參見Pod異常問題排查。