使用模型服务网格自定义模型运行时 - 服务网格 ASM

当您遇到多模型部署时存在差异化运行时环境需求，或者需要优化模型推理效率、控制资源分配的问题时，可以使用模型服务网格自定义模型运行时，通过精细配置运行环境，确保每个模型都能在最适宜的条件下执行，提升服务质量、降低成本，并简化复杂模型的运维管理工作。本文介绍如何使用ModelMesh Serving自定义模型运行时。

前提条件

已添加集群到ASM实例，且ASM实例版本为1.18.0.134及以上。

功能介绍

ModelMesh默认集成了以下模型服务器运行环境。

模型服务器	开发公司/社区	适用框架	功能特点
Triton Inference Server	NVIDIA	TensorFlow、PyTorch、TensorRT、ONNX等	高性能、可扩展、低延迟推理服务，提供管理和监控工具。
MLServer	Seldon	SKLearn、XGBoost、LightGBM等	统一接口和框架，支持多种框架和高级功能。
OpenVINO Model Server	Intel	OpenVINO、ONNX等	利用英特尔硬件加速技术，支持多种框架。
TorchServe	PyTorch社区	PyTorch（包含eager模式）	轻量级、可扩展的PyTorch模型服务器。

如果以上模型服务器无法满足您的特定要求，例如需要处理推理的自定义逻辑，或者您的模型所需的框架不在上述支持列表中，可以自定义服务运行时来进行扩展支撑。

步骤一：自定义服务运行时

命名空间范围的ServingRuntime和集群范围的ClusterServingRuntime定义为一个或多个特定模型格式提供服务的Pod模板。它们包括了运行时的容器镜像、支持的模型格式列表等关键信息。运行时的其他配置可以通过Spec中的环境变量传递。

ServingRuntime CRD具有较好的灵活性和可扩展性。您可以自定义可重用的运行时，而无需修改ModelMesh控制器代码或控制器命名空间中的其他资源。您可以轻松构建一个自定义运行时，以支持您所需的框架。

要创建自定义的Serving Runtime，您可以构建一个支持所需框架的新容器镜像，然后创建一个使用该镜像的ServingRuntime资源。如果所需运行时的框架使用Python绑定，则特别容易实现。您可以使用MLServer的扩展点来添加额外的框架。MLServer提供了一种服务接口，ModelMesh Serving则作为将其集成为ServingRuntime的桥梁。

构建基于Python的自定义Serving Runtime的步骤如下。

实现一个继承自MLServer的MLModel类。
MLServer可以通过添加MLModel类的实现进行扩展，主要包括load()和predict()两个函数。您可以根据具体需求，在load()函数中加载您的模型，并在predict()函数中执行预测操作。您也可以通过MLServer文档查看MLModel类的实现示例。
将模型类和依赖项打包到一个容器镜像中。
实现模型类之后，您需要将其依赖项（包括MLServer）打包到一个支持ServingRuntime资源的镜像中。MLServer提供了一个有用的辅助程序，可以使用mlserver build命令来构建镜像。具体操作，请参见Building a custom image。

使用该镜像创建新的ServingRuntime资源。

使用以下内容，创建一个新的ServingRuntime资源，并将其指向您刚创建的镜像。

展开查看YAML

apiVersion: serving.kserve.io/v1alpha1
kind: ServingRuntime
metadata:
  name: {{CUSTOM-RUNTIME-NAME}}
spec:
  supportedModelFormats:
    - name: {{MODEL-FORMAT-NAMES}}
      version: "1"
      autoSelect: true
  multiModel: true
  grpcDataEndpoint: port:8001
  grpcEndpoint: port:8085
  containers:
    - name: mlserver
      image: {{CUSTOM-IMAGE-NAME}}
      env:
        - name: MLSERVER_MODELS_DIR
          value: "/models/_mlserver_models/"
        - name: MLSERVER_GRPC_PORT
          value: "8001"
        - name: MLSERVER_HTTP_PORT
          value: "8002"
        - name: MLSERVER_LOAD_MODELS_AT_STARTUP
          value: "false"
        - name: MLSERVER_MODEL_NAME
          value: dummy-model
        - name: MLSERVER_HOST
          value: "127.0.0.1"
        - name: MLSERVER_GRPC_MAX_MESSAGE_LENGTH
          value: "-1"
      resources:
        requests:
          cpu: 500m
          memory: 1Gi
        limits:
          cpu: "5"
          memory: 1Gi
  builtInAdapter:
    serverType: mlserver
    runtimeManagementPort: 8001
    memBufferBytes: 134217728
    modelLoadingTimeoutMillis: 90000

字段	说明
`{{CUSTOM-RUNTIME-NAME}}`	运行时的名称，例如my-model-server-0.x。
`{{MODEL-FORMAT-NAMES}}`	该运行时将支持的模型格式列表，例如支持模型自定义格式my-model。在部署该格式的模型时，ModelMesh会查找这些格式并找到合适的运行时环境。
`{{CUSTOM-IMAGE-NAME}}`	步骤2创建的镜像。

执行以下命令，创建ServingRuntime资源。
```
kubectl apply -f ${实际YAML名称}.yaml
```
创建完成后，您可以在ModelMesh部署中看到新的自定义运行时。

步骤二：部署模型

为了使用新创建的运行时部署模型，您需要创建一个InferenceService资源来提供模型服务。该资源是 KServe和ModelMesh用于管理模型的主要接口，代表了模型在推理中的逻辑端点。

使用以下内容，创建一个InferenceService资源来提供模型服务。
展开查看YAML
```
apiVersion: serving.kserve.io/v1beta1
kind: InferenceService
metadata:
  name: my-model-sample
  namespace: modelmesh-serving
  annotations:
    serving.kserve.io/deploymentMode: ModelMesh
spec:
  predictor:
    model:
      modelFormat:
        name: my-model
      runtime: my-model-server
      storage:
        key: localMinIO
        path: sklearn/mnist-svm.joblib
```
在YAML中，InferenceService命名为my-model-sample，并声明其模型格式为my-model，与之前创建的示例自定义运行时使用相同的格式。同时，还传递了一个可选字段runtime，明确告诉ModelMesh使用my-model-server-0.x运行时来部署此模型。最后，storage字段指向模型所在的位置，本示例使用ModelMesh Serving的快速入门指南部署的localMinIO实例。
执行以下命令，部署InferenceService资源。
```
kubectl apply -f ${实际YAML名称}.yaml
```