全部产品
Search
文档中心

人工智能平台 PAI:弹性Job服务功能介绍

更新时间:Nov 18, 2024

EAS弹性Job服务支持训练和推理场景。在训练场景中,支持一个实例(Job)内循环执行任务,根据队列长度自动扩缩容。在推理场景中,能感知每个请求的执行进度,做到更公平的任务调度。本文为您介绍如何使用弹性Job服务。

使用场景

训练场景

弹性Job服务用于训练场景:

  • 功能实现:前后端分离架构,支持部署常驻的前端服务与弹性Job服务。

  • 架构优势:前端服务通常资源需求低,价格低廉,常驻前端服务可避免频繁创建前端服务,减少等待时间。后端弹性Job服务支持在一个实例(Job)内循环执行训练任务,避免实例(Job)被反复拉起和释放,提升吞吐效率。同时,后端弹性Job服务会在队列长度过长或过短时自动进行扩缩容,保证资源高效利用。

推理场景

弹性Job服务在模型推理场景中,能感知每个请求的执行进度实现更公平的任务调度

对于响应时间较长的推理服务,建议使用EAS异步推理服务,但异步服务存在以下问题:

  • 队列服务推送请求时不能保证优先推送给空闲的实例,导致资源利用不足。

  • 服务实例缩容时不能保证当前实例退出时内部请求已处理完毕,可能导致请求中断重新调度。

针对这些问题,弹性Job服务进行了优化:

  • 优化订阅逻辑,优先推送请求到空闲实例。实例退出前阻塞等待当前请求处理完毕。

  • 提高扩缩容效率,不同于定期上报机制,队列服务内置监控服务,快速触发扩容,将扩缩容的响应时间从分钟级降低到10秒左右。

基本架构

整体框架由队列服务、HPA控制器和弹性Job服务三部分组成,如下图所示。image.png

实现逻辑如下:

  • 队列服务解耦请求和任务的下发与执行,使一个弹性Job服务可以处理多个不同请求或任务。

  • HPA控制器监听队列服务中待执行的训练任务和请求的数量,实现弹性Job服务实例的弹性伸缩。弹性Job服务自动扩缩容的默认配置如下,更多参数说明,请参见水平自动扩缩容功能

    {
        "behavior":{
            "onZero":{
                "scaleDownGracePeriodSeconds":60    # 缩容到0的生效时间(秒)。
            },
            "scaleDown":{
                "stabilizationWindowSeconds":1    # 缩容的生效时间(秒)。
            }
        },
        "max":10,    # 实例(Job)的最大个数。
        "min":1,     # 实例(Job)的最小个数。
        "strategies":{
            "avg_waiting_length":2    # 每个实例(Job)的平均负载阈值。
        }
    }

服务部署

部署推理服务

类似于创建异步推理服务,参照以下示例内容准备服务配置文件:

{ 
  "containers": [
    {
      "image": "registry-vpc.cn-shanghai.aliyuncs.com/eas/eas-container-deploy-test:202010091755",
      "command": "/data/eas/ENV/bin/python /data/eas/app.py",
      "port": 8000,
    }
  ],
  "metadata": {
    "name": "scalablejob",
    "type": "ScalableJob",
    "rpc.worker_threads": 4,
    "instance": 1,
  }
}

其中,type配置为ScalableJob,推理服务就会以弹性Job服务的形式部署。其他参数配置详情,请参见服务模型所有相关参数说明。关于如何部署推理服务,请参见部署写真相机在线推理服务

服务部署成功后,会自动创建队列服务和弹性Job服务,同时默认启用Autoscaler(水平自动扩缩容)的功能。

部署训练服务

支持集成部署独立部署两种方式。具体的实现逻辑和配置详情说明如下,具体部署方法,请参见部署弹性伸缩的Kohya训练服务

  • 实现逻辑

    image.png

    • 集成部署:EAS除了创建队列服务和弹性Job服务外,还会创建一个前端服务。前端服务主要负责接收用户请求,并将用户请求转发到队列服务中。您可以将前端服务理解成弹性Job服务的客户端。在此模式下,弹性Job服务会被绑定到唯一的前端服务上,此时弹性Job服务只能执行当前前端服务下发的训练任务。

    • 独立部署:独立部署适用于多用户场景,在此模式下弹性Job服务作为公共的后端服务,可以和多个前端服务绑定,每个用户都可以在自己的前端服务下发训练任务,后端Job服务会创建对应的Job实例来执行训练任务,并且每个Job实例可以依次执行不同的训练任务,实现多个用户共享训练资源。不用多次创建训练任务,有效降低使用成本。

  • 配置说明

    在部署弹性Job服务时,您需要提供一个自定义镜像环境(kohya场景可直接使用EAS预置的kohya_ss镜像)。该镜像需包含执行训练任务的所有依赖,只是作为训练任务的执行环境,因此不需要配置启动命令和端口号。如果您需要在训练任务开始前执行一些初始化任务,可以配置初始化命令,EAS会在实例(Job)内部单独创建一个进程来执行初始化任务。如何准备自定义镜像,请参见服务部署:自定义镜像。EAS的预置镜像地址为:eas-registry-vpc.cn-shanghai.cr.aliyuncs.com/pai-eas/kohya_ss:2.2。

    集成部署

    参照下方示例准备服务配置文件,以EAS提供的预置镜像(kohya_ss)为例:

    {
        "containers": [
            {
                "image": "eas-registry-vpc.cn-shanghai.cr.aliyuncs.com/pai-eas/kohya_ss:2.2"
            }
        ],
        "metadata": {
            "cpu": 4,
            "enable_webservice": true,
            "gpu": 1,
            "instance": 1,
            "memory": 15000,
            "name": "kohya_job",
            "type": "ScalableJobService"
        },
        "front_end": {
            "image": "eas-registry-vpc.cn-shanghai.cr.aliyuncs.com/pai-eas/kohya_ss:2.2",
            "port": 8001,
            "script": "python -u kohya_gui.py --listen 0.0.0.0 --server_port 8001 --data-dir /workspace --headless --just-ui --job-service"
        }
    }

    其中关键配置说明如下,其他参数配置说明,请参见服务模型所有相关参数说明

    • type配置为ScalableJobService。

    • 前端服务使用的资源组默认和弹性Job服务相同,系统默认分配的资源为2核CPU和8 GB内存。

      • 参考以下示例自定义配置资源组或资源:

        {
            "front_end": {
              "resource": "",   # 修改前端服务使用专属资源组。
              "cpu": 4,
              "memory": 8000
            }
        }
      • 参考以下示例自定义配置部署的机型:

        {
            "front_end": {
                "instance_type": "ecs.c6.large"
            }
        }

    独立部署

    参照下方示例准备服务配置文件,以EAS提供的预置镜像(kohya_ss)为例:

    {
      "containers": [
        {
          "image": "eas-registry-vpc.cn-shanghai.cr.aliyuncs.com/pai-eas/kohya_ss:2.2"
        }
      ],
      "metadata": {
        "cpu": 4,
        "enable_webservice": true,
        "gpu": 1,
        "instance": 1,
        "memory": 15000,
        "name": "kohya_job",
        "type": "ScalableJob"
      }
    }

    其中,type需要配置为ScalableJob,其他参数配置说明,请参见服务模型所有相关参数说明

    在此模式下,需要用户手动部署前端服务,并在前端服务内部实现请求的代理,将接收到的请求转发到弹性Job服务的队列内部,完成前端服务和后端Job服务的绑定,详情请参见向队列服务发送数据

服务调用

为了区分训练场景和推理场景,在调用弹性Job服务时,需设置taskTypecommandquery来标识。其中:

  • command:用来标识训练服务。

  • query:用来标识推理服务。

调用服务时需显式地指定taskType,示例如下:

  • HTTP调用: 如果是推理服务,Wanted_TaskType替换为query。

    curl http://166233998075****.cn-shanghai.pai-eas.aliyuncs.com/api/predict/scalablejob?taskType={Wanted_TaskType} -H 'Authorization: xxx' -D 'xxx'
  • SDK调用时需要指定tags,通过该参数来配置taskType。下面示例中,如果是推理服务,将 wanted_task_type替换为query。

    # 创建输入队列,用于发送任务或请求。
    queue_client = QueueClient('166233998075****.cn-shanghai.pai-eas.aliyuncs.com', 'scalabejob')
    queue_client.set_token('xxx')
    queue_client.init()
    
    tags = {"taskType": "wanted_task_type"}
    # 向输入队列发送任务或请求。
    index, request_id = inputQueue.put(cmd, tags)

获取结果:

配置日志收集

EAS弹性Job服务提供了enable_write_log_to_queue配置,通过该配置可以将实时日志写入队列。

{
  "scalable_job": {
    "enable_write_log_to_queue": true
  }
}
  • 训练场景:默认开启,实时日志回写到输出队列,您可通过EAS队列服务SDK实时获取训练日志。详情请参见自定义前端服务镜像调用弹性Job服务

  • 推理场景:默认关闭,日志只能通过stdout输出。

相关文档

关于EAS弹性Job服务更详细的使用场景介绍,请参见: