Endpoint per l'inferenza nell'ambiente di produzione
SI APPLICA A:Estensione ml dell'interfaccia della riga di comando di Azure v2 (corrente)Python SDK azure-ai-ml v2 (corrente)
Dopo aver eseguito il training di modelli o pipeline di Machine Learning, è necessario distribuirli nell'ambiente di produzione in modo che altri utenti possano usarli per l'inferenza. L'inferenza è il processo di applicazione di nuovi dati di input a un modello o a una pipeline di Machine Learning per generare output. Anche se questi output vengono in genere definiti "previsioni", l'inferenza può essere usata per generare output per altre attività di Machine Learning, come la classificazione e il clustering. In Azure Machine Learning, si esegue l'inferenza usando endpoint e distribuzioni. Gli endpoint e le distribuzioni consentono di separare l'interfaccia del carico di lavoro di produzione dall'implementazione che lo serve.
Intuizione
Si supponga di lavorare su un'applicazione che prevede il tipo e il colore di un'auto, data la foto. Per questa applicazione, un utente con determinate credenziali effettua una richiesta HTTP a un URL e fornisce un'immagine di un'automobile come parte della richiesta. In cambio, l'utente ottiene una risposta che include il tipo e il colore dell'auto come valori stringa. In questo scenario, l'URL funge da endpoint.
Si supponga inoltre che una scienziata dei dati, Martina, stia lavorando all'implementazione dell'applicazione. Martina conosce bene TensorFlow e decide di implementare il modello usando un classificatore sequenziale Keras con un'architettura RestNet dall'hub TensorFlow. Dopo averlo testato, Martina è soddisfatta dei risultati e decide di usare il modello per risolvere il problema di previsione dell'auto. Il modello è di grandi dimensioni e richiede 8 GB di memoria con 4 core per essere eseguito. In questo scenario, il modello e le risorse di Martina, ad esempio il codice e il calcolo, necessari per eseguire il modello costituiscono una distribuzione sotto l'endpoint.
Infine, si supponga che dopo un paio di mesi l'organizzazione scopra che l'applicazione ha prestazioni scarse sulle immagini con condizioni di illuminazione non ideali. Luca, un altro scienziato dei dati, conosce molte tecniche di aumento dei dati che consentono a un modello di creare affidabilità su tale fattore. Tuttavia, Luca preferisce usare Torch per implementare il modello ed esegue il training di un nuovo modello con Torch. Luca vuole provare gradualmente questo modello nella produzione fino a quando l'organizzazione non è pronta a ritirare il vecchio modello. Il nuovo modello mostra anche prestazioni migliori durante la distribuzione in GPU, quindi la distribuzione deve includerne una. In questo scenario, il modello e le risorse di Luca, ad esempio il codice e il calcolo, necessari per eseguire il modello costituiscono un'altra distribuzione sotto lo stesso endpoint.
Endpoint e distribuzioni
Un endpoint è un URL stabile e durevole che può essere usato per richiedere o richiamare un modello. Vengono forniti gli input necessari per l'endpoint e vengono restituiti gli output. Un endpoint fornisce:
- un URL stabile e durevole (ad esempio endpoint-name.region.inference.ml.azure.com),
- un meccanismo di autenticazione e
- un meccanismo di autorizzazione.
Una distribuzione è un set di risorse e ambienti di calcolo necessari per ospitare il modello o un componente che esegue l'inferenza effettiva. Un singolo endpoint può contenere più distribuzioni. Tali distribuzioni possono ospitare asset indipendenti e utilizzare risorse diverse in base alle esigenze degli asset. Gli endpoint dispongono di un meccanismo di routing che può indirizzare le richieste a distribuzioni specifiche nell'endpoint.
Per funzionare correttamente, ciascun endpoint deve avere almeno una distribuzione. Gli endpoint e le distribuzioni sono risorse indipendenti di Azure Resource Manager visualizzate nel portale di Azure.
Endpoint online e batch
Azure Machine Learning consente di implementare endpoint online e endpoint batch. Gli endpoint online sono progettati per l'inferenza in tempo reale: quando si richiama l'endpoint, i risultati vengono restituiti nella risposta dell'endpoint. Gli endpoint batch, d'altra parte, sono progettati per l'inferenza batch a esecuzione prolungata. Ogni volta che si richiama un endpoint batch si genera un processo batch che esegue il lavoro effettivo.
Quando usare l'endpoint online o batch per il caso d'uso
Usare gli endpoint online per rendere operativi i modelli per l'inferenza in tempo reale nelle richieste sincrone a bassa latenza. È consigliabile usarli quando:
- Si dispone di requisiti di bassa latenza.
- Il modello può rispondere alla richiesta in un periodo di tempo relativamente breve.
- Gli input del modello si adattano al payload HTTP della richiesta.
- È necessario aumentare le prestazioni in termini di numero di richieste.
Usare endpoint batch per rendere operativi modelli o pipeline per l'inferenza asincrona a esecuzione prolungata. È consigliabile usarli quando:
- Si dispone di modelli o pipeline dispendiosi che richiedono tempi di esecuzione più lunghi.
- Si vogliono rendere operative le pipeline di Machine Learning e riutilizzare i componenti.
- È necessario eseguire l'inferenza su grandi quantità di dati, distribuiti in più file.
- Non si dispone di requisiti di bassa latenza.
- Gli input del modello vengono archiviati in un account di archiviazione o in un asset di dati di Azure Machine Learning.
- È possibile sfruttare la parallelizzazione.
Confronto tra endpoint online e batch
Sia gli endpoint online che gli endpoint batch si basano sull'idea degli endpoint e delle distribuzioni, che consentono di passare facilmente da uno all'altro. Tuttavia, quando si passa da uno all'altro, esistono alcune differenze importanti da tenere in considerazione. Alcune di queste differenze sono dovute alla natura del lavoro:
Endpoint
La tabella seguente mostra un riepilogo delle diverse funzionalità disponibili per gli endpoint online e batch.
Funzionalità | Endpoint online | Endpoint batch |
---|---|---|
URL di chiamata stabile | Sì | Sì |
Supporto per più distribuzioni | Sì | Sì |
Routing di distribuzione | Divisione del traffico | Passare all'impostazione predefinita |
Eseguire il mirroring del traffico per un'implementazione sicura | Sì | No |
Supporto di Swagger | Sì | No |
Autenticazione | Chiave e token | Microsoft Entra ID |
Supporto della rete privata | Sì | Sì |
Isolamento network gestito | Sì | Sì (vedere configurazione aggiuntiva richiesta) |
Chiavi gestite dal cliente | Sì | Sì |
Base costi | None | None |
Deployments
La tabella seguente mostra un riepilogo delle diverse funzionalità disponibili per gli endpoint online e batch a livello di distribuzione. Questi concetti si applicano a ogni distribuzione sotto l'endpoint.
Funzionalità | Endpoint online | Endpoint batch |
---|---|---|
Tipi distribuzione | Modelli | Modelli e componenti della pipeline |
Distribuzione modello MLflow | Sì | Sì |
Distribuzione di modelli personalizzati | Sì, con lo script di assegnazione punteggio | Sì, con lo script di assegnazione punteggio |
Distribuzione del pacchetto modello 1 | Sì (anteprima) | No |
Server di inferenza 2 | - Server di inferenza di Azure Machine Learning - Triton - Personalizzato (tramite BYOC) |
Inferenza batch |
Risorsa di calcolo utilizzata | Istanze o risorse granulari | Istanze del cluster |
Tipo di calcolo | Calcolo gestito e Kubernetes | Calcolo gestito e Kubernetes |
Calcolo con priorità bassa | No | Sì |
Ridimensionamento delle risorse di calcolo a zero | No | Sì |
Calcolo con scalabilità automatica3 | Sì, in base al carico delle risorse | Sì, in base al numero di processi |
Gestione capacità eccessiva | Limitazione | Accodamento |
Base costi4 | Per ogni distribuzione: istanze di calcolo in esecuzione | Per ogni processo: l'istanza di calcolo usata nel processo (limitata al numero massimo di istanze del cluster). |
Test locali delle distribuzioni | Sì | No |
1 La distribuzione di modelli MLflow in endpoint senza connettività di Internet o reti private in uscita richiede innanzitutto di creare il pacchetto del modello.
2Il server di inferenza fa riferimento alla tecnologia di gestione che accetta richieste, le elabora e crea risposte. Il server di inferenza determina anche il formato dell'input e degli output previsti.
3La scalabilità automatica è la possibilità di aumentare o ridurre in modo automatico le risorse allocate della distribuzione in base al carico. Le distribuzioni online e batch usano strategie diverse per la scalabilità automatica. Le distribuzioni online aumentano e si riducono in base all'utilizzo delle risorse (ad esempio CPU, memoria, richieste e così via), gli endpoint batch aumentano o si riducono in base al numero di processi creati.
4 Le distribuzioni sia online che batch vengono addebitate dalle risorse utilizzate. Nelle distribuzioni online, viene effettuato il provisioning delle risorse in fase di distribuzione. Tuttavia, nella distribuzione batch, non vengono utilizzate risorse in fase di distribuzione ma quando viene eseguito il processo. Di conseguenza, non è previsto alcun costo associato alla distribuzione stessa. Si noti che neanche i processi in coda utilizzano le risorse.
Interfacce per sviluppatori
Gli endpoint sono progettati per aiutare le organizzazioni a rendere operativi i carichi di lavoro a livello di produzione in Azure Machine Learning. Gli endpoint sono risorse affidabili e scalabili, e offrono le migliori funzionalità per implementare flussi di lavoro MLOps.
È possibile creare e gestire endpoint batch e online con numerosi strumenti di sviluppo:
- Interfaccia della riga di comando di Azure e SDK Python
- Azure Resource Manager o API REST
- Portale Web di studio di Azure Machine Learning
- Portale di Azure (IT/Admin)
- Supporto per le pipeline CI/CD MLOps tramite l'interfaccia dell'interfaccia della riga di comando di Azure e le interfacce REST/ARM
Passaggi successivi
- Come distribuire endpoint online con l'interfaccia della riga di comando di Azure e SDK Python
- Distribuire modelli con endpoint batch
- Come distribuire pipeline con endpoint batch
- Come usare gli endpoint online con lo studio
- Come monitorare gli endpoint online gestiti
- Gestire e aumentare le quote per le risorse con Azure Machine Learning