H2O学习笔记（六）—— Steam

Steam

Steam智能引擎是一个端对端的平台，可以将构建和部署智能应用的整个流程结合在一起。数据科学家和开发者可以协同合作，训练和部署预测模型，并将这些模型用于实时的智能应用中。

Steam可以运行在YARN上，并可以独立运行，由于我没有hadoop集群环境，所以这里用单机运行演示。

Steam是一个能够将构建和部署应用结合在一起的平台

本地机器安装和启动Steam

1.安装Steam到本地

略

2.启动 Jetty server,这个服务允许你部署模型并且运行Steam预测服务

java -jar var/master/assets/jetty-runner.jar var/master/assets/ROOT.war

3.打开另外一个终端，启动web服务

./steam serve master --superuser-name=superuser --superuser-password=superuser

‘–superuser-name=superuser –superuser-password=superuser’两个标签是为了创建Steam超级用户，超级用户可以创建roles, workgroups, 和users ,网络服务启动在 localhost:9000, compilation service (和jetty服务相同)启动在 localhost:8080

规约定义

Entities： 指Steam中的任何对象，包括Roles, Workgroups, Identities, Clusters, Projects, Models, and Services (engines).

Identities：指Steam中的用户

Permissions：决定操作的权限，包括Manage Clusters, View Clusters, Manage Models, View Models

Privileges：指操作entity的权限，包括Own,View,Edit等

Roles: permission的集合，role 包括Data Scientist，Operations，Manager,

Workgroups: indentities的集合，

用户管理流程

1.定义roles

2.定义Workgroups

3.添加新用户

• a.创建用户的identity

• b.将这个用户关联一个或多个roles

• c.将这个用户关联一个或多个workgroups （可选的）

Steam示例

1.启动

启动浏览器localhost:9000,输入先前创建的用户名和密码。Steam UI如下：

左边navigation提供如下功能：
Projects: Steam 集群的所有项目
Services：Steam 部署服务，包括预处理包
Clusters:集群状态
Users：users和roles的列表

2、创建Project

（1）输入正在运行H2O服务的集群ip和端口，这里ip就是localhost，端口是54321，然后连接服务

（2）选择集群中需要做预测的一个数据集，这里我选择的是MNIST数据集，选择模型种类，这是是多分类，指定一个集群中已经存在的一个模型，这里用之前训练的Deep Learning模型。

模型种类不同，则性能度量的标准也不同。
对于binomial 模型，model包括下面的一些标准：

• AUC
• Gini
• MSE
• Logloss
• ROC

对于 regression模型，有下面标准：

• MRD
• MSE
• R^2

3、部署模型
输入相应的服务名称，也可以加入一些预处理脚本，然后部署

4、启动预测服务
在部署结果中可以看到预测服务启动的ip和端口

打开相应的web，就可看到预测这个模型的预测服务，输入数据就可以看到相应的预测结果

5、导出模型

Steam允许导出模型到本地，可以指定导出为 .java, .jar, or .war 文件