自动部署开源AI模型到生产环境：Sklearn、XGBoost、LightGBM、和PySpark

目录

• 背景介绍
• 部署准备
• 部署Scikit-learn模型
• 部署XGBoost模型
• 部署LightGBM模型
• 部署PySpark模型
• 模型部署管理
• 总结
• 参考

背景介绍

AI的广泛应用是由AI在开源技术的进步推动的，利用功能强大的开源模型库，数据科学家们可以很容易的训练一个性能不错的模型。但是因为模型生产环境和开发环境的不同，涉及到不同角色人员：模型训练是数据科学家和数据分析师的工作，但是模型部署是开发和运维工程师的事情，导致模型上线部署却不是那么容易。

DaaS（Deployment-as-a-Service）是AutoDeployAI公司推出的基于Kubernetes的AI模型自动部署系统，提供一键式自动部署开源AI模型生成REST API，以方便在生产环境中调用。下面，我们主要演示在DaaS中如何部署经典机器学习模型，包括Scikit-learn、XGBoost、LightGBM、和PySpark ML Pipelines。关于深度学习模型的部署，会在下一章中介绍。

部署准备

我们使用DaaS提供的Python客户端（DaaS-Client）来部署模型，对于XGBoost和LightGBM，我们同样使用它们的Python API来作模型训练。在训练和部署模型之前，我们需要完成以下操作。

1. 安装Python DaaS-Client。

   pip install --upgrade git+https://github.com/autodeployai/daas-client.git
   

2. 初始化DaasClient。使用DaaS系统的URL、账户、密码登陆系统，文本使用的DaaS演示系统安装在本地的Minikube上。完整Jupyter Notebook，请参考：deploy-sklearn-xgboost-lightgbm-pyspark.ipynb

   from daas_client import DaasClient
   
   client = DaasClient('https://192.168.64.3:30931', 'username', 'password')
   

3. 创建项目。DaaS使用项目管理用户不同的分析任务，一个项目中可以包含用户的各种分析资产：模型、部署、程序脚本、数据、数据源等。项目创建成功后，设置为当前活动项目，发布的模型和创建的部署都会存储在该项目下。create_project函数接受三个参数：

   1. 项目名称：可以是任意有效的Linux文件目录名。
   2. 项目路由：使用在部署的REST URL中来唯一表示当前项目，只能是小写英文字符(a-z)，数字(0-9)和中横线-，并且-不能在开头和结尾处。
   3. 项目说明（可选）：可以是任意字符。

   project = '部署测试'
   if not client.project_exists(project):
       client.create_project(project, 'deployment-test', '部署测试项目')
   client.set_project(project)
   

4. 初始化数据。我们使用流行的分类数据集iris来训练不同的模型，并且把数据分割为训练数据集和测试数据集以方便后续使用。

   from sklearn import datasets
   from sklearn.model_selection import train_test_split
   import pandas as pd
   
   seed = 123456
   
   iris = datasets.load_iris()
   iris_target_name = 'Species'
   iris_feature_names = iris.feature_names
   iris_df = pd.DataFrame(iris.data, columns=iris_feature_names)
   iris_df[iris_target_name] = iris.target
   
   X, y = iris_df[iris_feature_names], iris_df[iris_target_name]
   X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=seed)    
   

5. 模型部署流程。主要包含以下几步：

   1. 训练模型。使用模型库提供的API，在iris数据集上训练模型。
   2. 发布模型。调用publish函数发布模型到DaaS系统。
   3. 测试模型（可选）。调用test函数获取测试API信息，可以使用任意的REST客户端程序测试模型在DaaS中是否工作正常，使用的是DaaS系统模型测试API。第一次执行test会比较慢，因为DaaS系统需要启动测试运行时环境。
   4. 部署模型。发布成功后，调用deploy函数部署部署模型。可以使用任意的REST客户端程序测试模型部署，使用的是DaaS系统正式部署API。

部署Scikit-learn模型

1. 训练一个Scikit-learn分类模型：SVC。

   from sklearn.svm import SVC
   
   model = SVC(probability=True, random_state=seed)
   model.fit(X_train, y_train)
   

2. 发布Scikit-learn模型。

   publish_resp = client.publish(model,
                               name='iris',
                               mining_function='classification',
                               X_test=X_test,
                               y_test=y_test,
                               description='A SVC model')
   pprint(publish_resp)
   

   test函数必须要指定前两个参数，第一个model是训练的模型对象，第二个是模型名称，其余是可选参数：

   • mining_function：指定挖掘功能，可以指定为regression（回归）、classification（分类）、和clustering（聚类）。
   • X_test和y_test：指定测试训练集，发布时计算模型评估指标，比如针对分类模型，计算正确率（Accuracy），对于回归模型，计算可释方差（explained Variance）。
   • data_test： 同样是指定测试训练集，但是该参数用在Spark模型上，非Spark模型通过X_test和y_test指定。
   • description：模型描述。
   • params：记录模型参数设置。

   publish_resp是一个字典类型的结果，记录了模型名称，和发布的模型版本。该模型是iris模型的第一个版本。

   {'model_name': 'iris', 'model_version': '1'}
   

3. 测试Scikit-learn模型。

   test_resp = client.test(publish_resp['model_name'], model_version=publish_resp['model_version'])
   pprint(test_resp)
   

   test_resp是一个字典类型的结果，记录了测试REST API信息。如下，其中access_token是访问令牌，一个长字符串，这里没有显示出来。endpoint_url指定测试REST API地址，payload提供了测试当前模型需要输入的请求正文格式。

   {'access_token': 'A-LONG-STRING-OF-BEARER-TOKEN-USED-IN-HTTP-HEADER-AUTHORIZATION',
   'endpoint_url': 'https://192.168.64.3:30931/api/v1/test/deployment-test/daas-python37-faas/test',
   'payload': {'args': {'X': [{'petal length (cm)': 1.5,
                               'petal width (cm)': 0.4,
                               'sepal length (cm)': 5.7,
                               'sepal width (cm)': 4.4}],
                       'model_name': 'iris',
                       'model_version': '1'}}}
   

   使用requests调用测试API，这里我们直接使用test_resp返回的测试payload，您也可以使用自定义的数据X，但是参数model_name和model_version必须使用上面输出的值。

   response = requests.post(test_resp['endpoint_url'],
                           headers={'Authorization': 'Bearer {token}'.format(token=test_resp['access_token'])},
                           json=test_resp['payload'],
                           verify=False)
   pprint(response.json())
   

   返回结果，不同于正式部署API，除了预测结果，测试API会同时返回标准控制台输出和标准错误输出内容，以方便用户碰到错误时，查看相关信息。

   {'result': [{'PredictedValue': 0,
               'Probabilities': [0.8977133931668801,
                               0.05476023239878367,
                               0.047526374434336216]}],
   'stderr': [],
   'stdout': []}
   

4. 部署模型。

   deploy_resp = client.deploy(model_name='iris', 
                               deployment_name='iris-svc',
                               model_version=publish_resp['model_version'],
                               replicas=1)
   pprint(deploy_resp)
   

   deploy函数必须要指定模型名称，和部署名称。模型版本默认为当前最新版本（latest），副本数默认是1。为了确保部署服务的稳定性，还可以输入部署运行时环境分配指定CPU核数和使用内存量，默认为None，让系统自动分配。

   deploy_resp是一个字典类型的结果，记录了正式部署REST API信息。如下，可以看到和测试结果类似，在payload中，我们不需要在输入模型名称和版本，因为正式部署服务在创建是已经记录了这些信息，并且是一个独占式服务。

   {'access_token': 'A-LONG-STRING-OF-BEARER-TOKEN-USED-IN-HTTP-HEADER-AUTHORIZATION',
   'endpoint_url': 'https://192.168.64.3:30931/api/v1/svc/deployment-test/iris-svc/predict',
   'payload': {'args': {'X': [{'petal length (cm)': 1.5,
                               'petal width (cm)': 0.4,
                               'sepal length (cm)': 5.7,
                               'sepal width (cm)': 4.4}]}}}
   

   使用requests调用测试API，这里我们直接使用test_resp返回的测试payload，您也可以使用自定义的数据。

   response = requests.post(deploy_resp['endpoint_url'],
                        headers={'Authorization': 'Bearer {token}'.format(token=deploy_resp['access_token'])},
                        json=deploy_resp['payload'],
                        verify=False)
   pprint(response.json())
   

   返回结果:

   {'result': [{'PredictedValue': 0,
               'Probabilities': [0.8977133931668801,
                               0.05476023239878367,
                               0.047526374434336216]}]}
   

部署XGBoost模型

XGBoost提供了两套Python API，一套是原生Python API，另一套是基于Scikit-learn包装API。您可以使用任何一种，下面的例子中我们使用基于Scikit-learn的Python API。

1. 训练一个分类XGBoost模型：

   from xgboost import XGBClassifier
   
   model = XGBClassifier(max_depth=3, objective='multi:softprob', random_state=seed)
   model = model.fit(X_train, y_train)
   

2. 发布XGBoost模型。

   publish_resp = client.publish(model,
                               name='iris',
                               mining_function='classification',
                               X_test=X_test,
                               y_test=y_test,
                               description='A XGBClassifier model')
   pprint(publish_resp)
   

   因为仍然使用了iris这个模型名称，所以该模型是iris的第二个版本。

   {'model_name': 'iris', 'model_version': '2'}
   

3. 测试XGBoost模型。和Scikit-learn流程相同。

4. 部署模型。和Scikit-learn流程相同，这里我们暂时先不创建独立部署，后面我们会介绍如何在DaaS系统中管理部署，如何切换部署模型版本。

部署LightGBM模型

同XGBoost类似，LightGBM同样提供了两套Python API，一套是原生Python API，另一套是基于Scikit-learn包装API。您可以使用任何一种，下面的例子中我们使用基于Scikit-learn的Python API。

1. 训练一个分类LightGBM模型：

   from lightgbm import LGBMClassifier
   
   model = LGBMClassifier()
   model = model.fit(X_train, y_train, eval_set=[(X_test, y_test)])
   

2. 发布LightGBM模型。

   publish_resp = client.publish(model,
                               name='iris',
                               mining_function='classification',
                               X_test=X_test,
                               y_test=y_test,
                               description='A LGBMClassifier model')
   pprint(publish_resp)
   

   LightGBM模型是iris的第三个版本。

   {'model_name': 'iris', 'model_version': '3'}
   

3. 测试LightGBM模型。和Scikit-learn流程相同。

4. 部署模型。和Scikit-learn流程相同，这里我们暂时先不创建独立部署。

部署PySpark模型

1. 训练一个PySpark分类模型：RandomForestClassifier。PySpark模型必须是一个PipelineModel，也就是说必须使用Pipeline来建立模型，哪怕只有一个Pipeline节点。

   from pyspark.sql import SparkSession
   from pyspark.ml.classification import RandomForestClassifier
   from pyspark.ml.feature import VectorAssembler
   from pyspark.ml import Pipeline
   
   spark = SparkSession.builder.getOrCreate()
   df = spark.createDataFrame(iris_df)
   
   df_train, df_test = df.randomSplit([0.7, 0.3], seed=seed)
   assembler = VectorAssembler(inputCols=iris_feature_names,
                               outputCol='features')
   
   rf = RandomForestClassifier(seed=seed).setLabelCol(iris_target_name)
   pipe = Pipeline(stages=[assembler, rf])
   model = pipe.fit(df_train)
   

2. 发布PySpark模型。

   publish_resp = client.publish(model,
                               name='iris',
                               mining_function='classification',
                               data_test=df_test,
                               description='A RandomForestClassifier of Spark model')
   pprint(publish_resp)
   

   PySpark模型是iris的第四个版本。

   {'model_name': 'iris', 'model_version': '4'}
   

3. 测试PySpark模型。和Scikit-learn流程相同。

4. 部署模型。和Scikit-learn流程相同，这里我们暂时先不创建独立部署。

模型部署管理

打开浏览器，登陆DaaS管理系统。进入项目部署测试，切换到模型标签页，有一个iris模型，最新版本是v4，类型是Spark即我们最后发布的模型。

点击模型，进入模型主页（概述）。当前v4是一个Spark Pipeline模型，正确率是94.23%，并且显示了iris不同版本正确率历史图。下面罗列了模型的输入和输出变量，以及评估结果，当前为空，因为还没有在DaaS中执行任何的模型评估任务。

点击v4，可以自由切换到其他版本。比如，切换到v1。

v1版本是一个Scikit-learn SVM分类模型，正确率是98.00%。其他信息与v4类似。

切换到模型部署标签页，有一个我们刚才创建的部署iris-svc，鼠标移动到操作菜单，选择修改设置。可以看到，当前部署服务关联的是模型v1，就是我们刚才通过deploy函数部署的iris第一个版本Scikit-learn模型。选择最新的v4，点击命令保存并且重新部署，该部署就会切换到v4版本。

总结

通过Python DaaS-Client我们可以很容易的部署训练好的模型，并且在DaaS网络客户端管理这些模型和部署，可以支持自由切换部署中的模型版本。除了支持部署网络（Web）服务，DaaS还支持部署任务（Job）服务，通过任务我们可以运行离线批量预测和模型评估等，具体可以参考文章《自动部署PMML模型生成REST API》。

参考

• DaaS-Client：https://github.com/autodeployai/daas-client
• AutoDeployAI：https://www.autodeploy.ai/