Devi eseguire il deployment di un modello in un endpoint prima che questo modello possa essere utilizzato per fornire previsioni online. Il deployment di un modello associa le risorse fisiche al modello in modo che possa fornire previsioni online con bassa latenza.
Puoi eseguire il deployment di più modelli in un endpoint e puoi eseguire il deployment di un modello in più di un endpoint. Per ulteriori informazioni sulle opzioni e sui casi d'uso per il deployment dei modelli, vedi Motivi per eseguire il deployment di più modelli nello stesso endpoint di seguito.
esegui il deployment di un modello in un endpoint
Utilizza uno dei seguenti metodi per eseguire il deployment di un modello:
Console Google Cloud
Nella sezione Vertex AI della console Google Cloud, vai alla pagina Modelli.
Fai clic sul nome e sull'ID versione del modello di cui vuoi eseguire il deployment per aprire la relativa pagina dei dettagli.
Seleziona la scheda Deployment e test.
Se il deployment del modello è già stato eseguito in eventuali endpoint, questi saranno elencati nella sezione Esegui il deployment del modello.
Fai clic su Deployment su endpoint.
Per eseguire il deployment del modello su un nuovo endpoint, seleziona
Crea nuovo endpoint e specifica un nome per il nuovo endpoint. Per eseguire il deployment del modello su un endpoint esistente, seleziona Aggiungi a endpoint esistente, quindi seleziona l'endpoint dall'elenco a discesa.Puoi aggiungere più di un modello a un endpoint, nonché un modello a più di un endpoint.
Se esegui il deployment del modello su un endpoint esistente in cui è stato eseguito il deployment di uno o più modelli, devi aggiornare la percentuale di suddivisione del traffico per il modello di cui stai eseguendo il deployment e per i modelli già distribuiti, in modo che la somma di tutte le percentuali corrisponda al 100%.
Se esegui il deployment del modello in un nuovo endpoint, accetta 100 per la suddivisione del traffico. In caso contrario, regola i valori di suddivisione del traffico per tutti i modelli sull'endpoint in modo che la somma sia fino a 100.
Inserisci il Numero minimo di nodi di computing da fornire per il modello.
Si tratta del numero di nodi sempre disponibili per il modello.
Ti viene addebitato il costo dei nodi utilizzati, che sia per gestire il carico di previsione o per i nodi in standby (minimo), anche senza traffico di previsione. Consulta la pagina dei prezzi.
Il numero di nodi di computing può aumentare se necessario per gestire il traffico di previsione, ma non supererà mai il numero massimo di nodi.
Per utilizzare la scalabilità automatica, inserisci il Numero massimo di nodi di computing a cui vuoi che Vertex AI faccia lo scale up.
Seleziona il Tipo di macchina.
Risorse macchina più grandi aumentano le prestazioni delle previsioni e aumentano i costi. Confronta i tipi di macchine disponibili.
Seleziona un Tipo di acceleratore e un Conteggio acceleratore.
Se hai abilitato l'utilizzo dell'acceleratore quando hai importato o creato il modello, viene visualizzata questa opzione.
Per il conteggio degli acceleratori, consulta la tabella delle GPU per verificare il numero valido di GPU che puoi utilizzare con ogni tipo di macchina di CPU. Il conteggio degli acceleratori si riferisce al numero di acceleratori per nodo, non al numero totale di acceleratori nel deployment.
Se vuoi utilizzare un account di servizio personalizzato per il deployment, selezionane uno nella casella a discesa Account di servizio.
Scopri come modificare le impostazioni predefinite per il logging delle previsioni.
Fai clic su Fine per il modello e quando tutte le percentuali di Suddivisione del traffico sono corrette, fai clic su Continua.
Viene visualizzata la regione in cui viene eseguito il deployment del modello. Deve essere la regione in cui hai creato il modello.
Fai clic su Esegui il deployment per eseguire il deployment del modello nell'endpoint.
API
Quando esegui il deployment di un modello utilizzando l'API Vertex AI, devi completare i seguenti passaggi:
Creazione di un endpoint
Se esegui il deployment di un modello in un endpoint esistente, puoi saltare questo passaggio.
gcloud
Nell'esempio seguente viene utilizzato il comando gcloud ai endpoints create
:
gcloud ai endpoints create \
--region=LOCATION_ID \
--display-name=ENDPOINT_NAME
Sostituisci quanto segue:
- LOCATION_ID: la regione in cui utilizzi Vertex AI.
- ENDPOINT_NAME: il nome visualizzato dell'endpoint.
Lo strumento Google Cloud CLI potrebbe richiedere alcuni secondi per creare l'endpoint.
REST
Prima di utilizzare i dati della richiesta, effettua le seguenti sostituzioni:
- LOCATION_ID: la tua regione.
- PROJECT_ID: il tuo ID progetto.
- ENDPOINT_NAME: il nome visualizzato dell'endpoint.
Metodo HTTP e URL:
POST https://LOCATION_ID-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION_ID/endpoints
Corpo JSON della richiesta:
{ "display_name": "ENDPOINT_NAME" }
Per inviare la richiesta, espandi una di queste opzioni:
Dovresti ricevere una risposta JSON simile alla seguente:
{ "name": "projects/PROJECT_NUMBER/locations/LOCATION_ID/endpoints/ENDPOINT_ID/operations/OPERATION_ID", "metadata": { "@type": "type.googleapis.com/google.cloud.aiplatform.v1.CreateEndpointOperationMetadata", "genericMetadata": { "createTime": "2020-11-05T17:45:42.812656Z", "updateTime": "2020-11-05T17:45:42.812656Z" } } }
"done":
true
.
Terraform
L'esempio seguente utilizza la risorsa Terraform google_vertex_ai_endpoint
per creare un endpoint.
Per scoprire come applicare o rimuovere una configurazione Terraform, consulta Comandi Terraform di base.
Java
Prima di provare questo esempio, segui le istruzioni di configurazione di Java riportate nella guida rapida di Vertex AI sull'utilizzo delle librerie client. Per maggiori informazioni, consulta la documentazione di riferimento dell'API Java Vertex AI.
Per eseguire l'autenticazione in Vertex AI, configura le Credenziali predefinite dell'applicazione. Per maggiori informazioni, consulta Configurare l'autenticazione per un ambiente di sviluppo locale.
Node.js
Prima di provare questo esempio, segui le istruzioni di configurazione di Node.js riportate nella guida rapida di Vertex AI sull'utilizzo delle librerie client. Per maggiori informazioni, consulta la documentazione di riferimento dell'API Node.js Vertex AI.
Per eseguire l'autenticazione in Vertex AI, configura le Credenziali predefinite dell'applicazione. Per maggiori informazioni, consulta Configurare l'autenticazione per un ambiente di sviluppo locale.
Python
Per scoprire come installare o aggiornare l'SDK Vertex AI per Python, consulta Installare l'SDK Vertex AI per Python. Per saperne di più, consulta la documentazione di riferimento dell'API Python.
Recupera l'ID endpoint
È necessario l'ID endpoint per eseguire il deployment del modello.
gcloud
Nell'esempio seguente viene utilizzato il comando gcloud ai endpoints list
:
gcloud ai endpoints list \
--region=LOCATION_ID \
--filter=display_name=ENDPOINT_NAME
Sostituisci quanto segue:
- LOCATION_ID: la regione in cui utilizzi Vertex AI.
- ENDPOINT_NAME: il nome visualizzato dell'endpoint.
Prendi nota del numero riportato nella colonna ENDPOINT_ID
. Utilizza questo ID nel
passaggio seguente.
REST
Prima di utilizzare i dati della richiesta, effettua le seguenti sostituzioni:
- LOCATION_ID: la regione in cui utilizzi Vertex AI.
- PROJECT_ID: il tuo ID progetto.
- ENDPOINT_NAME: il nome visualizzato dell'endpoint.
Metodo HTTP e URL:
GET https://LOCATION_ID-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION_ID/endpoints?filter=display_name=ENDPOINT_NAME
Per inviare la richiesta, espandi una di queste opzioni:
Dovresti ricevere una risposta JSON simile alla seguente:
{ "endpoints": [ { "name": "projects/PROJECT_NUMBER/locations/LOCATION_ID/endpoints/ENDPOINT_ID", "displayName": "ENDPOINT_NAME", "etag": "AMEw9yPz5pf4PwBHbRWOGh0PcAxUdjbdX2Jm3QO_amguy3DbZGP5Oi_YUKRywIE-BtLx", "createTime": "2020-04-17T18:31:11.585169Z", "updateTime": "2020-04-17T18:35:08.568959Z" } ] }
Esegui il deployment del modello
Seleziona la scheda seguente per la tua lingua o il tuo ambiente:
gcloud
Negli esempi seguenti viene utilizzato il comando gcloud ai endpoints deploy-model
.
L'esempio seguente esegue il deployment di un oggetto Model
in un Endpoint
senza utilizzare GPU per accelerare la fornitura delle previsioni e senza suddividere il traffico tra più risorse DeployedModel
:
Prima di utilizzare uno qualsiasi dei dati di comando riportati di seguito, effettua le seguenti sostituzioni:
- ENDPOINT_ID: l'ID dell'endpoint.
- LOCATION_ID: la regione in cui utilizzi Vertex AI.
- MODEL_ID: l'ID del modello di cui eseguire il deployment.
-
DEPLOYED_MODEL_NAME: un nome per
DeployedModel
. Puoi utilizzare anche il nome visualizzato diModel
perDeployedModel
. - MIN_REPLICA_COUNT: il numero minimo di nodi per questo deployment. Il numero di nodi può essere aumentato o diminuito in base alle esigenze del carico della previsione, fino al numero massimo di nodi e mai meno di questo numero.
-
MAX_REPLICA_COUNT: il numero massimo di nodi per questo deployment.
Il numero di nodi può essere aumentato o diminuito in base al carico di previsione,
fino a questo numero di nodi e mai inferiore al numero minimo di nodi.
Se ometti il flag
--max-replica-count
, il numero massimo di nodi è impostato sul valore di--min-replica-count
.
Esegui il comando gcloud ai endpoints deploy-model:
Linux, macOS o Cloud Shell
gcloud ai endpoints deploy-model ENDPOINT_ID\ --region=LOCATION_ID \ --model=MODEL_ID \ --display-name=DEPLOYED_MODEL_NAME \ --min-replica-count=MIN_REPLICA_COUNT \ --max-replica-count=MAX_REPLICA_COUNT \ --traffic-split=0=100
Windows (PowerShell)
gcloud ai endpoints deploy-model ENDPOINT_ID` --region=LOCATION_ID ` --model=MODEL_ID ` --display-name=DEPLOYED_MODEL_NAME ` --min-replica-count=MIN_REPLICA_COUNT ` --max-replica-count=MAX_REPLICA_COUNT ` --traffic-split=0=100
Windows (cmd.exe)
gcloud ai endpoints deploy-model ENDPOINT_ID^ --region=LOCATION_ID ^ --model=MODEL_ID ^ --display-name=DEPLOYED_MODEL_NAME ^ --min-replica-count=MIN_REPLICA_COUNT ^ --max-replica-count=MAX_REPLICA_COUNT ^ --traffic-split=0=100
Suddivisione del traffico
Il flag --traffic-split=0=100
negli esempi precedenti invia il 100% del traffico di previsione
ricevuto da Endpoint
al nuovo DeployedModel
, rappresentato dall'ID temporaneo 0
. Se il tuo Endpoint
ha già altre
risorse DeployedModel
, puoi suddividere il traffico tra la nuova
DeployedModel
e quella precedente.
Ad esempio, per inviare il 20% del traffico al nuovo DeployedModel
e l'80% a uno meno recente, esegui questo comando.
Prima di utilizzare uno qualsiasi dei dati di comando riportati di seguito, effettua le seguenti sostituzioni:
- OLD_DEPLOYED_MODEL_ID: l'ID dell'elemento
DeployedModel
esistente.
Esegui il comando gcloud ai endpoints deploy-model:
Linux, macOS o Cloud Shell
gcloud ai endpoints deploy-model ENDPOINT_ID\ --region=LOCATION_ID \ --model=MODEL_ID \ --display-name=DEPLOYED_MODEL_NAME \ --min-replica-count=MIN_REPLICA_COUNT \ --max-replica-count=MAX_REPLICA_COUNT \ --traffic-split=0=20,OLD_DEPLOYED_MODEL_ID=80
Windows (PowerShell)
gcloud ai endpoints deploy-model ENDPOINT_ID` --region=LOCATION_ID ` --model=MODEL_ID ` --display-name=DEPLOYED_MODEL_NAME \ --min-replica-count=MIN_REPLICA_COUNT ` --max-replica-count=MAX_REPLICA_COUNT ` --traffic-split=0=20,OLD_DEPLOYED_MODEL_ID=80
Windows (cmd.exe)
gcloud ai endpoints deploy-model ENDPOINT_ID^ --region=LOCATION_ID ^ --model=MODEL_ID ^ --display-name=DEPLOYED_MODEL_NAME \ --min-replica-count=MIN_REPLICA_COUNT ^ --max-replica-count=MAX_REPLICA_COUNT ^ --traffic-split=0=20,OLD_DEPLOYED_MODEL_ID=80
REST
Esegui il deployment del modello.
Prima di utilizzare i dati della richiesta, effettua le seguenti sostituzioni:
- LOCATION_ID: la regione in cui utilizzi Vertex AI.
- PROJECT_ID: il tuo ID progetto.
- ENDPOINT_ID: l'ID dell'endpoint.
- MODEL_ID: l'ID del modello di cui eseguire il deployment.
-
DEPLOYED_MODEL_NAME: un nome per
DeployedModel
. Puoi utilizzare anche il nome visualizzato diModel
perDeployedModel
. -
MACHINE_TYPE: facoltativo. Le risorse macchina utilizzate per ogni nodo di questo deployment. La sua impostazione predefinita è
n1-standard-2
. Scopri di più sui tipi di macchina. - ACCELERATOR_TYPE: il tipo di acceleratore da collegare alla macchina. Facoltativo se ACCELERATOR_COUNT non è specificato o è pari a zero. Opzione non consigliata per i modelli AutoML o per i modelli con addestramento personalizzato che utilizzano immagini non GPU. Scopri di più.
- ACCELERATOR_COUNT: il numero di acceleratori da utilizzare per ogni replica. Facoltativo. Il valore deve essere zero o non specificato per i modelli AutoML o per i modelli addestrati personalizzati che utilizzano immagini non GPU.
- MIN_REPLICA_COUNT: il numero minimo di nodi per questo deployment. Il numero di nodi può essere aumentato o diminuito in base alle esigenze del carico della previsione, fino al numero massimo di nodi e mai meno di questo numero. Questo valore deve essere maggiore o uguale a 1.
- MAX_REPLICA_COUNT: il numero massimo di nodi per questo deployment. Il numero di nodi può essere aumentato o diminuito in base al carico di previsione, fino a questo numero di nodi e mai inferiore al numero minimo di nodi.
- TRAFFIC_SPLIT_THIS_MODEL: la percentuale del traffico di previsione verso questo endpoint da instradare al modello di cui viene eseguito il deployment con questa operazione. Il valore predefinito è 100. La somma di tutte le percentuali di traffico deve essere pari a 100. Scopri di più sulle suddivisioni del traffico.
- DEPLOYED_MODEL_ID_N: facoltativo. Se viene eseguito il deployment di altri modelli in questo endpoint, devi aggiornare le percentuali di suddivisione del traffico in modo che la somma delle percentuali corrisponda a 100.
- TRAFFIC_SPLIT_MODEL_N: il valore percentuale di suddivisione del traffico per la chiave ID modello di cui è stato eseguito il deployment.
- PROJECT_NUMBER: il numero di progetto generato automaticamente per il tuo progetto
Metodo HTTP e URL:
POST https://LOCATION_ID-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION_ID/endpoints/ENDPOINT_ID:deployModel
Corpo JSON della richiesta:
{ "deployedModel": { "model": "projects/PROJECT/locations/us-central1/models/MODEL_ID", "displayName": "DEPLOYED_MODEL_NAME", "dedicatedResources": { "machineSpec": { "machineType": "MACHINE_TYPE", "acceleratorType": "ACCELERATOR_TYPE", "acceleratorCount": "ACCELERATOR_COUNT" }, "minReplicaCount": MIN_REPLICA_COUNT, "maxReplicaCount": MAX_REPLICA_COUNT }, }, "trafficSplit": { "0": TRAFFIC_SPLIT_THIS_MODEL, "DEPLOYED_MODEL_ID_1": TRAFFIC_SPLIT_MODEL_1, "DEPLOYED_MODEL_ID_2": TRAFFIC_SPLIT_MODEL_2 }, }
Per inviare la richiesta, espandi una di queste opzioni:
Dovresti ricevere una risposta JSON simile alla seguente:
{ "name": "projects/PROJECT_ID/locations/LOCATION/endpoints/ENDPOINT_ID/operations/OPERATION_ID", "metadata": { "@type": "type.googleapis.com/google.cloud.aiplatform.v1.DeployModelOperationMetadata", "genericMetadata": { "createTime": "2020-10-19T17:53:16.502088Z", "updateTime": "2020-10-19T17:53:16.502088Z" } } }
Java
Prima di provare questo esempio, segui le istruzioni di configurazione di Java riportate nella guida rapida di Vertex AI sull'utilizzo delle librerie client. Per maggiori informazioni, consulta la documentazione di riferimento dell'API Java Vertex AI.
Per eseguire l'autenticazione in Vertex AI, configura le Credenziali predefinite dell'applicazione. Per maggiori informazioni, consulta Configurare l'autenticazione per un ambiente di sviluppo locale.
Python
Per scoprire come installare o aggiornare l'SDK Vertex AI per Python, consulta Installare l'SDK Vertex AI per Python. Per saperne di più, consulta la documentazione di riferimento dell'API Python.
Node.js
Prima di provare questo esempio, segui le istruzioni di configurazione di Node.js riportate nella guida rapida di Vertex AI sull'utilizzo delle librerie client. Per maggiori informazioni, consulta la documentazione di riferimento dell'API Node.js Vertex AI.
Per eseguire l'autenticazione in Vertex AI, configura le Credenziali predefinite dell'applicazione. Per maggiori informazioni, consulta Configurare l'autenticazione per un ambiente di sviluppo locale.
Scopri come modificare le impostazioni predefinite per il logging delle previsioni.
Ottieni stato operazione
Alcune richieste avviano operazioni a lunga esecuzione il cui completamento richiede tempo. Queste richieste restituiscono un nome operazione, che puoi utilizzare per visualizzare lo stato dell'operazione o per annullarla. Vertex AI fornisce metodi helper per effettuare chiamate a operazioni a lunga esecuzione. Per maggiori informazioni, consulta Operazioni a lunga esecuzione.
Limitazioni
- Se hai abilitato i Controlli di servizio VPC, il container del modello di cui hai eseguito il deployment non avrà accesso a internet.
Configura il deployment dei modelli
Durante il deployment del modello, prendi le seguenti decisioni importanti su come eseguire la previsione online:
Risorsa creata | Impostazione specificata al momento della creazione della risorsa |
---|---|
Endpoint | Località in cui eseguire le previsioni |
Modello | Contenitore da utilizzare (ModelContainerSpec ) |
DeployedModel | Macchine da utilizzare per la previsione online |
Non puoi aggiornare le impostazioni elencate sopra dopo la creazione iniziale del modello o dell'endpoint e non puoi eseguirne l'override nella richiesta di previsione online. Se devi modificare queste impostazioni, devi eseguire nuovamente il deployment del modello.
Cosa succede quando esegui il deployment di un modello
Quando esegui il deployment di un modello su un endpoint, associ le risorse fisiche (macchina) al modello in modo che possa fornire previsioni online. Le previsioni online hanno requisiti di bassa latenza. Fornire in anticipo risorse al modello riduce la latenza.
Il tipo di addestramento del modello (AutoML o personalizzato) e il tipo di dati (AutoML) determinano i tipi di risorse fisiche disponibili per il modello. Dopo il deployment del modello, puoi mutate
alcune di queste risorse senza creare un nuovo deployment.
La risorsa endpoint fornisce l'endpoint di servizio (URL) utilizzato per richiedere la previsione. Ad esempio:
https://us-central1-aiplatform.googleapis.com/v1/projects/{project}/locations/{location}/endpoints/{endpoint}:predict
Motivi per eseguire il deployment di più modelli nello stesso endpoint
Il deployment di due modelli nello stesso endpoint consente di sostituire gradualmente un modello con l'altro. Ad esempio, supponi di utilizzare un modello e di trovare un modo per aumentare l'accuratezza del modello con nuovi dati di addestramento. Tuttavia, non vuoi aggiornare l'applicazione in modo che punti a un nuovo URL dell'endpoint e non creare cambiamenti improvvisi nell'applicazione. Puoi aggiungere il nuovo modello allo stesso endpoint, gestendo una piccola percentuale di traffico, e aumentare gradualmente la suddivisione del traffico fino a quando non gestisce il 100% del traffico.
Poiché le risorse sono associate al modello anziché all'endpoint, potresti eseguire il deployment di modelli di tipi diversi nello stesso endpoint. Tuttavia, la best practice prevede il deployment di modelli di un tipo specifico (ad esempio testo AutoML, tabella AutoML, addestramento personalizzato) su un endpoint. Questa configurazione è più facile da gestire.
Motivi per eseguire il deployment di un modello su più endpoint
Puoi eseguire il deployment dei tuoi modelli con risorse diverse per ambienti applicativi diversi, ad esempio test e produzione. Potresti anche voler supportare SLO diversi per le tue richieste di previsione. Forse una delle tue applicazioni ha esigenze di prestazioni molto più elevate rispetto alle altre. In questo caso, puoi eseguire il deployment del modello in un endpoint con prestazioni più elevate e più risorse macchina. Per ottimizzare i costi, puoi anche eseguire il deployment del modello in un endpoint con prestazioni inferiori e meno risorse macchina.
Comportamento di scalabilità
Quando esegui il deployment di un Model
per la previsione online come DeployedModel
, puoi configurare i nodi di previsione per la scalabilità automatica. Per farlo, imposta dedicatedResources.maxReplicaCount
su un valore maggiore di dedicatedResources.minReplicaCount
.
Quando configuri DeployedModel
, devi impostare
dedicatedResources.minReplicaCount
su almeno 1
. In altre parole, non puoi configurare DeployedModel
per la scalabilità ai nodi di previsione 0
quando non è utilizzato.
Utilizzo e configurazione target
Per impostazione predefinita, se esegui il deployment di un modello senza risorse GPU dedicate, Vertex AI aumenta o diminuisce automaticamente il numero di repliche in modo che l'utilizzo della CPU corrisponda al valore target predefinito del 60%.
Per impostazione predefinita, se esegui il deployment di un modello con risorse GPU dedicate (se machineSpec.accelerator_count
è superiore a 0), Vertex AI scalerà automaticamente il numero di repliche in modo che l'utilizzo di CPU o GPU, a seconda di quale sia il valore più alto, corrisponda al valore target predefinito del 60%. Pertanto, se la velocità effettiva di previsione causa un elevato utilizzo della GPU, ma non un utilizzo elevato della CPU, Vertex AI farà lo scale up e l'utilizzo della CPU sarà molto basso, visibile nel monitoraggio. Al contrario, se il container personalizzato sottoutilizza la GPU, ma ha un processo non correlato che porta l'utilizzo della CPU superiore al 60%, Vertex AI effettuerà lo scale up, anche se potrebbe non essere stato necessario per raggiungere i target di QPS e latenza.
Puoi eseguire l'override della metrica di soglia e del target predefiniti specificando autoscalingMetricSpecs
.
Tieni presente che, se il deployment è configurato per la scalabilità in base solo all'utilizzo della CPU, non verrà fatto lo scale up anche se l'utilizzo della GPU è elevato.
Gestisci l'utilizzo delle risorse
Puoi monitorare il tuo endpoint per tenere traccia di metriche come utilizzo della CPU e dell'acceleratore, numero di richieste, latenza e numero attuale e target di repliche. Queste informazioni possono aiutarti a comprendere l'utilizzo delle risorse e il comportamento di scalabilità dell'endpoint.
Tieni presente che ogni replica esegue un solo container. Ciò significa che se un container di previsione non può utilizzare completamente la risorsa di computing selezionata, ad esempio un codice con thread singolo per una macchina multi-core o un modello personalizzato che chiama un altro servizio nell'ambito della previsione, i nodi potrebbero non fare lo scale up.
Ad esempio, se utilizzi FastAPI o qualsiasi server del modello con un numero configurabile di worker o thread, in molti casi la presenza di più worker può aumentare l'utilizzo delle risorse, migliorando la capacità del servizio di scalare automaticamente il numero di repliche.
In genere consigliamo di iniziare con un worker o thread per core. Se noti che l'utilizzo della CPU è ridotto, in particolare sotto carico elevato, o se il tuo modello non esegue lo scale up perché l'utilizzo della CPU è ridotto, aumenta il numero di worker. Se invece noti che l'utilizzo è troppo elevato e le latenze aumentano di più del previsto sotto carico, prova a utilizzare meno worker. Se utilizzi già un solo worker, prova a utilizzare un tipo di macchina più piccolo.
Comportamento di scalabilità e ritardo
Vertex AI regola il numero di repliche ogni 15 secondi utilizzando i dati degli ultimi 5 minuti. Per ogni ciclo di 15 secondi, il sistema misura l'utilizzo del server e genera un numero target di repliche in base alla formula seguente:
target # of replicas = Ceil(current # of replicas * (current utilization / target utilization))
Ad esempio, se al momento hai due repliche utilizzate al 100%, il target è 4:
4 = Ceil(3.33) = Ceil(2 * (100% / 60%))
Un altro esempio, se al momento hai 10 repliche e l'utilizzo cala all'1%, il target è 1:
1 = Ceil(.167) = Ceil(10 * (1% / 60%))
Alla fine di ogni ciclo di 15 secondi, il sistema regola il numero di repliche in modo che corrisponda al valore target più alto della finestra dei 5 minuti precedenti. Tieni presente che, poiché viene scelto il valore target più alto, l'endpoint non farà fare lo scale down in caso di un picco di utilizzo durante il periodo di 5 minuti, anche se l'utilizzo complessivo è molto basso. Se invece è necessario fare lo scale up del sistema, lo scale up avverrà entro 15 secondi, poiché viene scelto il valore target più alto anziché la media.
Tieni presente che, anche dopo che Vertex AI ha regolato il numero di repliche, l'avvio o la disattivazione delle repliche richiede del tempo. C'è quindi un ulteriore ritardo prima che l'endpoint possa adattarsi al traffico. I fattori principali che contribuiscono a questo periodo sono i seguenti:
- il tempo necessario per eseguire il provisioning e l'avvio delle VM di Compute Engine
- il tempo necessario per scaricare il container dal registry.
- il tempo per caricare il modello dallo spazio di archiviazione
Il modo migliore per comprendere il comportamento di scalabilità del modello nel mondo reale è eseguire un test di carico e ottimizzare le caratteristiche importanti per il modello e il caso d'uso. Se il gestore della scalabilità automatica non fa lo scale up abbastanza velocemente per la tua applicazione, esegui il provisioning di un valore di min_replicas
sufficiente per gestire il traffico di riferimento previsto.
Aggiorna la configurazione di scalabilità
Se hai specificato DedicatedResources
o AutomaticResources
quando hai eseguito il deployment
del modello, puoi aggiornare la configurazione di scalabilità senza eseguire nuovamente il deployment
del modello chiamando
mutateDeployedModel
.
Ad esempio, la seguente richiesta aggiorna max_replica
,
autoscaling_metric_specs
e disabilita il logging dei container.
{
"deployedModel": {
"id": "2464520679043629056",
"dedicatedResources": {
"maxReplicaCount": 9,
"autoscalingMetricSpecs": [
{
"metricName": "aiplatform.googleapis.com/prediction/online/cpu/utilization",
"target": 50
}
]
},
"disableContainerLogging": true
},
"update_mask": {
"paths": [
"dedicated_resources.max_replica_count",
"dedicated_resources.autoscaling_metric_specs",
"disable_container_logging"
]
}
}
Note sull'utilizzo:
- Non puoi cambiare il tipo di macchina o passare da
DedicatedResources
aAutomaticResources
e viceversa. Gli unici campi di configurazione della scalabilità che puoi modificare sono:min_replica
,max_replica
eAutoscalingMetricSpec
(soloDedicatedResources
). - Devi elencare ogni campo che vuoi aggiornare in
updateMask
. I campi non in elenco vengono ignorati. - Il modello DeployedModel deve essere in stato
DEPLOYED
. Può essere presente al massimo un'operazione di modifica attiva per modello di cui è stato eseguito il deployment. mutateDeployedModel
consente anche di abilitare o disabilitare il logging dei container. Per ulteriori informazioni, consulta la pagina relativa al logging delle previsioni online.
Passaggi successivi
- Scopri come ottenere una previsione online.
- Scopri di più sugli endpoint privati.