Sales Creatio, enterprise edition
PDF
Это документация Creatio версии 7.12.0. Мы рекомендуем использовать новую версию документации.

Установка сервиса машинного обучения

Сервис машинного обучения предназначен для прогнозирования значений на основании больших объемов исторических данных и текущих фактов. Подробнее >>> 

Важно

Для настройки сервиса машинного обучения необходимы базовые знания администрирования Docker, Linux или Windows.

Содержание

Подготовка к установке сервиса машинного обучения

Установка сервиса машинного обучения

Обновление компонентов сервиса машинного обучения

Подготовка к установке сервиса машинного обучения

Для настройки сервиса необходим сервер (физический или виртуальный компьютер) с установленной ОС Linux или Windows. Установка компонентов сервиса выполняется с помощью ПО Docker. Для этого скачайте архив с конфигурационными файлами и скриптами установки. Скачать архив 

Важно

Для промышленной среды следует использовать сервер с ОС Linux. Сервер на базе Windows можно использовать только для среды разработки. Для получения Docker-контейнеров, предназначенных для Windows, обратитесь в службу поддержки.

На заметку

В зависимости от потребностей вашей компании можно использовать Docker Community Edition (CE) или Enterprise Edition (EE). Подробную информацию вы найдете в документации Docker.

Рекомендуемые системные требования к серверу

Процессор

64-битный процессор, минимум 4 ядра.

ОЗУ (RAM)

8 ГБ и выше.

НЖМД (HDD)

20 ГБ и выше свободного места на жестком диске.

ОС

Дистрибутив Linux, в котором поддерживается Docker. Поддерживаемые семейства Linux вы найдете в документации Docker. Рекомендуются стабильные (stable) версии Ubuntu или Debian.

64-битные версии Windows 10, WIndows Server 2016 с поддержкой технологии Hyper-V.

Docker

v.18.03.1 и выше.

Компоненты сервиса машинного обучения

Сервис машинного обучения использует следующие компоненты (Рис. 1):

ML Service — web-сервис машинного обучения. Единственный компонент, доступный извне.

R Engine — движок машинного обучения на основе системы OpenCPU. Подробнее >>> 

Redis — сервер хранения сессий и кэша. Подробнее >>> 

ML Task Scheduler — планировщик задач.

MySQL— база данных MySQL. Доступна по стандартному порту 3306.

Рис. 1 — Компоненты сервиса машинного обучения

scr_chapter_setup_machine_learning_ml_components.png 

Для удобства установки сервиса on-site все компоненты упакованы в Docker-образы.

Установка сервиса машинного обучения

Последовательность действий для установки сервиса машинного обучения:

1.Установить Docker. Подробнее >>> 

2.Установить Docker Compose. Подробнее >>> 

3.Установить и настроить компоненты сервиса. Подробнее >>> 

4.Выполнить проверку установки. Подробнее >>> 

Установка Docker

Для установки Docker на операционную систему Linux воспользуйтесь инструкцией в документации Docker.

Для проверки установленной версии Docker выполните команду docker --version в терминале (консоли) Linux-машины.

Установка Docker Compose

Для установки Docker Compose на операционную систему Linux воспользуйтесь инструкцией в документации Docker.

Для проверки установленной версии Docker Compose выполните команду docker-compose --version в терминале (консоли) Linux-машины.

Настройка компонентов сервиса машинного обучения

Все контейнеры компонентов сервиса машинного обучения развертываются с помощью утилиты Docker Compose. Для этого скачайте конфигурационные файлы и скрипты, необходимые для развертывания и настройки компонентов сервиса. Скачать архив

На заметку

Конфигурационные файлы содержат все необходимые настройки по умолчанию для сервера на базе Linux.

Структура архива с конфигурационными файлами и скриптами:

\etc\

...\ml-service\appsettings.json — конфигурация web-сервиса.

...\ml-service\log4net.config — настройка уровня логирования web-сервиса.

...\redis\redis.conf — файл настройки Redis сервера.

...\r-service\config.yml — конфигурация R Engine.

...\\\task-scheduler\appsettings.json — конфигурация утилиты ML task scheduler.

...\\\task-scheduler\log4net.config — настройка уровня логирования ML Task Scheduler.

docker-compose.yml — конфигурация утилиты Docker Compose.

.env — файл с переменными окружения для запуска компонентов. Например, содержит пароль для MySql.

Важно

Если необходимо изменить пароль к базе данных MySql, то его нужно обновить не только в файле .env, но и в других конфигурационных файлах, содержащих секции настройки доступа к базе данных.

Установка компонентов сервиса машинного обучения

1.Скачайте и разархивируйте содержимое архива с конфигурационными файлами и скриптами в произвольный каталог, например, /opt/ml.

2.Используя терминал Linux, перейдите в каталог docker-compose распакованного архива, например, /opt/ml/docker-compose.

3.Выполните команду sudo docker-compose pull в терминале. Дождитесь завершения загрузки необходимых образов с компонентами сервиса с Docker Hub.

Важно

Если на сервере запрещен доступ в интернет, скачайте на машине с открытым доступом все необходимые образы вручную (см.конфигурационный файл docker-compose.yml). Затем воспользуйтесь командами sudo docker export и sudo docker import для переноса образов в виде файлов на целевую машину.

4.Выполните команду sudo docker-compose run dbmigration для инициализации структуры базы данных. Дождитесь завершения выполнения команды.

5.Выполните команду sudo docker-compose up -d для запуска сервисов. Также в текущем каталоге будет создана папка logs.

Проверка установки компонентов сервиса машинного обучения

1.Для проверки установки веб-сервиса ML service выполните в терминале Linux команду:

curl -X GET localhost:5005/readiness

Сервис должен вернуть ответ:

ML Service is ready

2.Для проверки запуска планировщика ML Task Scheduler выполните в терминале Linux команду:

curl -X GET localhost:5004/readiness

Сервис должен вернуть ответ:

L Task Scheduler is ready

3.Для проверки запуска R Engine выполните в терминале Linux команду:

curl -X GET localhost:8001/readiness

Сервис должен вернуть ответ:

R Service is ready

4.Для проверки создания таблиц выполните в терминале команду:

docker exec -it [DB Container Id] mysql -u root --password=Supervisor ml -e "show tables;"

Где [DB Container Id] — идентификатор контейнера с компонентом базы данных. Узнать идентификатор контейнера можно с помощью команды sudo docker ps.

Пример

Проверка создания таблиц:

docker exec -it 7с9de07b53e8 mysql -u root --password=Supervisor ml -e "show tables;

В результате должны отобразиться названия основных таблиц сервиса: “modelinstance”, “traindata”, “trainsession” и т. д.

Обновление компонентов сервиса машинного обучения

Важно

Перед обновлением сервисов рекомендуется сохранить резервную копию базы данных MySQL. Подробную информацию вы найдете в документации MySQL 

1.Используя терминал Linux, перейдите в каталог docker-compose с настроечными файлами, например, /opt/ml/docker-compose.

2.Выполните команду sudo docker-compose stop для остановки контейнеров компонентов сервиса.

3.Выполните команду sudo docker-compose pull в терминале. Дождитесь завершения загрузки необходимых образов с компонентами сервиса с Docker Hub.

4.Выполните команду sudo docker-compose run dbmigration для инициализации структуры базы данных. Дождитесь завершения выполнения команды.

5.Выполните команду sudo docker-compose up -d для запуска сервисов.

Смотрите также

Предиктивный анализ данных

Сервис машинного обучения (документация по разработке)

 

Был ли данный материал полезен?

Как можно улучшить эту статью?