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 >>>
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.
Для установки Docker 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.
Установка 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.
...\\\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
6.Для проверки установки веб-сервиса ML service выполните в терминале Linux команду:
curl -X GET localhost:5005/readiness
Сервис должен вернуть ответ:
Healthy
7.Для проверки запуска планировщика ML Task Scheduler выполните в терминале Linux команду:
curl -X GET localhost:5004/readiness
Сервис должен вернуть ответ:
Healthy
8.Для проверки запуска R Engine выполните в терминале Linux команду:
curl -X GET localhost:8081/readiness
Сервис должен вернуть ответ:
R Service is ready
9.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.
Смотрите также
