InfoQ技术大会双节活动折上折,限时特惠,满10000-1000>> 了解详情
写点什么

伴鱼机器学习预测服务:设计篇

2021 年 8 月 28 日

伴鱼机器学习预测服务:设计篇

前言

在伴鱼,我们在多个在线场景使用机器学习提升用户的使用体验。例如,在伴鱼绘本中,我们根据用户的帖子浏览记录,为用户推荐他们感兴趣的帖子。


在线预测是机器学习模型发挥作用的临门一脚,重要性不言而喻。在伴鱼,我们搭建了机器学习预测服务(以下简称预测服务),统一地处理所有的预测请求。本文主要介绍预测服务的演进过程。

预测服务 V1

目前,各个算法团队都有一套组装预测服务的方式。它们的架构十分相似,可以用下图表达:

  1. 业务服务从特征系统获取特征,从 AB 平台获取实验分组。 

  2. 等待获取结果。

  3. 业务服务将模型 ID 和特征向量发送给 ModelServer。

  4. ModelServer 根据模型 ID 和特征向量完成推理,将推理结果返回。



其中,ModelServer 的实现有两种主流方式。其一,使用 TorchServe 或 TensorFlow Serving 这样和训练框架高度耦合的 serving 方案。其二,使用 Flask 搭建一个简单的 HTTP 服务,将模型加载至服务的内存,在收到预测请求时调用模型的预测接口进行预测。


这种方式存在几个问题:


  • 性能与多框架支持难以兼得。使用 TorchServe 或 TensorFlow Serving 能保证性能,但不能提供多框架支持;而使用 Flask 搭建预测服务,尽管可以支持任意框架训练出来的模型,但服务性能偏差。其结果是,对于不同类型的模型(LightGBM vs PyTorch),架构非常不同(Flask vs TorchServe)。


  • 上线模型需要工程同学的配合。每个需要 ML 能力的业务服务,都需要在算法和工程同学的紧密合作下,学习、实现和维护一套与多个 ML 系统(例如特征系统和 AB 平台)对接的逻辑。


  • 不规范。不基于 Go 预测服务难以接入公司自建的服务治理体系和可观测性体系。


为了系统性地解决这几个问题,预测服务 V2 提出了几个设计目的:


  • 高性能。预测服务用于线上场景,要满足低延迟和高吞吐的需求。

  • 多框架支持。我们的模型包括树和神经网络,至少涉及 LightGBM / XGBoost 和 PyTorch / TensorFlow 这两类框架。预测服务需要支持多种框架的模型。

  • 配置化。算法工程师通过配置文件声明预测的工作流,无需业务的工程同学额外配合。要想对接更多 ML 子系统,只需由 AI 平台实现一次,所有算法团队都能受益,无需不同业务线的工程同学反复实现对接逻辑。

  • 合规范。可以接入公司成熟的服务治理和可观测性体系。

预测服务 V2


架构主要借鉴了 Uber 和 DoorDash:预测服务接受预测请求,根据请求的内容,进行获取特征、获取 AB 实验分组等操作,然后调用 ModelServer 进行推理,返回预测结果。详情见下图。



⓪ 表示在新的模型上线之前,算法工程师上传的预测配置文件会被载入预测服务,预测服务根据配置文件的内容实例化一个工作流。


① 到 ⑥ 代表预测请求的整个生命周期:


  1. 业务服务(例如推荐引擎)调用预测服务的接口,需要提供模型名字、预测主体的 key(例如用户 ID)、上下文(context)特征。

  2. 预测服务根据模型名字,定位到该模型所对应的工作流并执行,包括调用特征系统、调用 AB 平台接口等。

  3. 预测服务调用特征系统接口获取特征向量,从 AB 平台获取实体对应的模型 ID。

  4. 预测服务根据模型 ID 和特征向量,调用 ModelServer。

  5. 预测服务从 ModelServer 获取模型的预测值。

  6. 返回预测值,并打日志。日志可用于构建训练数据集,也可以用于监控特征和预测的质量。


在这个架构下,算法工程师要上线一个模型,只需:


  1. 离线完成模型训练,将模型上传至模型仓库。

  2. 将模型部署至 ModelServer(选用 Seldon Core 作为解决方案)。

  3. 特征系统开发特征。

  4. 用 AB 平台创建实验。

  5. 将预测配置文件以 Merge Request 的形式,提交到指定的代码仓库。

  6. 由业务方的工程同学协助,对接预测服务。


不难看出,编写预测配置文件是算法工程师工作流的核心。预测配置文件以 YAML 格式定义了一个完整的模型推理工作流所涉及的全部信息。


举一个具体的例子。假设我们有一个视频推荐系统 Toy Recsys,它结合用户的网络情况(network),和用户的短期观看历史(last_5_views),给用户推荐视频。模型的基本逻辑是:网络情况好,就结合用户口味,放一些用户最可能感兴趣的长视频;网络情况差,就结合用户口味,放一些短视频。


我们称 network 和 last_5_views 是 Toy Recsys 模型的两个特征。其中,网络情况会附带在请求中(这类特征被称为 context 特征),而短期观看历史存储在特征系统中。要让预测服务知道如何获取这两个特征,不需要工程同学进行额外的编码工作,而只需由算法工程师提交如下配置文件:


model-name: toy_recsysfeature-system:- features:  - name: network    source: context    default-value: 4G  - name: last_5_views    source: store    default-value: []
复制代码


预测服务会根据算法工程师提交的预测配置文件,实例化一个获取特征的工作流,并开始处理该模型的请求。这个工作流会:


  1. 从请求中获取 user_id 和 network 参数。

  2. 使用请求中的 user_id,去调用特征系统的 RPC 接口,获取 last_5_views 的特征值。

  3. 将 user_id, network 和 last_5_views 组装成一个特征向量,发送给 ModelServer 进行推理。


值得注意的是,预测配置文件极易拓展。如果预测服务要接入 AB 平台,我们只需要支持在配置文件中填写 AB 实验的信息即可。例如:


model-name: toy_recsysfeature-system: ...ab-experiment:- experiment-key: TOY_RECSYS
复制代码

总结

在完成预测服务的初步设计后,我们开始了预测服务的实现。我们期待在预测服务上线后,与大家分享预测服务的实现细节。

参考文献


作者:陈易生

原文:https://tech.ipalfish.com/blog/2021/08/24/palfish-prediction-service-design/

原文:伴鱼机器学习预测服务:设计篇

来源:伴鱼技术博客

转载:著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。

2021 年 8 月 28 日 11:004067
用户头像
伴鱼技术团队 一群崇尚简单与极致效率的工程师~

发布了 47 篇内容, 共 18.1 次阅读, 收获喜欢 334 次。

关注

评论 1 条评论

发布
用户头像
参考链接打不开
2021 年 08 月 30 日 10:42
回复
没有更多了
发现更多内容

各国纷纷推出数字货币,数字货币发展正当其时

CECBC区块链专委会

「SQL数据分析系列」13. 索引和约束

数据与智能

sql 分布式

程序员专属的搜索主页

挖掘开源的价值

搜索技巧 搜索引擎;

体验设计工具:18格窗口

石云升

用户体验 7月日更 体验设计

熬夜整理的c/c++万字总结(一)

C语言与CPP编程

c c++

音视频详细学习路线和权威资料

hanaper

音视频 ffmpeg 语音识别 语音合成 图形图像处理

外包学生管理系统的架构设计

架构0期-Bingo

Vue进阶(幺陆陆):组件实例 $el 详解

No Silver Bullet

Vue 7月日更 $el

Java磁盘文件IO

文件I/O

开发者必备神器,你真的会用吗?

Jackpop

Text classification with TensorFlow Hub: Movie reviews

毛显新

tensorflow

Druid 查询返回引擎版本困惑的地方

HoneyMoose

Vue进阶(幺柒柒):Vue 应用 Sass、Scss、Less 和 Stylus

No Silver Bullet

Vue 7月日更 预处理器

redis,memcached,nginx网络组件

赖猫

nginx redis memcached 网络组件

阿里面试官把以往的Java面试题全部总结在这份《Java10W字面试复盘笔记》里面了

云流

Java 程序员 架构 面试 计算机

软件测试---基础知识

刘帅强

软件测试

区块链产业政策红利加速释放

CECBC区块链专委会

操作系统--虚拟内存

en

Drools 入门

LeifChen

drools 规则引擎 8月日更 业务规则

Introduction to the Keras Tuner

毛显新

tensorflow

Fil行情:什么时候投资fil合适?

IPFS星盟小熊

区块链 分布式存储 IPFS fil fil行情

程序员有哪些不可或缺的效率神器?

Jackpop

开发

北鲲云超算平台如何提高高性能计算在云环境下的可行性?

北鲲云

牛客网爆火!面试命中率高达 90% 的阿里 10W 字面试笔记已被疯传

云流

Java 程序员 架构 面试 计算机

Tensorflow日常随笔(一)

毛显新

tensorflow

毕业总结

请弄脏我的身体

架构实战营

网络安全现状,一个黑客真实的收入

网络安全学海

黑客 网络安全 信息安全 渗透测试 漏洞分析

等待结果

IT蜗壳-Tango

7月日更

想要跳槽拿高薪,却没有大型性能调优经验怎么办?淘宝架构师手把手带你前进

Java架构师迁哥

揭开进程的概念、状态、通信的迷雾。看完瞬间豁然开朗

Linux服务器开发

线程 网络编程 Linux服务器开发 Linux后台开发 进程管理

26岁!月薪38k,全靠这份GitHub百万下载的阿里P5-P9知识核心手册

Crud的程序员

Java 编程 架构

伴鱼机器学习预测服务:设计篇-InfoQ