更新时间:2024-11-21 GMT+08:00
分享

在ECS中通过Dockerfile从0制作自定义镜像用于推理

针对ModelArts目前不支持的AI引擎,您可以针对该引擎构建自定义镜像,并将镜像导入ModelArts,创建为模型。本文详细介绍如何使用自定义镜像完成模型的创建,并部署成在线服务。

操作流程如下:

  1. 本地构建镜像:在本地制作自定义镜像包,镜像包规范可参考创建模型的自定义镜像规范
  2. 本地验证镜像并上传镜像至SWR服务:验证自定义镜像的API接口功能,无误后将自定义镜像上传至SWR服务。
  3. 将自定义镜像创建为模型:将上传至SWR服务的镜像导入ModelArts的模型管理。
  4. 将模型部署为在线服务:将导入的模型部署上线。

本地构建镜像

以linux x86_x64架构的主机为例,您可以购买相同规格的ECS或者应用本地已有的主机进行自定义镜像的制作。

购买ECS服务器的具体操作请参考购买并登录弹性云服务器。镜像选择公共镜像,推荐使用ubuntu18.04的镜像。
图1 创建ECS服务器-选择X86架构的公共镜像
  1. 登录主机后,安装Docker,可参考Docker官方文档。也可执行以下命令安装docker。
    curl -fsSL get.docker.com -o get-docker.sh
    sh get-docker.sh
  2. 获取基础镜像。本示例以Ubuntu18.04为例。
    docker pull ubuntu:18.04
  3. 新建文件夹“self-define-images”,在该文件夹下编写自定义镜像的“Dockerfile”文件和应用服务代码“test_app.py”。本样例代码中,应用服务代码采用了flask框架。
    文件结构如下所示
    self-define-images/
        --Dockerfile
        --test_app.py
    • “Dockerfile”
      From ubuntu:18.04
      # 配置华为云的源,安装 python、python3-pip 和 Flask
      RUN cp -a /etc/apt/sources.list /etc/apt/sources.list.bak && \
        sed -i "s@http://.*security.ubuntu.com@http://repo.huaweicloud.com@g" /etc/apt/sources.list && \
        sed -i "s@http://.*archive.ubuntu.com@http://repo.huaweicloud.com@g" /etc/apt/sources.list && \
        apt-get update && \
        apt-get install -y python3 python3-pip && \
        pip3 install  --trusted-host https://repo.huaweicloud.com -i https://repo.huaweicloud.com/repository/pypi/simple  Flask
      
      # 复制应用服务代码进镜像里面
      COPY test_app.py /opt/test_app.py
      
      # 指定镜像的启动命令
      CMD python3  /opt/test_app.py
    • “test_app.py”
      from flask import Flask, request
      import json 
      app = Flask(__name__)
      
      @app.route('/greet', methods=['POST'])
      def say_hello_func():
          print("----------- in hello func ----------")
          data = json.loads(request.get_data(as_text=True))
          print(data)
          username = data['name']
          rsp_msg = 'Hello, {}!'.format(username)
          return json.dumps({"response":rsp_msg}, indent=4)
      
      @app.route('/goodbye', methods=['GET'])
      def say_goodbye_func():
          print("----------- in goodbye func ----------")
          return '\nGoodbye!\n'
      
      
      @app.route('/', methods=['POST'])
      def default_func():
          print("----------- in default func ----------")
          data = json.loads(request.get_data(as_text=True))
          return '\n called default func !\n {} \n'.format(str(data))
      
      # host must be "0.0.0.0", port must be 8080
      if __name__ == '__main__':
          app.run(host="0.0.0.0", port=8080)
  4. 进入“self-define-images”文件夹,执行以下命令构建自定义镜像“test:v1”。
    docker build -t test:v1 .
  5. 您可以使用“docker images”查看您构建的自定义镜像。

本地验证镜像并上传镜像至SWR服务

  1. 在本地环境执行以下命令启动自定义镜像
    docker run -it -p 8080:8080 test:v1
    图2 启动自定义镜像
  2. 另开一个终端,执行以下命令验证自定义镜像的三个API接口功能。
    curl -X POST -H "Content-Type: application/json" --data '{"name":"Tom"}'  127.0.0.1:8080/
    curl -X POST -H "Content-Type: application/json" --data '{"name":"Tom"}' 127.0.0.1:8080/greet
    curl -X GET 127.0.0.1:8080/goodbye

    如果验证自定义镜像功能成功,结果如下图所示。

    图3 校验接口
  1. 上传自定义镜像至SWR服务。
  2. 完成自定义镜像上传后,您可以在“容器镜像服务>我的镜像>自有镜像”列表中看到已上传镜像。

将自定义镜像创建为模型

参考从容器镜像中选择元模型导入元模型,您需要特别关注以下参数:
  • 元模型来源:选择“从容器镜像中选择”
    • 容器镜像所在的路径:选择已制作好的自有镜像
      图4 选择已制作好的自有镜像
    • 容器调用接口:指定模型启动的协议和端口号。请确保协议和端口号与自定义镜像中提供的协议和端口号保持一致。
    • 镜像复制:选填,选择是否将容器镜像中的模型镜像复制到ModelArts中。
    • 健康检查:选填,用于指定模型的健康检查。仅当自定义镜像中配置了健康检查接口,才能配置“健康检查”,否则会导致模型创建失败。
  • apis定义:选填,用于编辑自定义镜像的apis定义。模型apis定义需要遵循ModelArts的填写规范,参见模型配置文件说明
    本样例的配置文件如下所示:
    [{
            "url": "/",
            "method": "post",
            "request": {
                "Content-type": "application/json"
            },
            "response": {
                "Content-type": "application/json"
            }
        },
    {
            "url": "/greet",
            "method": "post",
            "request": {
                "Content-type": "application/json"
            },
            "response": {
                "Content-type": "application/json"
            }
        },
    {
            "url": "/goodbye",
            "method": "get",
            "request": {
                "Content-type": "application/json"
            },
            "response": {
                "Content-type": "application/json"
            }
        }
    ]

将模型部署为在线服务

  1. 参考部署为在线服务将模型部署为在线服务。
  2. 在线服务创建成功后,您可以在服务详情页查看服务详情。
  3. 您可以通过“预测”页签访问在线服务。

相关文档