Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Kode Inferensi Kustom dengan Layanan Hosting
Bagian ini menjelaskan bagaimana Amazon SageMaker AI berinteraksi dengan wadah Docker yang menjalankan kode inferensi Anda sendiri untuk layanan hosting. Gunakan informasi ini untuk menulis kode inferensi dan membuat gambar Docker.
Topik
Bagaimana SageMaker AI Menjalankan Gambar Inferensi Anda
Untuk mengonfigurasi wadah agar dijalankan sebagai executable, gunakan ENTRYPOINT instruksi dalam Dockerfile. Perhatikan hal-hal berikut:
-
Untuk inferensi model, SageMaker AI menjalankan wadah sebagai:
docker runimageserveSageMaker AI mengganti
CMDpernyataan default dalam wadah dengan menentukanserveargumen setelah nama gambar.serveArgumen mengesampingkan argumen yang Anda berikan denganCMDperintah di Dockerfile. -
SageMaker AI mengharapkan semua kontainer berjalan dengan pengguna root. Buat wadah Anda sehingga hanya menggunakan pengguna root. Saat SageMaker AI menjalankan penampung Anda, pengguna yang tidak memiliki akses tingkat root dapat menyebabkan masalah izin.
-
Kami menyarankan Anda menggunakan
execbentukENTRYPOINTinstruksi:ENTRYPOINT ["executable", "param1", "param2"]Contoh:
ENTRYPOINT ["python", "k_means_inference.py"]execBentukENTRYPOINTinstruksi memulai eksekusi secara langsung, bukan sebagai anak dari./bin/shIni memungkinkannya menerima sinyal sepertiSIGTERMdanSIGKILLdari operasi SageMaker API, yang merupakan persyaratan.Misalnya, saat Anda menggunakan
CreateEndpointAPI untuk membuat titik akhir, SageMaker AI menyediakan jumlah instans komputasi HTML yang diperlukan oleh konfigurasi titik akhir, yang Anda tentukan dalam permintaan. SageMaker AI menjalankan wadah Docker pada instance tersebut.Jika Anda mengurangi jumlah instance yang mendukung titik akhir (dengan memanggil
UpdateEndpointWeightsAndCapacitiesAPI), SageMaker AI menjalankan perintah untuk menghentikan wadah Docker pada instance yang sedang dihentikan. Perintah mengirimkanSIGTERMsinyal, kemudian mengirimkanSIGKILLsinyal tiga puluh detik kemudian.Jika Anda memperbarui titik akhir (dengan memanggil
UpdateEndpointAPI), SageMaker AI meluncurkan kumpulan instance komputasi HTML lainnya dan menjalankan container Docker yang berisi kode inferensi Anda di dalamnya. Kemudian menjalankan perintah untuk menghentikan kontainer Docker sebelumnya. Untuk menghentikan kontainer Docker, perintah mengirimkanSIGTERMsinyal, lalu mengirimkanSIGKILLsinyal 30 detik kemudian. -
SageMaker AI menggunakan definisi kontainer yang Anda berikan dalam
CreateModelpermintaan untuk menyetel variabel lingkungan dan nama host DNS untuk penampung sebagai berikut:-
Ini menetapkan variabel lingkungan menggunakan
ContainerDefinition.Environmentstring-to-string peta. -
Ini menetapkan nama host DNS menggunakan file.
ContainerDefinition.ContainerHostname
-
-
Jika Anda berencana menggunakan perangkat GPU untuk inferensi model (dengan menentukan instance komputasi ML berbasis GPU dalam
CreateEndpointConfigpermintaan Anda), pastikan container Anda kompatibel.nvidia-dockerJangan bundel driver NVIDIA dengan gambar. Untuk informasi selengkapnyanvidia-docker, lihat NVIDIA/NVIDIA-Docker. -
Anda tidak dapat menggunakan
tinipenginisialisasi sebagai titik masuk Anda dalam wadah SageMaker AI karena dikacaukan oleh argumentraindanserve.
Bagaimana SageMaker AI Memuat Artefak Model Anda
Dalam permintaan CreateModelAPI Anda, Anda dapat menggunakan S3DataSource parameter ModelDataUrl atau untuk mengidentifikasi lokasi S3 tempat artefak model disimpan. SageMaker AI menyalin artefak model Anda dari lokasi S3 ke /opt/ml/model direktori untuk digunakan oleh kode inferensi Anda. Kontainer Anda memiliki akses hanya-baca ke. /opt/ml/model Jangan menulis ke direktori ini.
ModelDataUrlHarus menunjuk ke file tar.gz. Jika tidak, SageMaker AI tidak akan mengunduh file.
Jika Anda melatih model Anda dalam SageMaker AI, artefak model disimpan sebagai file tar terkompresi tunggal di Amazon S3. Jika Anda melatih model Anda di luar SageMaker AI, Anda perlu membuat file tar terkompresi tunggal ini dan menyimpannya di lokasi S3. SageMaker AI mendekompresi file tar ini ke opt/ml/model direktori/sebelum penampung Anda dimulai.
Untuk menerapkan model besar, kami sarankan Anda mengikutiMenyebarkan model yang tidak terkompresi.
Bagaimana Kontainer Anda Harus Menanggapi Permintaan Inferensi
Untuk mendapatkan kesimpulan, aplikasi klien mengirimkan permintaan POST ke titik akhir SageMaker AI. SageMaker AI meneruskan permintaan ke wadah, dan mengembalikan hasil inferensi dari wadah ke klien.
Untuk informasi selengkapnya tentang permintaan inferensi yang akan diterima container Anda, lihat tindakan berikut di Referensi Amazon SageMaker AI API:
Persyaratan untuk wadah inferensi
Untuk menanggapi permintaan inferensi, kontainer Anda harus memenuhi persyaratan berikut:
-
SageMaker AI menghapus semua
POSTheader kecuali yang didukung olehInvokeEndpoint. SageMaker AI mungkin menambahkan header tambahan. Wadah inferensi harus dapat dengan aman mengabaikan header tambahan ini. -
Untuk menerima permintaan inferensi, penampung harus memiliki server web yang mendengarkan pada port 8080 dan harus menerima
POSTpermintaan ke/invocationsdan/pingtitik akhir. -
Kontainer model pelanggan harus menerima permintaan koneksi soket dalam 250 ms.
-
Kontainer model pelanggan harus menanggapi permintaan dalam waktu 60 detik. Model itu sendiri dapat memiliki waktu pemrosesan maksimum 60 detik sebelum merespons.
/invocationsJika model Anda akan memakan waktu 50-60 detik waktu pemrosesan, batas waktu soket SDK harus disetel menjadi 70 detik. -
Wadah model pelanggan yang mendukung streaming dua arah harus:
-
mendukung WebSockets koneksi pada port 8080 ke/secara invocations-bidirectional-stream default.
-
memiliki server web yang mendengarkan pada port 8080 dan harus menerima permintaan POST ke endpoint /ping.
-
Selain pemeriksaan kesehatan kontainer melalui HTTP, kontainer harus merespons dengan Pong Frame per (RFC6455
), untuk WebSocket Ping Frame dikirim.
-
contoh fungsi pemanggilan
Contoh berikut menunjukkan bagaimana kode dalam wadah Anda dapat memproses permintaan inferensi. Contoh-contoh ini menangani permintaan yang dikirim aplikasi klien dengan menggunakan InvokeEndpoint tindakan.
contoh fungsi pemanggilan untuk permintaan streaming
Contoh berikut menunjukkan bagaimana kode dalam wadah inferensi Anda dapat memproses permintaan inferensi streaming. Contoh-contoh ini menangani permintaan yang dikirim aplikasi klien dengan menggunakan InvokeEndpointWithResponseStream tindakan.
Ketika sebuah wadah menangani permintaan inferensi streaming, ia mengembalikan inferensi model sebagai serangkaian bagian secara bertahap saat model menghasilkannya. Aplikasi klien mulai menerima tanggapan segera ketika tersedia. Mereka tidak perlu menunggu model untuk menghasilkan seluruh respons. Anda dapat menerapkan streaming untuk mendukung pengalaman interaktif yang cepat, seperti chatbots, asisten virtual, dan generator musik.
contoh Contoh fungsi pemanggilan untuk streaming dua arah
Contoh berikut menunjukkan bagaimana kode dalam container Anda dapat memproses permintaan dan tanggapan inferensi streaming. Contoh-contoh ini menangani permintaan streaming yang dikirim aplikasi klien dengan menggunakan InvokeEndpointWithBidirectionalStream tindakan.
Kontainer dengan kemampuan streaming dua arah menangani permintaan inferensi streaming di mana bagian dibuat secara bertahap di klien dan dialirkan ke wadah. Ini mengembalikan inferensi model kembali ke klien sebagai serangkaian bagian saat model menghasilkannya. Aplikasi klien mulai menerima tanggapan segera ketika tersedia. Mereka tidak perlu menunggu permintaan yang dibuat sepenuhnya di klien atau model untuk menghasilkan seluruh respons. Anda dapat menerapkan streaming dua arah untuk mendukung pengalaman interaktif yang cepat, seperti chatbots, asisten AI suara interaktif, dan terjemahan waktu nyata untuk pengalaman yang lebih real-time.
Bagaimana Kontainer Anda Harus Menanggapi Permintaan Pemeriksaan Kesehatan (Ping)
SageMaker AI meluncurkan wadah inferensi baru dalam situasi berikut:
-
Menanggapi
CreateEndpoint,UpdateEndpoint, dan panggilanUpdateEndpointWeightsAndCapacitiesAPI -
Membuat patch keamanan
-
Mengganti instance yang tidak sehat
Segera setelah startup kontainer, SageMaker AI mulai mengirim permintaan GET berkala ke /ping titik akhir.
Persyaratan paling sederhana pada wadah adalah merespons dengan kode status HTTP 200 dan badan kosong. Ini menunjukkan kepada SageMaker AI bahwa wadah siap menerima permintaan inferensi di titik /invocations akhir.
Jika wadah tidak mulai lulus pemeriksaan kesehatan dengan merespons secara konsisten dengan 200s selama 8 menit setelah startup, peluncuran instance baru gagal. Hal ini CreateEndpoint menyebabkan kegagalan, meninggalkan titik akhir dalam keadaan gagal. Pembaruan yang diminta oleh UpdateEndpoint tidak selesai, patch keamanan tidak diterapkan, dan instance yang tidak sehat tidak diganti.
Sementara bilah minimum adalah wadah mengembalikan 200 statis, pengembang kontainer dapat menggunakan fungsi ini untuk melakukan pemeriksaan lebih dalam. Batas waktu permintaan pada /ping upaya adalah 2 detik.
Selain itu, wadah yang mampu menangani permintaan streaming dua arah harus merespons dengan Pong Frame (per WebSocket protokol RFC6455
Kontrak Kontainer untuk Mendukung Kemampuan Streaming Dua Arah
Jika Anda ingin meng-host container model Anda sebagai titik akhir SageMaker AI yang mendukung kemampuan streaming dua arah, wadah model harus mendukung kontrak di bawah ini:
1. Label Docker Dua Arah
Wadah model harus memiliki label Docker yang menunjukkan ke platform SageMaker AI bahwa kemampuan streaming dua arah didukung pada wadah ini.
com.amazonaws.sagemaker.capabilities.bidirectional-streaming=true
2. Support WebSocket Connection untuk pemanggilan
Kontainer model pelanggan yang mendukung streaming dua arah harus mendukung WebSockets koneksi pada port 8080 secara default. /invocations-bidirectional-stream
Jalur ini dapat diganti dengan meneruskan header X-Amzn-SageMaker-Model -Invocation-Path saat menjalankan API. InvokeEndpointWithBidirectionalStream Selain itu, pengguna dapat menentukan string kueri yang akan ditambahkan ke jalur ini dengan meneruskan header X-Amzn-SageMaker-Model -Query-String saat menjalankan API. InvokeEndpointWithBidirectionalStream
3. Minta Penanganan Stream
<Blob>Muatan input InvokeEndpointWithBidirectionalStream API dialirkan sebagai serangkaian PayloadParts, yang hanya merupakan pembungkus potongan biner (“Bytes”:):
{ "PayloadPart": { "Bytes": <Blob>, "DataType": <String: UTF8 | BINARY>, "CompletionState": <String: PARTIAL | COMPLETE> "P": <String> } }
3.1. Bingkai Data
SageMaker AI meneruskan input PayloadParts ke wadah Model sebagai Bingkai WebSocket Data (RFC6455-Bagian-5.6)
-
SageMaker AI tidak memeriksa ke dalam potongan biner.
-
Saat menerima masukan PayloadPart
-
SageMaker AI membuat persis satu WebSocket Data Frame dari
PayloadPart.Bytes, lalu meneruskannya ke wadah model. -
Jika
PayloadPart.DataType = UTF8, SageMaker AI membuat Bingkai Data Teks -
Jika
PayloadPart.DataTypetidak ada atauPayloadPart.DataType = BINARY, SageMaker AI membuat Bingkai Data Biner
-
-
Untuk urutan dengan
PayloadPart.CompletionState = PARTIAL, dan diakhiri PayloadParts dengan PayloadPart denganPayloadPart.CompletionState = COMPLETE, SageMaker AI menerjemahkannya menjadi pesan WebSocket terfragmentasi RFC6455-Bagian-5.4: Fragmentasi: -
Awal PayloadPart dengan
PayloadPart.CompletionState = PARTIALakan diterjemahkan ke dalam Bingkai WebSocket Data, dengan FIN sedikit jelas. -
Selanjutnya PayloadParts dengan
PayloadPart.CompletionState = PARTIALakan diterjemahkan ke dalam WebSocket Continuation Frames dengan FIN bit clear. -
Final PayloadPart dengan
PayloadPart.CompletionState = COMPLETEakan diterjemahkan ke dalam WebSocket Continuation Frame dengan set bit FIN.
-
-
SageMaker AI tidak menyandikan atau mendekode potongan biner dari input PayloadPart, byte diteruskan ke wadah model apa adanya.
-
SageMaker AI tidak menggabungkan beberapa input PayloadParts menjadi satu BinaryDataFrame.
-
SageMaker AI tidak memotong satu input PayloadPart menjadi beberapa BinaryDataFrames.
Contoh: Alur Pesan Terfragmentasi
Client sends: PayloadPart 1: {Bytes: "Hello ", DataType: "UTF8", CompletionState: "PARTIAL"} PayloadPart 2: {Bytes: "World", DataType: "UTF8", CompletionState: "COMPLETE"} Container receives: Frame 1: Text Data Frame with "Hello " (FIN=0) Frame 2: Continuation Frame with "World" (FIN=1)
3.2. Bingkai Kontrol
Selain Data Frames, SageMaker AI juga mengirimkan Control Frames ke wadah model (RFC6455-Section-5.5
-
Tutup Bingkai: SageMaker AI dapat mengirim Close Frame (RFC6455-Section-5.5.1
) ke wadah model jika koneksi ditutup karena alasan apa pun. -
Ping Frame: SageMaker AI mengirim Ping Frame (RFC6455-Section-5.5.2
) setiap 60 detik sekali, wadah model harus merespons dengan Pong Frame. Jika tidak ada Pong Frame (RFC6455-Section-5.5.3 ) yang diterima selama 5 Ping berturut-turut, koneksi akan ditutup oleh AI. SageMaker -
Pong Frame: SageMaker AI akan merespons Ping Frames dari wadah model dengan Pong Frames.
4. Penanganan Stream Respons
Output dialirkan keluar sebagai serangkaian PayloadParts, ModelStreamErrors atau InternalStreamFailures.
{ "PayloadPart": { "Bytes": <Blob>, "DataType": <String: UTF8 | BINARY>, "CompletionState": <String: PARTIAL | COMPLETE>, }, "ModelStreamError": { "ErrorCode": <String>, "Message": <String> }, "InternalStreamFailure": { "Message": <String> } }
4.1. Bingkai Data
SageMaker AI mengonversi Data Frames yang diterima dari wadah model menjadi output PayloadParts:
-
Saat menerima Bingkai Data WebSocket Teks dari wadah model, SageMaker AI mendapatkan byte mentah dari Bingkai Data Teks, dan membungkusnya menjadi respons PayloadPart, sementara itu disetel.
PayloadPart.DataType = UTF8 -
Saat menerima Bingkai Data WebSocket Biner dari wadah model, SageMaker AI langsung membungkus byte dari bingkai data menjadi respons PayloadPart, sementara itu ditetapkan.
PayloadPart.DataType = BINARY -
Untuk pesan terfragmentasi seperti yang didefinisikan dalam RFC6455-Section-5.4
: Fragmentasi: -
Data Frame awal dengan FIN bit clear akan diterjemahkan ke dalam PayloadPart with
PayloadPart.CompletionState = PARTIAL. -
Bingkai Kelanjutan berikutnya dengan bit FIN jelas akan diterjemahkan ke dalam PayloadParts dengan
PayloadPart.CompletionState = PARTIAL. -
Bingkai Kelanjutan akhir dengan set bit FIN akan diterjemahkan ke dalam PayloadPart dengan
PayloadPart.CompletionState = COMPLETE.
-
-
SageMaker AI tidak menyandikan atau memecahkan kode byte yang diterima dari wadah model, byte diteruskan ke wadah model apa adanya.
-
SageMaker AI tidak menggabungkan beberapa Data Frames yang diterima dari wadah model menjadi satu respons PayloadPart.
-
SageMaker AI tidak memotong Data Frame yang diterima dari wadah model menjadi beberapa respons PayloadParts.
Contoh: Aliran Respon Streaming
Container sends: Frame 1: Text Data Frame with "Generating" (FIN=0) Frame 2: Continuation Frame with " response..." (FIN=1) Client receives: PayloadPart 1: {Bytes: "Generating", DataType: "UTF8", CompletionState: "PARTIAL"} PayloadPart 2: {Bytes: " response...", DataType: "UTF8", CompletionState: "COMPLETE"}
4.2. Bingkai Kontrol
SageMaker AI merespons Control Frames berikut dari wadah model:
-
Saat menerima Close Frame (RFC6455-Section-5.5.1
) dari wadah model, SageMaker AI akan membungkus kode status (RFC6455-Section-7.4 ) dan pesan kegagalan ke dalam, dan mengalirkannya kembali ke ModelStreamError pengguna akhir. -
Saat menerima Ping Frame (RFC6455-Section-5.5.2
) dari wadah model, SageMaker AI akan merespons dengan Pong Frame. -
Pong Frame (RFC6455-Section-5.5.3
): Jika tidak ada Pong Frame yang diterima selama 5 Ping berturut-turut, koneksi akan ditutup oleh AI. SageMaker