ML.NET机器学习API容器化与Azure DevOps实践：持续集成与k8s持续部署
Posted dotNET跨平台
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了ML.NET机器学习API容器化与Azure DevOps实践：持续集成与k8s持续部署相关的知识，希望对你有一定的参考价值。
通过上文所介绍的内容，我们已经完成了RESTful API的开发，现在，就可以使用Azure DevOps来进行持续集成（CI）和k8s持续部署（CD）了。本文我会对使用Azure DevOps进行CI/CD的过程中需要注意的地方进行详细介绍，而对于Azure DevOps配置的详细步骤，我不会做太多注解，大家可以参考我前面写的《ASP.NET Core应用程序容器化、持续集成与Kubernetes集群部署》系列文章。
在使用Azure DevOps进行CI/CD之前，首先来了解一下整个开发部署的架构拓扑，下图展示了基于Azure DevOps进行持续集成和持续部署的架构拓扑：
我们首先使用Visual Studio 2019来开发ML.NET模型训练的项目，用以生成训练模型，并使用Visual Studio 2019开发了基于ASP.NET Core的RESTful API，这些代码都由Azure DevOps Repo进行托管。然后，Azure DevOps Build Pipeline会对源代码进行编译，将RESTful API应用程序编译成docker镜像然后推送到Azure Container Registry上，并执行模型训练程序，产生训练模型ZIP文件，并由Release Pipeline将训练模型保存到Azure Blob Storage中。Release Pipeline的另一个任务就是通过定义好的Kubernetes部署文件，将RESTful API部署到Azure Kubernetes Services集群。运行于ASP.NET Core中的RESTful API在启动的时候，会访问Azure Blob Storage读取训练模型，同时向客户端提供API端点。整套CI/CD体系，包括代码托管，包括容器注册表，包括容器集群等，全部都由Microsoft Azure提供。不过，出于费用方面的考虑，我没有使用Azure Container Registry，而是使用docker hub，在代码托管方面，也没有使用Azure Repo，而是使用的Github。
以上是关于ML.NET机器学习API容器化与Azure DevOps实践：持续集成与k8s持续部署的主要内容，如果未能解决你的问题，请参考以下文章
使用ML.NET和Azure Function进行机器学习 - 第1部分
CA周记 - 在 Azure ML 上用 .NET 跑机器学习