使用 ML Studio API 开发 CD/CI 的最佳实践是啥?

Posted

技术标签:

【中文标题】使用 ML Studio API 开发 CD/CI 的最佳实践是啥?【英文标题】:What is the best practice to develop CD/CI when you use ML studio APIs?使用 ML Studio API 开发 CD/CI 的最佳实践是什么? 【发布时间】:2019-01-27 03:15:48 【问题描述】:

在我们的后端开发过程中,我们有两个环境:测试和生产。我们开发代码,然后将代码推送到测试存储库中。然后在发布日期,我们将所有内容都投入生产。

现在我们要使用 ML Studio,我正在努力为我的 ML Studio 实验设置测试和生产环境。

我使用独立的 API 创建了两个相同的实验;一个实验用于测试,另一个实验用于生产。在将经过训练的实验从测试转移到生产环境时,我将在测试环境中所做的所有更改都转移到生产环境中,这是一个非常耗时的过程。

您是否知道任何更好的解决方案,以便我们可以部署和测试我们的更改,然后将最新的更改部署到生产环境?人们如何在 CD/CI 流程中使用 ML Studio?

附图显示了我现在的设计。如果您能帮助我改进这个过程,我将不胜感激。也许 ML studio 有一些我不知道的功能来管理这个场景。

【问题讨论】:

【参考方案1】:

在 MLStudio 中,当您将实验作为 API 发布时,当前的 API 会被替换为流行的 API。您可以做的一种做法是这样的。 保持一个测试实验。 维护一个相同的副本并将其推送到生产中。 当您完成测试实验中的更改后,请保持原样(然后您可以稍后更改)并制作副本(使用另存为) - 将其发布为生产服务。

这也有一些缺点。发布后,您必须更新生产代码上的 API 端点,并且您可能必须手动记录用于生产的版本。唯一的好处是更新两个实验的时间会减少。

【讨论】:

以上是关于使用 ML Studio API 开发 CD/CI 的最佳实践是啥?的主要内容,如果未能解决你的问题,请参考以下文章

CI/CD

CI/CD

CD/CI的概念

有啥方法可以将 Raspi 连接到用于 CD/CI 管道的 devops?

Azure ML Studio ML Pipeline - 异常:未找到临时文件

一个简单的CD/CI流程思考,续