此 AWS 解决方案实施有何用途?

AWS MLOps 框架解决方案帮助您简化和实施机器学习 (ML) 模型产品化的架构最佳实践。此解决方案是一个可扩展的框架,为管理 AWS ML 服务和第三方服务的 ML 管道提供了一个标准接口。此解决方案的模板允许客户上传其经过训练的模型(也称为自带模型),配置管道的编排并监控管道操作。此解决方案通过允许团队大规模重复成功流程,从而提高您团队的敏捷性和效率。

优势

利用预配置的机器学习管道

使用解决方案参考架构,通过 API 调用或 Git 存储库启动预配置管道。

优势

自动部署经过训练的模型和推理终端节点

使用解决方案的框架实现模型监控管道或 Amazon SageMaker BYOM 管道的自动化。通过将模型偏差检测打包为一个无服务器微服务,从而提供推理终端节点。

AWS 解决方案实施概览

下图表示您可以使用该解决方案实施指南和随附的 AWS CloudFormation 模板自动部署的无服务器架构。

  • 选项 1 - 单账户部署
  • 选项 2 - 多账户部署
  • 选项 1 - 单账户部署
  • AWS MLOps 框架 | 参考架构图
     单击可放大

    AWS MLOps 框架参考架构图(单账户部署)

    使用单账户模板部署在同一个 AWS 账户中部署所有解决方案的管道。此选项适合实验、开发和/或小规模生产工作负载。

    此解决方案的单账户模板提供下列组件和工作流:

    1. 构造器(解决方案拥有者或 DevOps 工程师)在 AWS 账户中启动解决方案并选择所需的选项(例如,使用 Amazon SageMaker 注册表,或提供现有的 Amazon S3 存储桶)。
    2. 构造器将目标管道所需的资产(例如,模型构件、培训数据和/或自定义算法 zip 文件)上传到资产 Amazon S3 存储桶中。如果使用 Amazon SageMaker 模型注册表,则构造器(或自动化管道)必须通过模型注册表注册该模型。
    3. 单账户 AWS CodePipeline 实例通过将 API 调用发送到 Amazon API Gateway 或将 mlops-config.json 文件提交到 Git 存储库来进行预置。根据管道类型,构造器 AWS Lambda 函数使用 API 调用或 mlops-config.json 文件的主体打包目标 AWS CloudFormation 模板及其参数/配置,并将其用作 AWS CodePipeline 实例的源阶段。
    4. DeployPipeline 阶段获取打包的 CloudFormation 模板及其参数/配置,并将目标管道部署到相同账户中。
    5. 预置了目标管道之后,用户即可使用其功能。Amazon Simple Notification Service (Amazon SNS) 通知发送到解决方案的启动参数中提供的电子邮件。
    使用下面的按钮订阅解决方案更新。

    注意:要订阅 RSS 更新,您必须为您正在使用的浏览器启用 RSS 插件。 

    此解决方案实施对您有帮助吗?
    提供反馈 
  • 选项 2 - 多账户部署
  • AWS MLOps 框架 | 参考架构图
     单击可放大

    AWS MLOps 框架参考架构图(多账户部署)

    使用多账户模板在不同 AWS 账户中预置多个环境(例如,开发、暂存和生产),这样可改善治理并增强 ML 管道部署的安全性和控制,产生安全的实验和更快地创新,使生产数据和工作负载安全且可用于确保业务连续性。

    此解决方案的多账户模板提供下列组件和工作流:

    1. 构造器(拥有构造器账户管理访问权限的解决方案拥有者或开发运维工程师)提供 AWS Organizations 信息(例如,开发、暂存和生产组织单元 ID 和账号)。它们还指定所需的选项(例如,使用 Amazon SageMaker 注册表,或提供现有的 S3 存储桶),然后在其 AWS 账户中启动解决方案。
    2. 构造器将目标管道所需的资产(例如,模型构件、培训数据和/或自定义算法 zip 文件)上传到 AWS 构造器账户内的资产 Amazon S3 存储桶中。如果使用 Amazon SageMaker 模型注册表,则构造器(或自动化管道)必须通过模型注册表注册该模型。
    3. 多账户 AWS CodePipeline 实例通过将 API 调用发送到 Amazon API Gateway 或将 mlops-config.json 文件提交到 Git 存储库来进行预置。根据管道类型,构造器 AWS Lambda 函数使用 API 调用或 mlops-config.json 文件的主体打包每个阶段的目标 AWS CloudFormation 模板及其参数/配置,并将其用作 AWS CodePipeline 实例的源阶段。
    4. DeployDev 阶段获取打包的 CloudFormation 模板及其参数/配置,并将目标管道部署到开发账户中。
    5. 在将目标管道预置到开发账户中之后,开发人员可以在该管道上迭代。
    6. 完成开发后,构造器(或另一个授权账户)手动批准 DeployStaging 操作移动到 DeployStaging 阶段。
    7. DeployStaging 阶段将目标管道使用暂存配置部署到暂存账户中。
    8. 测试人员在部署的管道上执行不同的测试。
    9. 管道通过了质量测试后,构造器就可以批准 DeployProd 操作。
    10. DeployProd 阶段将目标管道(使用生产配置)部署到生产账户中。
    11. 最后,目标管道驻留在生产中。Amazon Simple Notification Service (Amazon SNS) 通知发送到解决方案的启动参数中提供的电子邮件。

    使用下面的按钮订阅解决方案更新。

    注意:要订阅 RSS 更新,您必须为您正在使用的浏览器启用 RSS 插件。 

    此解决方案实施对您有帮助吗?
    提供反馈 
视频
使用 AWS 解决方案解决:AWS ML Ops 框架
回到顶部 
构建图标
自己部署解决方案

浏览我们的 AWS 解决方案实施库,以获取常见架构问题的答案。

了解更多 
查找 APN 合作伙伴
查找 APN 合作伙伴

寻找 AWS 认证的咨询和技术合作伙伴,以帮助您入门。

了解更多 
探索图标
了解解决方案咨询服务

浏览我们的咨询服务组合,以获取经过 AWS 审查的解决方案部署帮助。

了解更多