🙂 ➡️ ♍️ आर और पायथन में डॉकिंग वेब सेवाएँ 📬 🍍 🤘🏽

नमस्कार, हेब्र! कंटेनरीकरण सॉफ्टवेयर विकास के लिए एक दृष्टिकोण है जिसमें एक अनुप्रयोग या सेवा, इसकी निर्भरता और कॉन्फ़िगरेशन (अमूर्त परिनियोजन प्रकट फाइलें) एक कंटेनर छवि में एक साथ पैक किए जाते हैं। इस लेख में, हम एक डॉकटर छवि बनाने और आर, पायथन शेल, और अन्य को चलाने के लिए इसका उपयोग देखेंगे। अब सम्मिलित हों!

एक कंटेनरीकृत एप्लिकेशन को एक मॉड्यूल के रूप में परीक्षण किया जा सकता है और वर्तमान नोड के ऑपरेटिंग सिस्टम (ओएस) में एक कंटेनर उदाहरण के रूप में तैनात किया जा सकता है। डॉकर पोर्टेबल, स्व-निहित कंटेनरों के रूप में अनुप्रयोगों की तैनाती को स्वचालित करने के लिए एक खुला स्रोत प्रोजेक्ट है जो क्लाउड या ऑन-प्रिमाइसेस में काम कर सकता है। अधिक जानकारी के लिए यहाँ देखें।

Microsoft मशीन लर्निंग सर्वर स्केलेबल डेटा विश्लेषण के लिए एक लचीला उद्यम मंच है, बुद्धिमान अनुप्रयोगों का निर्माण और पायथन और आर के लिए पूर्ण समर्थन के साथ व्यापार-मूल्यवान जानकारी प्राप्त करना है। " परिचालन " शब्द का अर्थ है Microsoft मशीन लर्निंग सर्वर में आर और पायथन भाषाओं में मॉडल और कोड की तैनाती वेब सेवाओं के रूप में और कंपनी की दक्षता में सुधार के लिए क्लाइंट एप्लिकेशन में इन सेवाओं के बाद के उपयोग के रूप में।

इस लेख में, हम देखेंगे कि डॉकर फ़ाइलों का उपयोग करते हुए मशीन लर्निंग सर्वर 9.3 युक्त डॉक चित्र कैसे बनाया जाए, और निम्न कार्यों को करने के लिए इसका उपयोग कैसे करें:

आर शेल चलाएं।
अजगर खोल स्टार्टअप।
जुपिटर नोटबुक लॉन्च करें।
OneBox कॉन्फ़िगरेशन लॉन्च करें।
वेब सेवा आर।
पायथन वेब सेवा शुरू करना।

आवश्यक घटक

किसी भी लिनक्स वर्चुअल मशीन जिसमें डॉक कम्युनिटी एडिशन (सीई) सॉफ्टवेयर इंस्टॉल है। इस लेख को तैयार करने में, मैंने उबंटू 16.04 वीएम को स्थापित किया और डॉकटर सीई स्थापित किया ।

चरण 1

सबसे पहले, हम मशीन डॉक्यूमेंट सर्वर 9.3 के साथ mlserver नामक एक इमेज बनायेंगे जो निम्नलिखित डॉकटर फ़ाइल का उपयोग कर स्थापित किया जाएगा:

FROM ubuntu:16.04 RUN apt-get -y update \ && apt-get install -y apt-transport-https wget \ && echo "deb [arch=amd64] https://packages.microsoft.com/repos/azure-cli/ xenial main" | tee /etc/apt/sources.list.d/azure-cli.list \ && wget https://packages.microsoft.com/config/ubuntu/16.04/packages-microsoft-prod.deb -O /tmp/prod.deb \ && dpkg -i /tmp/prod.deb \ && rm -f /tmp/prod.deb \ && apt-key adv --keyserver packages.microsoft.com --recv-keys 52E16F86FEE04B979B07E28DB02C46DF417A0893 \ && apt-get -y update \ && apt-get install -y microsoft-r-open-foreachiterators-3.4.3 \ && apt-get install -y microsoft-r-open-mkl-3.4.3 \ && apt-get install -y microsoft-r-open-mro-3.4.3 \ && apt-get install -y microsoft-mlserver-packages-r-9.3.0 \ && apt-get install -y microsoft-mlserver-python-9.3.0 \ && apt-get install -y microsoft-mlserver-packages-py-9.3.0 \ && apt-get install -y microsoft-mlserver-mml-r-9.3.0 \ && apt-get install -y microsoft-mlserver-mml-py-9.3.0 \ && apt-get install -y microsoft-mlserver-mlm-r-9.3.0 \ && apt-get install -y microsoft-mlserver-mlm-py-9.3.0 \ && apt-get install -y azure-cli=2.0.26-1~xenial \ && apt-get install -y dotnet-runtime-2.0.0 \ && apt-get install -y microsoft-mlserver-adminutil-9.3.0 \ && apt-get install -y microsoft-mlserver-config-rserve-9.3.0 \ && apt-get install -y microsoft-mlserver-computenode-9.3.0 \ && apt-get install -y microsoft-mlserver-webnode-9.3.0 \ && apt-get clean \ && /opt/microsoft/mlserver/9.3.0/bin/R/activate.sh

ऊपर दिए गए डॉक फ़ाइल का उपयोग करके एक mlserver छवि बनाने के लिए docker बिल्ड कमांड का उपयोग करें:

 docker build -f mlserver-dockerfile -t mlserver.

सत्यापित करें कि निम्न आदेश को चलाकर mlserver छवि का निर्माण सफलतापूर्वक पूरा हो गया है:

 docker images

आर शेल लॉन्च

 docker run -it mlserver R

पायथन शेल लॉन्च

 docker run -it mlserver mlserver-python

जुपिटर नोटबुक लॉन्च करें

 docker run -p 8888:8888 -it mlserver /opt/microsoft/mlserver/9.3.0/runtime/python/bin/jupyter notebook --no-browser --port=8888 --ip=0.0.0.0 --allow-root

ऊपर दिए गए कमांड को चलाने से एक ब्राउज़र में इसे खोलकर एक लिंक दिया जाता है, आप जुपिटर नोटबुक का उपयोग कर सकते हैं।

OneBox कॉन्फ़िगरेशन लॉन्च करें

Microsoft लर्निंग सर्वर को एक परिनियोजन सर्वर के रूप में उपयोग करने के लिए स्थापना के बाद कॉन्फ़िगर किया जा सकता है और परिचालन के लिए विश्लेषणात्मक तकनीकों को होस्ट कर सकता है ।

  FROM ubuntu:16.04 RUN apt-get -y update \ && apt-get install -y apt-transport-https wget \ && echo "deb [arch=amd64] https://packages.microsoft.com/repos/azure-cli/ xenial main" | tee /etc/apt/sources.list.d/azure-cli.list \ && wget https://packages.microsoft.com/config/ubuntu/16.04/packages-microsoft-prod.deb -O /tmp/prod.deb \ && dpkg -i /tmp/prod.deb \ && rm -f /tmp/prod.deb \ && apt-key adv --keyserver packages.microsoft.com --recv-keys 52E16F86FEE04B979B07E28DB02C46DF417A0893 \ && apt-get -y update \ && apt-get install -y microsoft-r-open-foreachiterators-3.4.3 \ && apt-get install -y microsoft-r-open-mkl-3.4.3 \ && apt-get install -y microsoft-r-open-mro-3.4.3 \ && apt-get install -y microsoft-mlserver-packages-r-9.3.0 \ && apt-get install -y microsoft-mlserver-python-9.3.0 \ && apt-get install -y microsoft-mlserver-packages-py-9.3.0 \ && apt-get install -y microsoft-mlserver-mml-r-9.3.0 \ && apt-get install -y microsoft-mlserver-mml-py-9.3.0 \ && apt-get install -y microsoft-mlserver-mlm-r-9.3.0 \ && apt-get install -y microsoft-mlserver-mlm-py-9.3.0 \ && apt-get install -y azure-cli=2.0.26-1~xenial \ && apt-get install -y dotnet-runtime-2.0.0 \ && apt-get install -y microsoft-mlserver-adminutil-9.3.0 \ && apt-get install -y microsoft-mlserver-config-rserve-9.3.0 \ && apt-get install -y microsoft-mlserver-computenode-9.3.0 \ && apt-get install -y microsoft-mlserver-webnode-9.3.0 \ && apt-get clean \ && /opt/microsoft/mlserver/9.3.0/bin/R/activate.sh RUN echo $'#!/bin/bash \n\ set -e \n\ az ml admin bootstrap --admin-password "Microsoft@2018" --confirm-password "Microsoft@2018" \n\ exec "$@"' > bootstrap.sh RUN chmod +x bootstrap.sh EXPOSE 12800 ENTRYPOINT ["/bootstrap.sh"] CMD ["bash"]

उपरोक्त डॉकटर फ़ाइल का उपयोग करके एमएलसेवर-वनबॉक्स छवि बनाएं:

 docker build -f mlserver-onebox-dockerfile -t mlserver-onebox.

सत्यापित करें कि निम्न आदेश को चलाकर mlserver-onebox छवि का निर्माण सफलतापूर्वक पूरा हो गया है:

 docker images

कमांड के साथ वनबॉक्स कंटेनर लॉन्च करें:

 docker run --name mlserver-onebox-container -dit mlserver-onebox

के साथ कंटेनर की स्थिति की जाँच करें:

 docker logs mlserver-onebox-container

उपरोक्त आदेशों के साथ पुष्टि करने के बाद कि नैदानिक परीक्षण सफल रहे थे, आप इस कंटेनर को एक-बॉक्स के रूप में उपयोग कर सकते हैं (डॉकर लॉग डेटा में निम्न पंक्ति होनी चाहिए: "सभी नैदानिक परीक्षण पास हो चुके हैं")।

कमांड चलाकर कंटेनर का IP पता प्राप्त करें:

 docker inspect -f '{{range .NetworkSettings.Networks}}{{.IPAddress}}{{end}}' mlserver-onebox-container '172.17.0.3'

और इसे एक-बॉक्स के रूप में उपयोग करें:

 az login --mls --mls-endpoint "http://172.17.0.3:12800" --username "admin" --password "Microsoft@2018" az ml admin diagnostic run

आर वेब सेवा शुरू करना

हम एक प्रीकॉन्फ़िगर्ड वेब सेवा के साथ एक छवि भी बना सकते हैं ताकि कंटेनर को तैनात करते ही यह उपयोग के लिए तैयार हो जाए। यहां मैनुअल ट्रांसमिशन को अनुकरण करने के लिए आर वेब सेवा के साथ एक छवि बनाने का एक उदाहरण है, जो इसके अंदर पूर्व-कॉन्फ़िगर किया गया है।

  FROM ubuntu:16.04 RUN apt-get -y update \ && apt-get install -y apt-transport-https wget \ && echo "deb [arch=amd64] https://packages.microsoft.com/repos/azure-cli/ xenial main" | tee /etc/apt/sources.list.d/azure-cli.list \ && wget https://packages.microsoft.com/config/ubuntu/16.04/packages-microsoft-prod.deb -O /tmp/prod.deb \ && dpkg -i /tmp/prod.deb \ && rm -f /tmp/prod.deb \ && apt-key adv --keyserver packages.microsoft.com --recv-keys 52E16F86FEE04B979B07E28DB02C46DF417A0893 \ && apt-get -y update \ && apt-get install -y microsoft-r-open-foreachiterators-3.4.3 \ && apt-get install -y microsoft-r-open-mkl-3.4.3 \ && apt-get install -y microsoft-r-open-mro-3.4.3 \ && apt-get install -y microsoft-mlserver-packages-r-9.3.0 \ && apt-get install -y microsoft-mlserver-python-9.3.0 \ && apt-get install -y microsoft-mlserver-packages-py-9.3.0 \ && apt-get install -y microsoft-mlserver-mml-r-9.3.0 \ && apt-get install -y microsoft-mlserver-mml-py-9.3.0 \ && apt-get install -y microsoft-mlserver-mlm-r-9.3.0 \ && apt-get install -y microsoft-mlserver-mlm-py-9.3.0 \ && apt-get install -y azure-cli=2.0.26-1~xenial \ && apt-get install -y dotnet-runtime-2.0.0 \ && apt-get install -y microsoft-mlserver-adminutil-9.3.0 \ && apt-get install -y microsoft-mlserver-config-rserve-9.3.0 \ && apt-get install -y microsoft-mlserver-computenode-9.3.0 \ && apt-get install -y microsoft-mlserver-webnode-9.3.0 \ && apt-get clean \ && /opt/microsoft/mlserver/9.3.0/bin/R/activate.sh RUN echo $'library(mrsdeploy) \n\ carsModel <- glm(formula = am ~ hp + wt, data = mtcars, family = binomial) \n\ manualTransmission <- function(hp, wt) { \n\ newdata <- data.frame(hp = hp, wt = wt) \n\ predict(carsModel, newdata, type = "response") \n\ } \n\ remoteLogin("http://localhost:12800", username = "admin", password = "Microsoft@2018", session = FALSE) \n\ api <- publishService("ManualTransmissionService", code = manualTransmission, model = carsModel, inputs = list(hp = "numeric", wt = "numeric"), outputs = list(answer = "numeric"), v = "1.0.0") \n\ result <- api$manualTransmission(120, 2.8) \n\ print(result$output("answer")) \n\ remoteLogout()' > /tmp/ManualTransmission.R RUN echo $'#!/bin/bash \n\ set -e \n\ az ml admin bootstrap --admin-password "Microsoft@2018" --confirm-password "Microsoft@2018" \n\ /usr/bin/Rscript --no-save --no-restore --verbose "/tmp/ManualTransmission.R" \n\ exec "$@"' > bootstrap.sh RUN chmod +x bootstrap.sh EXPOSE 12800 ENTRYPOINT ["/bootstrap.sh"] CMD ["bash"]

उपरोक्त डॉक फ़ाइल का उपयोग करके एक rmanualtransmission छवि बनाएं:

 docker build -f r-manualtransmission-dockerfile -t rmanualtransmission.

सत्यापित करें कि आदेश को चलाकर सफलतापूर्वक पूर्ण की गई छवि का निर्माण:

 docker images

कमांड का उपयोग करके कंटेनर लॉन्च करें:

 docker run --name rmanualtransmission-container -dit rmanualtransmission

के साथ कंटेनर की स्थिति की जाँच करें:

 docker logs rmanualtransmission-container

यह जांचने के बाद कि नैदानिक परीक्षण सफल थे और वेब सेवा प्रकाशित हो गई है, आप इसका उपयोग शुरू कर सकते हैं।

कमांड चलाकर कंटेनर का IP पता प्राप्त करें:

 docker inspect -f '{{range .NetworkSettings.Networks}}{{.IPAddress}}{{end}}' rmanualtransmission-container '172.17.0.3'

आप उपयोग कर सकते हैं या swagger.json R वेब सेवा सेटिंग फ़ाइल का उपयोग कर्ल कमांड का उपयोग करके मैन्युअल ट्रांसफर को अनुकरण करने के लिए कर सकते हैं:

 apt-get -y install jq curl -s --header "Content-Type: application/json" --request POST --data '{"username":"admin","password":"Microsoft@2018"}' http://172.17.0.3:12800/login | jq -r '.access_token' <access token> curl -s --header "Content-Type: application/json" --header "Authorization: Bearer <access token>" --request POST --data '{"hp":120,"wt":2.8}' http://172.17.0.3:12800/api/ManualTransmissionService/1.0.0 {"success":true,"errorMessage":"","outputParameters":{"answer":0.64181252840938208},"outputFiles":{},"consoleOutput":"","changedFiles":[]} curl -s --header "Authorization: Bearer <access token>" --request GET http://172.17.0.3:12800/api/ManualTransmissionService/1.0.0/swagger.json -o swagger.json

Swagger.json फ़ाइल किसी भी भाषा में क्लाइंट लाइब्रेरी बनाने के लिए उपयुक्त है।

पायथन वेब सेवा चलाना

निम्नलिखित पायथन वेब सेवा के साथ एक छवि बनाने का एक उदाहरण है जो इसके अंदर पूर्व-कॉन्फ़िगर किए गए मैनुअल ट्रांसमिशन को अनुकरण करने के लिए है।

  FROM ubuntu:16.04 RUN apt-get -y update \ && apt-get install -y apt-transport-https wget \ && echo "deb [arch=amd64] https://packages.microsoft.com/repos/azure-cli/ xenial main" | tee /etc/apt/sources.list.d/azure-cli.list \ && wget https://packages.microsoft.com/config/ubuntu/16.04/packages-microsoft-prod.deb -O /tmp/prod.deb \ && dpkg -i /tmp/prod.deb \ && rm -f /tmp/prod.deb \ && apt-key adv --keyserver packages.microsoft.com --recv-keys 52E16F86FEE04B979B07E28DB02C46DF417A0893 \ && apt-get -y update \ && apt-get install -y microsoft-r-open-foreachiterators-3.4.3 \ && apt-get install -y microsoft-r-open-mkl-3.4.3 \ && apt-get install -y microsoft-r-open-mro-3.4.3 \ && apt-get install -y microsoft-mlserver-packages-r-9.3.0 \ && apt-get install -y microsoft-mlserver-python-9.3.0 \ && apt-get install -y microsoft-mlserver-packages-py-9.3.0 \ && apt-get install -y microsoft-mlserver-mml-r-9.3.0 \ && apt-get install -y microsoft-mlserver-mml-py-9.3.0 \ && apt-get install -y microsoft-mlserver-mlm-r-9.3.0 \ && apt-get install -y microsoft-mlserver-mlm-py-9.3.0 \ && apt-get install -y azure-cli=2.0.26-1~xenial \ && apt-get install -y dotnet-runtime-2.0.0 \ && apt-get install -y microsoft-mlserver-adminutil-9.3.0 \ && apt-get install -y microsoft-mlserver-config-rserve-9.3.0 \ && apt-get install -y microsoft-mlserver-computenode-9.3.0 \ && apt-get install -y microsoft-mlserver-webnode-9.3.0 \ && apt-get clean \ && /opt/microsoft/mlserver/9.3.0/bin/R/activate.sh RUN echo $'from microsoftml.datasets.datasets import DataSetMtCars \n\ import pandas as pd \n\ from revoscalepy import rx_lin_mod, rx_predict \n\ cars_model = rx_lin_mod(formula="am ~ hp + wt", data=DataSetMtCars().as_df()) \n\ mydata = pd.DataFrame({"hp":[120],"wt":[2.8]}) \n\ def manualTransmission(hp, wt): \n\ \timport pandas as pd \n\ \tfrom revoscalepy import rx_predict \n\ \tnewData = pd.DataFrame({"hp":[hp], "wt":[wt]}) \n\ \treturn rx_predict(cars_model, newData, type="response") \n\ \n\ from azureml.deploy import DeployClient \n\ from azureml.deploy.server import MLServer \n\ from azureml.common.configuration import Configuration \n\ \n\ HOST = "http://localhost:12800" \n\ context = ("admin", "Microsoft@2018") \n\ client = DeployClient(HOST, use=MLServer, auth=context) \n\ service_name = "ManualTransmissionService" \n\ service_version = "1.0.0" \n\ service = client.service(service_name).version(service_version).code_fn(manualTransmission).inputs(hp=float, wt=float).outputs(answer=pd.DataFrame).models(cars_model=cars_model).description("Man ual Transmission Service").deploy() \n\ res = service.manualTransmission(120, 2.8) \n\ print(res.output("answer"))' > /tmp/ManualTransmission.py RUN echo $'#!/bin/bash \n\ set -e \n\ az ml admin bootstrap --admin-password "Microsoft@2018" --confirm-password "Microsoft@2018" \n\ mlserver-python /tmp/ManualTransmission.py \n\ exec "$@"' > bootstrap.sh RUN chmod +x bootstrap.sh EXPOSE 12800 ENTRYPOINT ["/bootstrap.sh"] CMD ["bash"]

उपरोक्त docker फ़ाइल का उपयोग करके एक pananualtransmission इमेज बनाएँ:

 docker build -f py-manualtransmission-dockerfile -t pymanualtransmission.

सत्यापित करें कि pananualtransmission छवि निर्माण सफलतापूर्वक कमांड चलाकर पूरा हो गया है:

 docker images

कमांड का उपयोग करके कंटेनर लॉन्च करें:

 docker run --name pymanualtransmission-container -dit pymanualtransmission

के साथ कंटेनर की स्थिति की जाँच करें:

 docker logs pymanualtransmission-container

 docker inspect -f '{{range .NetworkSettings.Networks}}{{.IPAddress}}{{end}}' pymanualtransmission-container '172.17.0.3'

आप कर्ल कमांड का उपयोग करके मैन्युअल ट्रांसफर को अनुकरण करने के लिए पायथन वेब सेवा की स्थापना के लिए स्वैगर.जॉन फ़ाइल प्राप्त कर सकते हैं:

 apt-get -y install jq curl -s --header "Content-Type: application/json" --request POST --data '{"username":"admin","password":"Microsoft@2018"}' http://172.17.0.3:12800/login | jq -r '.access_token' <access token> curl -s --header "Content-Type: application/json" --header "Authorization: Bearer <access token>" --request POST --data '{"hp":120,"wt":2.8}' http://172.17.0.3:12800/api/ManualTransmissionService/1.0.0 {"success":true,"errorMessage":"","outputParameters":{"answer":0.64181252840938208},"outputFiles":{},"consoleOutput":"","changedFiles":[]} curl -s --header "Authorization: Bearer <access token>" --request GET http://172.17.0.3:12800/api/ManualTransmissionService/1.0.0/swagger.json -o swagger.json

Swagger.json फ़ाइल किसी भी भाषा में क्लाइंट लाइब्रेरी बनाने के लिए उपयुक्त है।

नोट। आप जादुई डॉकटर फ़ाइल का उपयोग करके appsettings.json वेबसाइट सेटिंग्स को भी बदल सकते हैं और LDAP / AAD प्रमाणीकरण सक्षम कर सकते हैं।

विस्तार

बनाई गई स्थानीय डॉकटर छवियां Azure कंटेनर रजिस्ट्री (ACR ) को भेजी जा सकती हैं।

ACR से छवियों का उपयोग करके Azure Kubernetes Service (AKS) में एक क्लस्टर बनाएँ, जो स्वतः ही ऑटोस्केल पॉड्स का उपयोग करके दोनों पक्षों को स्केल कर सकता है ।

आर और पायथन में डॉकिंग वेब सेवाएँ

आवश्यक घटक

चरण 1

आर शेल लॉन्च

पायथन शेल लॉन्च

जुपिटर नोटबुक लॉन्च करें

OneBox कॉन्फ़िगरेशन लॉन्च करें

आर वेब सेवा शुरू करना

पायथन वेब सेवा चलाना

विस्तार

कड़ियाँ:

More articles: