将您自己的推理代码用于托管服务 - Amazon SageMaker
Amazon Web Services 文档中描述的 Amazon Web Services 服务或功能可能因区域而异。要查看适用于中国区域的差异,请参阅中国的 Amazon Web Services 服务入门

本文属于机器翻译版本。若本译文内容与英语原文存在差异,则一律以英文原文为准。

将您自己的推理代码用于托管服务

此部分介绍 Amazon SageMaker 如何与运行您自己的用于托管服务的推理代码的 Docker 容器进行交互。使用此信息编写推理代码并创建 Docker 镜像。

SageMaker 如何运行您的推理映像

要配置容器以作为可执行文件运行,请使用 Dockerfile 中的 ENTRYPOINT 指令。请注意以下几点:

  • 对于模型推理,SageMaker 会将容器运行为:

    docker run image serve

    SageMaker 会覆盖默认CMD语句,通过在容器中指定serve参数。serve 参数覆盖您使用 Dockerfile 中的 CMD 命令提供的参数。

     

  • 建议您使用 exec 形式的 ENTRYPOINT 指令:

    ENTRYPOINT ["executable", "param1", "param2"]

    例如:

    ENTRYPOINT ["python", "k_means_inference.py"]

    exec 形式的 ENTRYPOINT 指令直接启动可执行文件,而不是 /bin/sh 的子级。这使其能够接收信号,如SIGTERMSIGKILL来自 SageMaker API 操作,这是一项要求。

     

    例如,当您使用CreateEndpointAPI 创建终端节点时,SageMaker 会设置您在请求中指定的终端节点配置所需的 ML 计算实例数。SageMaker 会在这些实例上运行 Docker 容器。

     

    如果您减少为终端节点提供支持的实例数(通过调用UpdateEndpointWeightsAndCapacitiesAPI),SageMaker 会运行命令来在将终止的实例上停止 Docker 容器。此命令发送 SIGTERM 信号,然后在 30 秒后发送 SIGKILL 信号。

     

    如果您更新终端节点(通过调用UpdateEndpointAPI),SageMaker 将启动另一组 ML 计算实例,并运行在其中包含您的推理代码的 Docker 容器。然后,它会运行一条命令来停止以前的 Docker 容器。要停止 Docker 容器,命令会发送SIGTERM信号,那么它会发送SIGKILL信号 30 秒后。

     

  • SageMaker 使用您在CreateModel请求设置容器的环境变量和 DNS 主机名,如下所示:

     

    • 它使用 ContainerDefinition.Environment 字符串到字符串映射来设置环境变量。

    • 它使用 ContainerDefinition.ContainerHostname 设置 DNS 主机名。

       

  • 如果您计划将 GPU 设备用于模型推理 (通过在CreateEndpointConfig请求),请确保您的容器是nvidia-docker兼容。不要将 NVIDIA 驱动程序与镜像捆绑。有关 nvidia-docker 的更多信息,请参阅 NVIDIA/nvidia-docker

     

  • 您不能使用tini初始化程序作为 SageMaker 容器中的入口点,因为它会被trainserve参数。

SageMaker 如何加载您的模型构件

在您的CreateModel请求时,容器定义包含ModelDataUrl参数,它标识存储模型构件的 S3 位置。SageMaker 使用此信息来确定从哪里复制模型构件。它会将构件复制到 /opt/ml/model 目录以供推理代码使用。

ModelDataUrl 必须指向 tar.gz 文件。否则,SageMaker 将不会下载文件。

如果您在 SageMaker 中训练您的模型,则模型构件将作为单个压缩的 tar 文件保存在 Amazon S3 中。如果已在 SageMaker 之外训练您的模型,则需要创建此单个压缩的 tar 文件,并将其保存在 S3 位置。在容器启动之前,SageMaker 将此 tar 文件解压缩到 /opt/ml/model 目录中。

容器如何使用请求

容器必须实施在端口 8080 上响应 /invocations/ping 的 Web 服务器。

容器应如何响应推理请求

为了获得推理结果,客户端应用程序将向 SageMaker 终端节点发送 POST 请求。有关更多信息,请参阅 InvokeEndpoint API。SageMaker 将请求传递给容器,并将来自容器的推理结果返回给客户端。请注意以下几点:

  • SageMaker 带所有POST标头,不过支持的标头除外InvokeEndpoint. SageMaker 可能添加其他标头。推理容器必须能够安全地忽略这些额外标头。

  • 要接收推理请求,容器必须有一个在端口 8080 上侦听的 Web 服务器,并且必须接受到 POST 终端节点的 /invocations 请求。

  • 客户的模型容器必须在 250 毫秒内接受套接字连接请求。

  • 客户的模型容器必须在 60 秒内响应请求。模型本身可能有最多 60 秒的处理时间,然后再响应/invocations. 如果您的模型需要 50 到 60 秒的处理时间,则开发工具包套接字超时应设置为 70 秒。

容器应如何响应运行状况检查 (Ping) 请求

这些区域有:CreateEndpointUpdateEndpointAPI 调用导致 SageMaker 启动新的推理容器。容器启动后不久,SageMaker 开始将定期 GET 请求发送到/ping终端节点。

容器上的最简单要求是使用 HTTP 200 状态代码和空白正文进行响应。这告知 SageMaker 容器已准备好接受/invocations终端节点。

如果容器未开始一致地使用 200s 做出响应来通过运行状况检查,则CreateEndPoint将失败,使端点处于失败状态,并且UpdateEndpoint将无法完成。

虽然最低限制供容器用来返回静态 200,但容器开发人员可使用此功能执行更深入的检查。请求超时/ping尝试为 2 秒。