将您自己的推理代码用于托管服务 - Amazon SageMaker
AWS 文档中描述的 AWS 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 AWS 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 按以下方式运行容器:

    docker run image serve

    SageMaker 通过在映像名称后指定 serve 参数来覆盖容器中的默认 CMD 语句。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"]

    形式的 exec 指令将直接启动可执行文件,而不是作为 ENTRYPOINT 的子级。/bin/sh 这使其能够从 SIGTERM SIGKILL 接收信号(如 SageMaker 和 APIs),这是一项要求。

     

    例如,在使用 CreateEndpoint API 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 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的数量(通过调用 UpdateEndpointWeightsAndCapacities APIs),则 SageMaker 会运行命令来在要终止的实例上停止 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 UpdateEndpoint API), 将启动另一组 ML 计算实例并运行 Docker 容器(其中包含您的推理代码)。SageMaker然后,它会运行一条命令来停止以前的 Docker 容器。为了停止 Docker 容器,命令发送 SIGTERM 信号,然后在 30 秒后发送 SIGKILL 信号。

     

  • SageMaker 使用您在 CreateModel 请求中提供的容器定义来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 请求中指定基于 GPU 的 ML 计算实例),请确保您的容器与 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

     

  • 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 参数混淆。

SageMaker 如何加载您的模型构件

CreateModel 请求中,容器定义包含 ModelDataUrl 参数,该参数标识存储模型构件的 S3 位置。SageMaker 使用此信息来确定从何处复制模型构件。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。

如果已在 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。如果您在 SageMaker 外部训练了模型,则需要创建此单个压缩的 tar 文件并将其保存到 S3 位置。在容器启动之前,SageMaker 会将此 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 将剥离所有 POST 标头,不过 InvokeEndpoint 支持的标头除外。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。在响应 /invocations 之前,模型本身可能具有最多 60 秒的处理时间。 如果您的模型需要 50-60 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

CreateEndpointUpdateEndpoint API 调用导致 SageMaker 启动新的推理容器。在容器启动后不久,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 终端节点中的推理请求。

如果容器未开始通过运行状况检查(方式为以 200s 为一致响应),则在启动后的 4 分钟内,CreateEndPoint 将失败,终端节点将保持失败状态,并且 UpdateEndpoint 请求的更新将不会完成。

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。尝试的请求超时为 2 秒。/ping