Az Azure Stream Analytics integrálása az Azure Machine Learning szolgáltatással

Az Azure Stream Analytics-feladatokban felhasználó által definiált függvényként (UDF) implementálhat gépi tanulási modelleket, hogy valós idejű pontozást és előrejelzéseket hajtson végre a streamelési bemeneti adatokon. Az Azure Machine Learning lehetővé teszi bármely népszerű nyílt forráskódú eszköz, például a TensorFlow, a scikit-learn vagy a PyTorch használatát a modellek előkészítése, betanítása és üzembe helyezése érdekében.

Előfeltételek

Végezze el az alábbi lépéseket, mielőtt függvényként hozzáad egy gépi tanulási modellt a Stream Analytics-feladathoz:

1. A modell webszolgáltatásként való üzembe helyezéséhez használja az Azure Machine Learninget.

2. A gépi tanulási végpontnak rendelkeznie kell egy társított swaggerszel , amely segít a Stream Analyticsnek megérteni a bemenet és a kimenet sémáját. Ezt a swagger-definíciót hivatkozásként használhatja annak ellenőrzésére, hogy helyesen állította-e be.

3. Győződjön meg arról, hogy a webszolgáltatás JSON szerializált adatokat fogad és ad vissza.

4. A modell üzembe helyezése az Azure Kubernetes Service-ben nagy léptékű éles üzembe helyezésekhez. Ha a webszolgáltatás nem tudja kezelni a feladatból érkező kérelmek számát, a Stream Analytics-feladat teljesítménye csökken, ami hatással van a késésre. Az Azure Container Instancesben üzembe helyezett modellek csak az Azure Portal használatakor támogatottak.

Gépi tanulási modell hozzáadása a feladathoz

Azure Machine Learning-függvényeket közvetlenül az Azure Portalról vagy a Visual Studio Code-ból adhat hozzá a Stream Analytics-feladathoz.

Azure Portal

1. Navigáljon a Stream Analytics-feladathoz az Azure Portalon, és válassza a Feladatok topológia alatt található Függvények lehetőséget. Ezután válassza az Azure Machine Learning Service-t a +Hozzáadás legördülő menüből.

   

2. Töltse ki az Azure Machine Learning Service függvényűrlapot a következő tulajdonságértékekkel:

   

Az alábbi táblázat az Azure Machine Learning Service-függvények minden tulajdonságát ismerteti a Stream Analyticsben.

Tulajdonság	Leírás
Függvény aliasa	Adjon meg egy nevet a függvény lekérdezésben való meghívásához.
Előfizetés	Az Azure-előfizetése.
Azure Machine Learning-munkaterület	A modell webszolgáltatásként való üzembe helyezéséhez használt Azure Machine Learning-munkaterület.
Végpont	A modellt üzemeltető webszolgáltatás.
Függvény aláírása	A webszolgáltatás aláírása, amely az API sémaspecifikációjából származik. Ha az aláírás nem töltődik be, ellenőrizze, hogy a pontozószkriptben mintabemenetet és kimenetet adott-e meg a séma automatikus létrehozásához.
Párhuzamos kérések száma partíciónként	Ez egy speciális konfiguráció a nagy léptékű átviteli sebesség optimalizálásához. Ez a szám a feladat egyes partícióiból a webszolgáltatásnak küldött egyidejű kéréseket jelöli. A hat streamelési egységből (SU) és alacsonyabbból egy partícióval rendelkező feladatok. A 12 termékváltozattal rendelkező feladatok két partícióval rendelkeznek, 18 termékváltozat három partícióval és így tovább. Ha például a feladat két partícióval rendelkezik, és ezt a paramétert négyre állítja be, a feladattól nyolc egyidejű kérés érkezik a webszolgáltatáshoz.
Maximális kötegszám	Ez egy speciális konfiguráció a nagy léptékű átviteli sebesség optimalizálásához. Ez a szám a webszolgáltatásnak küldött egyetlen kérelemben kötegelt események maximális számát jelöli.

Gépi tanulási végpont meghívása a lekérdezésből

Amikor a Stream Analytics-lekérdezés meghív egy Azure Machine Learning UDF-et, a feladat létrehoz egy JSON szerializált kérést a webszolgáltatásnak. A kérés egy modellspecifikus sémán alapul, amelyet a Stream Analytics a végpont swaggeréből következtet.

Figyelmeztetés

A Machine Learning-végpontok nem lesznek meghívva, amikor az Azure Portal lekérdezésszerkesztőjével tesztel, mert a feladat nem fut. A végponthívás portálról történő teszteléséhez a Stream Analytics-feladatnak futnia kell.

Az alábbi Stream Analytics-lekérdezés egy példa az Azure Machine Learning UDF meghívására:

SELECT udf.score(<model-specific-data-structure>)
INTO output
FROM input
WHERE <model-specific-data-structure> is not null

Ha az ML UDF-nek küldött bemeneti adatok inkonzisztensek a várt sémával, a végpont egy 400-as hibakódot tartalmazó választ ad vissza, amely miatt a Stream Analytics-feladat sikertelen állapotba kerül. Javasoljuk, hogy engedélyezze az erőforrásnaplókat a feladatához, ami lehetővé teszi az ilyen problémák egyszerű hibakeresését és hibaelhárítását. Ezért erősen ajánlott:

• Az ML UDF bemenetének ellenőrzése nem null értékű
• Ellenőrizze minden olyan mező típusát, amely bemenet az ML UDF-hez annak biztosítása érdekében, hogy az megfeleljen a végpont által vártnak

Feljegyzés

Az ML UDF-ek kiértékelése egy adott lekérdezési lépés minden egyes sorára érvényes, még akkor is, ha feltételes kifejezéssel (pl. CASE WHEN [A] IS NOT NULL THEN udf.score(A) ELSE '' END). Szükség esetén a WITH záradék használatával hozzon létre eltérő útvonalakat, és csak akkor hívja meg az ML UDF-et, ha szükséges, mielőtt az UNION használatával újra egyesítené az útvonalakat.

Több bemeneti paraméter átadása az UDF-nek

A gépi tanulási modellek bemeneteinek leggyakoribb példái a numpy tömbök és a DataFrame-ek. Egy tömböt JavaScript UDF használatával hozhat létre, és jSON-szerializált DataFrame-et hozhat létre a WITH záradék használatával.

Bemeneti tömb létrehozása

Létrehozhat egy JavaScript UDF-t, amely N számú bemenetet fogad el, és létrehoz egy tömböt, amely az Azure Machine Learning UDF bemeneteként használható.

function createArray(vendorid, weekday, pickuphour, passenger, distance) {
    'use strict';
    var array = [vendorid, weekday, pickuphour, passenger, distance]
    return array;
}

Miután hozzáadta a JavaScript UDF-et a feladathoz, meghívhatja az Azure Machine Learning UDF-et a következő lekérdezéssel:

WITH 
ModelInput AS (
#use JavaScript UDF to construct array that will be used as input to ML UDF
SELECT udf.createArray(vendorid, weekday, pickuphour, passenger, distance) as inputArray
FROM input
)

SELECT udf.score(inputArray)
INTO output
FROM ModelInput
#validate inputArray is not null before passing it to ML UDF to prevent job from failing
WHERE inputArray is not null

A következő JSON egy példakérés:

{
    "Inputs": {
        "WebServiceInput0": [
        ["1","Mon","12","1","5.8"],
        ["2","Wed","10","2","10"]
        ]
    }
}

Pandas vagy PySpark DataFrame létrehozása

A záradék segítségével WITH létrehozhat egy szerializált JSON-adatkeretet, amely bemenetként továbbítható az Azure Machine Learning UDF-hez az alább látható módon.

Az alábbi lekérdezés létrehoz egy DataFrame-et a szükséges mezők kiválasztásával, és a DataFrame-et használja az Azure Machine Learning UDF bemeneteként.

WITH 
Dataframe AS (
SELECT vendorid, weekday, pickuphour, passenger, distance
FROM input
)

SELECT udf.score(Dataframe)
INTO output
FROM Dataframe
WHERE Dataframe is not null

Az alábbi JSON egy példakérés az előző lekérdezésből:

{
    "Inputs": {
        "WebServiceInput0": [
        {
            "vendorid": "1",
            "weekday": "Mon",
            "pickuphour": "12",
            "passenger": "1",
            "distance": "5.8"
        },
        {
            "vendorid": "2",
            "weekday": "Tue",
            "pickuphour": "10",
            "passenger": "2",
            "distance": "10"
        }]
    }
}

Az Azure Machine Learning UDF-ek teljesítményének optimalizálása

Amikor üzembe helyezi a modellt az Azure Kubernetes Service-ben, profilt készíthet a modellről az erőforrás-kihasználtság meghatározásához. Az App Insightst az üzemelő példányokhoz is engedélyezheti a kérések arányának, a válaszidőknek és a hibák arányának megértéséhez.

Ha nagy eseményteljesítményű forgatókönyve van, előfordulhat, hogy módosítania kell a következő paramétereket a Stream Analyticsben, hogy alacsony végpontok közötti késéssel optimális teljesítményt érjen el:

• Kötegek maximális száma.
• A partíciónkénti párhuzamos kérések száma.

A megfelelő kötegméret meghatározása

A webszolgáltatás üzembe helyezése után 50-től kezdődően különböző kötegméretű mintakérelmet küld, és több százra növeli azt. Például: 200, 500, 1000, 2000 stb. Megfigyelheti, hogy egy bizonyos kötegméret után a válasz késése nő. Az a pont, amely után a válasz késése növekszik, a feladat maximális kötegszámának kell lennie.

A partíciónkénti párhuzamos kérések számának meghatározása

Optimális skálázás esetén a Stream Analytics-feladatnak több párhuzamos kérést kell küldenie a webszolgáltatásnak, és néhány ezredmásodpercen belül választ kell kapnia. A webszolgáltatás válaszának késése közvetlenül befolyásolhatja a Stream Analytics-feladat késését és teljesítményét. Ha a feladatból a webszolgáltatásba irányuló hívás hosszú időt vesz igénybe, valószínűleg megnő a vízjel késleltetése, és a háttérbeli bemeneti események száma is megnőhet.

Alacsony késést érhet el, ha biztosítja, hogy az Azure Kubernetes Service-fürt a megfelelő számú csomóponttal és replikával legyen kiépítve. Kritikus fontosságú, hogy a webszolgáltatás magas rendelkezésre állású legyen, és sikeres válaszokat ad vissza. Ha a feladat olyan hibát kap, amely újrapróbálkozható, például a szolgáltatás nem érhető el (503), automatikusan újra próbálkozik exponenciális visszakapcsolással. Ha a feladat válaszként kap egy ilyen hibát a végponttól, a feladat sikertelen állapotba kerül.

• Hibás kérés (400)
• Ütközés (409)
• Nem található (404)
• Nem engedélyezett (401)

Korlátozások

Ha felügyelt Azure ML-végpontszolgáltatást használ, a Stream Analytics jelenleg csak olyan végpontokhoz tud hozzáférni, amelyek nyilvános hálózati hozzáférése engedélyezve van. Erről bővebben az Azure ML privát végpontjairól szóló oldalon olvashat.

Következő lépések

• Oktatóanyag: Azure Stream Analytics JavaScript felhasználó által definiált függvények