Сравнить коммиты
Ничего общего в коммитах. 'master' и 'lab_2/master' имеют совершенно разные истории.
master
...
lab_2/mast
@ -1,169 +0,0 @@
|
||||
# Сервис предсказания цен
|
||||
|
||||
Веб-сервис предсказания цен на подержанные автомобили. Мониторинг в комплекте.
|
||||
|
||||
Обзор сервисов (по `compose.yaml`, см. о развёртывании ниже):
|
||||
|
||||
| Профили Compose | Имя | Объекты | Описание |
|
||||
|-----------------|------------------|------------------|------------------|
|
||||
| — | `prices-predictor` | код: `ml_service/` | Веб-сервис предсказания цен, только stateless API. Об используемой предсказательной модели см. `research/README.md`. |
|
||||
| — | `prometheus` | конфигурация: `prometheus/` | Мониторинг сервиса ([Prometheus](https://prometheus.io/)). |
|
||||
| — | `grafana` | сохранённая конфигурация: `grafana/` | Аналитика и визуализация данных мониторига сервиса ([Grafana](https://grafana.com/)). |
|
||||
| `with-testers` | `load-tester` | код: `load-tester/` | Генератор потока случайных запросов к `prices-predictor` для тестирования. |
|
||||
|
||||
Дополнительно:
|
||||
|
||||
* `models/` — расположение файла модели `model.pkl` для использования сервисом `prices-predictor`.
|
||||
* `fetch_model_as_pickle_from_mlflow.py` — скрипт для экспорта предиктивной модели scikit-learn из MLFlow в файл.
|
||||
|
||||
## API сервиса предсказания цен
|
||||
|
||||
**Базовый URL**: `/api`. Все указанные далее URL записаны **относительно базового URL**, если не указано иное.
|
||||
|
||||
* Полная интерактивная документация (Swagger UI): `/docs`.
|
||||
|
||||
* Предсказать цену подержанного автомобиля: `/predict` (POST).
|
||||
|
||||
Пример запроса:
|
||||
|
||||
* requst query: `item_id=16` (параметр `item_id` необходим!);
|
||||
|
||||
* request body:
|
||||
|
||||
```json
|
||||
{
|
||||
"selling_price": 5.59,
|
||||
"driven_kms": 27000.0,
|
||||
"age": 5.0,
|
||||
"fuel_type": "petrol",
|
||||
"selling_type": "dealer",
|
||||
"transmission_type": "manual"
|
||||
}
|
||||
```
|
||||
|
||||
* response body:
|
||||
|
||||
```json
|
||||
{
|
||||
"item_id": 16,
|
||||
"price": 3.743508852258851
|
||||
}
|
||||
```
|
||||
|
||||
* Тестовый эндпоинт: `/` (GET).
|
||||
|
||||
Возвращает простой демонстрационный объект JSON.
|
||||
|
||||
Может использоваться для проверки состояния сервиса.
|
||||
|
||||
## Мониторинг
|
||||
|
||||
### Prometheus UI
|
||||
|
||||
#### Примеры запросов
|
||||
|
||||
Гистограмма предсказанных цен `model_prediction_value_bucket` (запрос: `rate(model_prediction_value_bucket[5m]`):
|
||||
|
||||
|
||||
|
||||
Гистограмма продолжительности предсказания цен моделью ML `model_prediction_seconds_bucket` (запрос: `rate(model_prediction_seconds_bucket[5m]`):
|
||||
|
||||
|
||||
|
||||
Интенсивность потока запросов к сервису предсказания цен с разными результатами (успех — коды HTTP `2xx`, ошибки со стороны клиента — коды HTTP `4xx`) `http_requests_total{handler="/predict"}` (запрос: `rate(http_requests_total{handler="/predict"}[5m]`):
|
||||
|
||||
|
||||
|
||||
Интенсивность потока запросов к **веб-серверу** сервиса предсказания цен **с ошибками** `http_requests_total{handler="/predict"}` (запрос: `sum without(handler, method) (rate(http_requests_total{status=~"4..|5.."}[5m]))`):
|
||||
|
||||
|
||||
|
||||
### Дашборд в Grafana
|
||||
|
||||
Дашборд экспортирован в файл: `grafana/objects/dashboard-1765200932880.json`.
|
||||
|
||||
|
||||
|
||||
Элементы:
|
||||
|
||||
* мониторинг модели:
|
||||
* гистограмма распределения предсказанных цен за период времени (10 мин);
|
||||
* прикладной уровень:
|
||||
* интенсивность потока запросов (всех запросов; запросов, заканчивающихся ошибкой);
|
||||
* инфраструктурный уровень:
|
||||
* состояние сервиса (up/down);
|
||||
* выделенный процессу объём VRAM.
|
||||
|
||||
## Развёртывание
|
||||
|
||||
### Файл модели
|
||||
|
||||
Файл используемой предсказательной модели можно извлечь из MLFlow скриптом `models/fetch_model_as_pickle_from_mlflow.py`. Файл модели можно размещается в `models/model.pkl`.
|
||||
|
||||
Например, извлечь модель по имени (`<model-name>`) и версии (`<model-version>`) (например, `UsedCardPricePredictionFinal/1`) (команда запускается из корневой директории проекта — от этого зависит путь к создаваемому файлу):
|
||||
|
||||
python services/models/fetch_model_as_pickle_from_mlflow.py --model "models:/<model-name>/<model-version>" services/models/model.pkl
|
||||
|
||||
Можно указать адрес tracking сервера MLFlow, например: `--tracking-uri "http://localhost:5000"`.
|
||||
|
||||
Информация о других опциях доступна:
|
||||
|
||||
python services/models/fetch_model_as_pickle_from_mlflow.py --help
|
||||
|
||||
### Образы Docker
|
||||
|
||||
#### `ml_model` (для сервиса `prices-predictor`)
|
||||
|
||||
**Сборка образа** (замените `<version>` на номер версии) (команда запускается из корневой директории проекта — от этого зависит путь к директории):
|
||||
|
||||
docker build -t ml_service:<version> services/ml_service/
|
||||
|
||||
**Независимый запуск** (замените `<version>` на номер версии образа, `<models-dir>` на **абсолютный** путь к директории, где размещён файл предсказательной модели `model.pkl`, `<port>` на порт для запуска веб-сервиса (например, `8000`)):
|
||||
|
||||
docker run -v "<models-dir>:/models" -p <port>:8000 ml_service:<version>
|
||||
|
||||
Модель может быть размещена в `models/`; тогда, например, при запуске команды из корна проекта: `$(pwd)/services/models` (здесь `$(pwd)` используется потому, что необходим абсолютный путь).
|
||||
|
||||
#### `load-tester` (для сервиса `load-tester`)
|
||||
|
||||
**Сборка образа** (замените `<version>` на номер версии) (команда запускается из корневой директории проекта — от этого зависит путь к директории):
|
||||
|
||||
docker build -t load_tester:<version> services/load_tester/
|
||||
|
||||
**Независимый запуск** (замените `<version>` на номер версии образа, `<api-base-url>` на базовый URL сервиса `prices-predictor` (например, `http://prices-predictor:8000/api`)):
|
||||
|
||||
docker run -e "API_BASE_URL=<api-base-url>" ml_service:<version>
|
||||
|
||||
### Развёртывание сервиса посредством Compose
|
||||
|
||||
Конфигурация описана в файле `compose.yaml`. Имя системы: `mpei-iis-system`.
|
||||
|
||||
Рекомендуется (не обязательно) использовать env-файл `compose.env`. Используйте файл `compose.env.template` как шаблон.
|
||||
|
||||
**Директория `models/` используется сервисом `prices-predictor` как том** с файлом модели `model.pkl`. Поместите туда файл модели, см. [Файл модели](#файл-модели).
|
||||
|
||||
**Управление сервисом с мониторингом** (замените `<command>` и `[options...]`):
|
||||
|
||||
docker compose -f services/compose.yaml --env-file services/compose.env <command> [options...]
|
||||
|
||||
**Для запуска вместе с генераторами тестовых запросов** используйте опцию compose `--profile=with-tester`.
|
||||
|
||||
Основные команды `docker compose`:
|
||||
|
||||
* `up`: создать и запустить контейнеры (также тома, сети и прочее); оставляет вывод логов прикреплённым к терминалу, `SIGINT` останавливает контейнеры, **но не удаляет созданные объекты**;
|
||||
* опция `-d`: то же, но открепляет процесс от терминала.
|
||||
* `down`: остановить и удалить контейнеры (также сети и прочее; для удаления томов используйте опцию `-v`).
|
||||
* `start`: запустить существующие контейнеры.
|
||||
* `stop`: остановить контейнеры.
|
||||
* `restart`: перезапустить контейнеры.
|
||||
|
||||
**Открытые на хосте интерфейсы**:
|
||||
|
||||
* `localhost:8010`: Сервис `prices-predictor`. Базовый URL: `/api`.
|
||||
* `localhost:9090`: UI Prometheus.
|
||||
* `localhost:3000`: Grafana.
|
||||
|
||||
**Доступные на хосте тома**:
|
||||
|
||||
* `mpei-iis-system_prometheus-storage`: БД Prometheus.
|
||||
* `mpei-iis-system_grafana-storage`: БД Grafana.
|
||||
@ -1,2 +0,0 @@
|
||||
GF_SECURITY_ADMIN_USER=admin
|
||||
GF_SECURITY_ADMIN_PASSWORD=admin
|
||||
@ -1,64 +0,0 @@
|
||||
name: mpei-iis-system
|
||||
|
||||
services:
|
||||
|
||||
prices-predictor:
|
||||
image: ml_service:2
|
||||
ports:
|
||||
- "8010:8000"
|
||||
volumes:
|
||||
- './models:/models:ro'
|
||||
|
||||
load-tester:
|
||||
image: load_tester:1
|
||||
environment:
|
||||
API_BASE_URL: "http://prices-predictor:8000/api"
|
||||
# XXX: Предотвращает аварийный выход тестера при отсутствии ответа от prices-predictor
|
||||
# во время его (потенциально долгого) запуска.
|
||||
depends_on:
|
||||
- prices-predictor
|
||||
deploy:
|
||||
replicas: 2
|
||||
profiles:
|
||||
- "with-testers"
|
||||
|
||||
prometheus:
|
||||
image: prom/prometheus:v3.7.3
|
||||
ports:
|
||||
- "9090:9090"
|
||||
user: nobody
|
||||
command:
|
||||
- "--config.file=/etc/prometheus/prometheus.yaml"
|
||||
volumes:
|
||||
- "./prometheus/prometheus.yaml:/etc/prometheus/prometheus.yaml:ro"
|
||||
- "prometheus-storage:/prometheus"
|
||||
|
||||
grafana:
|
||||
image: grafana/grafana:12.4.0-20012734117
|
||||
ports:
|
||||
- "3000:3000"
|
||||
#environment:
|
||||
# GF_SECURITY_ADMIN_USER: "$__file{/run/secrets/grafana-admin-user}"
|
||||
# GF_SECURITY_ADMIN_PASSWORD: "$__file{/run/secrets/grafana-admin-password}"
|
||||
#secrets:
|
||||
# - grafana-admin-user
|
||||
# - grafana-admin-password
|
||||
environment:
|
||||
GF_SECURITY_ADMIN_USER: "${GF_SECURITY_ADMIN_USER:-admin}"
|
||||
GF_SECURITY_ADMIN_PASSWORD: "${GF_SECURITY_ADMIN_PASSWORD:-admin}"
|
||||
volumes:
|
||||
- "grafana-storage:/var/lib/grafana"
|
||||
|
||||
volumes:
|
||||
|
||||
prometheus-storage: {}
|
||||
|
||||
grafana-storage: {}
|
||||
|
||||
#secrets:
|
||||
#
|
||||
# grafana-admin-user:
|
||||
# environment: GF_SECURITY_ADMIN_USER
|
||||
#
|
||||
# grafana-admin-password:
|
||||
# environment: GF_SECURITY_ADMIN_PASSWORD
|
||||
|
До Ширина: | Высота: | Размер: 164 KiB |
|
До Ширина: | Высота: | Размер: 87 KiB |
|
До Ширина: | Высота: | Размер: 78 KiB |
|
До Ширина: | Высота: | Размер: 115 KiB |
|
До Ширина: | Высота: | Размер: 99 KiB |
@ -1 +0,0 @@
|
||||
objects/*.json -text
|
||||
@ -1,543 +0,0 @@
|
||||
{
|
||||
"apiVersion": "dashboard.grafana.app/v2beta1",
|
||||
"kind": "Dashboard",
|
||||
"metadata": {
|
||||
"name": "adcdfv7",
|
||||
"generation": 9,
|
||||
"creationTimestamp": "2025-12-08T12:51:53Z",
|
||||
"labels": {},
|
||||
"annotations": {}
|
||||
},
|
||||
"spec": {
|
||||
"annotations": [
|
||||
{
|
||||
"kind": "AnnotationQuery",
|
||||
"spec": {
|
||||
"builtIn": true,
|
||||
"enable": true,
|
||||
"hide": true,
|
||||
"iconColor": "rgba(0, 211, 255, 1)",
|
||||
"name": "Annotations & Alerts",
|
||||
"query": {
|
||||
"group": "grafana",
|
||||
"kind": "DataQuery",
|
||||
"spec": {},
|
||||
"version": "v0"
|
||||
}
|
||||
}
|
||||
}
|
||||
],
|
||||
"cursorSync": "Off",
|
||||
"editable": true,
|
||||
"elements": {
|
||||
"panel-1": {
|
||||
"kind": "Panel",
|
||||
"spec": {
|
||||
"data": {
|
||||
"kind": "QueryGroup",
|
||||
"spec": {
|
||||
"queries": [
|
||||
{
|
||||
"kind": "PanelQuery",
|
||||
"spec": {
|
||||
"hidden": false,
|
||||
"query": {
|
||||
"group": "prometheus",
|
||||
"kind": "DataQuery",
|
||||
"spec": {
|
||||
"editorMode": "builder",
|
||||
"exemplar": false,
|
||||
"expr": "process_virtual_memory_bytes",
|
||||
"instant": false,
|
||||
"interval": "10s",
|
||||
"legendFormat": "__auto",
|
||||
"range": true
|
||||
},
|
||||
"version": "v0"
|
||||
},
|
||||
"refId": "A"
|
||||
}
|
||||
}
|
||||
],
|
||||
"queryOptions": {},
|
||||
"transformations": []
|
||||
}
|
||||
},
|
||||
"description": "",
|
||||
"id": 1,
|
||||
"links": [],
|
||||
"title": "Выделенный объём VRAM",
|
||||
"vizConfig": {
|
||||
"group": "timeseries",
|
||||
"kind": "VizConfig",
|
||||
"spec": {
|
||||
"fieldConfig": {
|
||||
"defaults": {
|
||||
"color": {
|
||||
"mode": "palette-classic"
|
||||
},
|
||||
"custom": {
|
||||
"axisBorderShow": false,
|
||||
"axisCenteredZero": false,
|
||||
"axisColorMode": "text",
|
||||
"axisLabel": "",
|
||||
"axisPlacement": "auto",
|
||||
"barAlignment": 0,
|
||||
"barWidthFactor": 0.6,
|
||||
"drawStyle": "bars",
|
||||
"fillOpacity": 0,
|
||||
"gradientMode": "none",
|
||||
"hideFrom": {
|
||||
"legend": false,
|
||||
"tooltip": false,
|
||||
"viz": false
|
||||
},
|
||||
"insertNulls": false,
|
||||
"lineInterpolation": "stepAfter",
|
||||
"lineWidth": 1,
|
||||
"pointSize": 5,
|
||||
"scaleDistribution": {
|
||||
"type": "linear"
|
||||
},
|
||||
"showPoints": "auto",
|
||||
"showValues": false,
|
||||
"spanNulls": false,
|
||||
"stacking": {
|
||||
"group": "A",
|
||||
"mode": "none"
|
||||
},
|
||||
"thresholdsStyle": {
|
||||
"mode": "off"
|
||||
}
|
||||
},
|
||||
"thresholds": {
|
||||
"mode": "absolute",
|
||||
"steps": [
|
||||
{
|
||||
"color": "green",
|
||||
"value": 0
|
||||
},
|
||||
{
|
||||
"color": "red",
|
||||
"value": 80
|
||||
}
|
||||
]
|
||||
},
|
||||
"unit": "bytes"
|
||||
},
|
||||
"overrides": []
|
||||
},
|
||||
"options": {
|
||||
"legend": {
|
||||
"calcs": [],
|
||||
"displayMode": "list",
|
||||
"placement": "bottom",
|
||||
"showLegend": true
|
||||
},
|
||||
"tooltip": {
|
||||
"hideZeros": false,
|
||||
"mode": "single",
|
||||
"sort": "none"
|
||||
}
|
||||
}
|
||||
},
|
||||
"version": "12.4.0-20012734117"
|
||||
}
|
||||
}
|
||||
},
|
||||
"panel-2": {
|
||||
"kind": "Panel",
|
||||
"spec": {
|
||||
"data": {
|
||||
"kind": "QueryGroup",
|
||||
"spec": {
|
||||
"queries": [
|
||||
{
|
||||
"kind": "PanelQuery",
|
||||
"spec": {
|
||||
"hidden": false,
|
||||
"query": {
|
||||
"group": "prometheus",
|
||||
"kind": "DataQuery",
|
||||
"spec": {
|
||||
"editorMode": "builder",
|
||||
"expr": "up",
|
||||
"legendFormat": "__auto",
|
||||
"range": true
|
||||
},
|
||||
"version": "v0"
|
||||
},
|
||||
"refId": "A"
|
||||
}
|
||||
}
|
||||
],
|
||||
"queryOptions": {},
|
||||
"transformations": []
|
||||
}
|
||||
},
|
||||
"description": "",
|
||||
"id": 2,
|
||||
"links": [],
|
||||
"title": "Состояние",
|
||||
"vizConfig": {
|
||||
"group": "state-timeline",
|
||||
"kind": "VizConfig",
|
||||
"spec": {
|
||||
"fieldConfig": {
|
||||
"defaults": {
|
||||
"color": {
|
||||
"mode": "continuous-GrYlRd"
|
||||
},
|
||||
"custom": {
|
||||
"axisPlacement": "auto",
|
||||
"fillOpacity": 70,
|
||||
"hideFrom": {
|
||||
"legend": false,
|
||||
"tooltip": false,
|
||||
"viz": false
|
||||
},
|
||||
"insertNulls": false,
|
||||
"lineWidth": 0,
|
||||
"spanNulls": false
|
||||
},
|
||||
"thresholds": {
|
||||
"mode": "absolute",
|
||||
"steps": [
|
||||
{
|
||||
"color": "green",
|
||||
"value": 0
|
||||
}
|
||||
]
|
||||
},
|
||||
"unit": "bool_on_off"
|
||||
},
|
||||
"overrides": []
|
||||
},
|
||||
"options": {
|
||||
"alignValue": "left",
|
||||
"legend": {
|
||||
"displayMode": "list",
|
||||
"placement": "bottom",
|
||||
"showLegend": true
|
||||
},
|
||||
"mergeValues": true,
|
||||
"rowHeight": 0.9,
|
||||
"showValue": "auto",
|
||||
"tooltip": {
|
||||
"hideZeros": false,
|
||||
"mode": "single",
|
||||
"sort": "none"
|
||||
}
|
||||
}
|
||||
},
|
||||
"version": "12.4.0-20012734117"
|
||||
}
|
||||
}
|
||||
},
|
||||
"panel-3": {
|
||||
"kind": "Panel",
|
||||
"spec": {
|
||||
"data": {
|
||||
"kind": "QueryGroup",
|
||||
"spec": {
|
||||
"queries": [
|
||||
{
|
||||
"kind": "PanelQuery",
|
||||
"spec": {
|
||||
"hidden": false,
|
||||
"query": {
|
||||
"group": "prometheus",
|
||||
"kind": "DataQuery",
|
||||
"spec": {
|
||||
"editorMode": "builder",
|
||||
"expr": "sum without(instance, method, status) (rate(http_requests_total{handler=\"/predict\"}[$__rate_interval]))",
|
||||
"interval": "1m",
|
||||
"legendFormat": "__auto",
|
||||
"range": true
|
||||
},
|
||||
"version": "v0"
|
||||
},
|
||||
"refId": "A"
|
||||
}
|
||||
},
|
||||
{
|
||||
"kind": "PanelQuery",
|
||||
"spec": {
|
||||
"hidden": false,
|
||||
"query": {
|
||||
"group": "prometheus",
|
||||
"kind": "DataQuery",
|
||||
"spec": {
|
||||
"editorMode": "builder",
|
||||
"expr": "rate(http_requests_total{handler=\"/predict\", status=~\"4..|5..\"}[$__rate_interval])",
|
||||
"instant": false,
|
||||
"interval": "1m",
|
||||
"legendFormat": "__auto",
|
||||
"range": true
|
||||
},
|
||||
"version": "v0"
|
||||
},
|
||||
"refId": "B"
|
||||
}
|
||||
}
|
||||
],
|
||||
"queryOptions": {},
|
||||
"transformations": []
|
||||
}
|
||||
},
|
||||
"description": "",
|
||||
"id": 3,
|
||||
"links": [],
|
||||
"title": "HTTP-запросы",
|
||||
"vizConfig": {
|
||||
"group": "timeseries",
|
||||
"kind": "VizConfig",
|
||||
"spec": {
|
||||
"fieldConfig": {
|
||||
"defaults": {
|
||||
"color": {
|
||||
"mode": "palette-classic"
|
||||
},
|
||||
"custom": {
|
||||
"axisBorderShow": false,
|
||||
"axisCenteredZero": false,
|
||||
"axisColorMode": "text",
|
||||
"axisLabel": "",
|
||||
"axisPlacement": "auto",
|
||||
"barAlignment": 0,
|
||||
"barWidthFactor": 0.6,
|
||||
"drawStyle": "line",
|
||||
"fillOpacity": 0,
|
||||
"gradientMode": "none",
|
||||
"hideFrom": {
|
||||
"legend": false,
|
||||
"tooltip": false,
|
||||
"viz": false
|
||||
},
|
||||
"insertNulls": false,
|
||||
"lineInterpolation": "linear",
|
||||
"lineWidth": 1,
|
||||
"pointSize": 5,
|
||||
"scaleDistribution": {
|
||||
"type": "linear"
|
||||
},
|
||||
"showPoints": "auto",
|
||||
"showValues": false,
|
||||
"spanNulls": false,
|
||||
"stacking": {
|
||||
"group": "A",
|
||||
"mode": "none"
|
||||
},
|
||||
"thresholdsStyle": {
|
||||
"mode": "off"
|
||||
}
|
||||
},
|
||||
"thresholds": {
|
||||
"mode": "absolute",
|
||||
"steps": [
|
||||
{
|
||||
"color": "green",
|
||||
"value": 0
|
||||
}
|
||||
]
|
||||
},
|
||||
"unit": "reqps"
|
||||
},
|
||||
"overrides": []
|
||||
},
|
||||
"options": {
|
||||
"legend": {
|
||||
"calcs": [],
|
||||
"displayMode": "list",
|
||||
"placement": "bottom",
|
||||
"showLegend": true
|
||||
},
|
||||
"tooltip": {
|
||||
"hideZeros": false,
|
||||
"mode": "single",
|
||||
"sort": "none"
|
||||
}
|
||||
}
|
||||
},
|
||||
"version": "12.4.0-20012734117"
|
||||
}
|
||||
}
|
||||
},
|
||||
"panel-4": {
|
||||
"kind": "Panel",
|
||||
"spec": {
|
||||
"data": {
|
||||
"kind": "QueryGroup",
|
||||
"spec": {
|
||||
"queries": [
|
||||
{
|
||||
"kind": "PanelQuery",
|
||||
"spec": {
|
||||
"hidden": false,
|
||||
"query": {
|
||||
"group": "prometheus",
|
||||
"kind": "DataQuery",
|
||||
"spec": {
|
||||
"editorMode": "builder",
|
||||
"exemplar": false,
|
||||
"expr": "sum without(instance) (increase(model_prediction_value_bucket[10m])) / on() group_left sum(increase(model_prediction_value_count[10m]))",
|
||||
"format": "heatmap",
|
||||
"instant": false,
|
||||
"interval": "10m",
|
||||
"legendFormat": "<{{le}}",
|
||||
"range": true
|
||||
},
|
||||
"version": "v0"
|
||||
},
|
||||
"refId": "A"
|
||||
}
|
||||
}
|
||||
],
|
||||
"queryOptions": {},
|
||||
"transformations": []
|
||||
}
|
||||
},
|
||||
"description": "Подпись под каждым столбцом обозначает его максимальное соответствующее значение",
|
||||
"id": 4,
|
||||
"links": [],
|
||||
"title": "Предсказанные цены за 10 минут",
|
||||
"vizConfig": {
|
||||
"group": "bargauge",
|
||||
"kind": "VizConfig",
|
||||
"spec": {
|
||||
"fieldConfig": {
|
||||
"defaults": {
|
||||
"color": {
|
||||
"mode": "thresholds"
|
||||
},
|
||||
"thresholds": {
|
||||
"mode": "absolute",
|
||||
"steps": [
|
||||
{
|
||||
"color": "green",
|
||||
"value": 0
|
||||
}
|
||||
]
|
||||
},
|
||||
"unit": "percentunit"
|
||||
},
|
||||
"overrides": []
|
||||
},
|
||||
"options": {
|
||||
"displayMode": "gradient",
|
||||
"legend": {
|
||||
"calcs": [],
|
||||
"displayMode": "list",
|
||||
"placement": "bottom",
|
||||
"showLegend": false
|
||||
},
|
||||
"maxVizHeight": 300,
|
||||
"minVizHeight": 16,
|
||||
"minVizWidth": 8,
|
||||
"namePlacement": "auto",
|
||||
"orientation": "auto",
|
||||
"reduceOptions": {
|
||||
"calcs": [
|
||||
"lastNotNull"
|
||||
],
|
||||
"fields": "",
|
||||
"values": false
|
||||
},
|
||||
"showUnfilled": false,
|
||||
"sizing": "auto",
|
||||
"valueMode": "color"
|
||||
}
|
||||
},
|
||||
"version": "12.4.0-20012734117"
|
||||
}
|
||||
}
|
||||
}
|
||||
},
|
||||
"layout": {
|
||||
"kind": "GridLayout",
|
||||
"spec": {
|
||||
"items": [
|
||||
{
|
||||
"kind": "GridLayoutItem",
|
||||
"spec": {
|
||||
"element": {
|
||||
"kind": "ElementReference",
|
||||
"name": "panel-4"
|
||||
},
|
||||
"height": 8,
|
||||
"width": 12,
|
||||
"x": 0,
|
||||
"y": 0
|
||||
}
|
||||
},
|
||||
{
|
||||
"kind": "GridLayoutItem",
|
||||
"spec": {
|
||||
"element": {
|
||||
"kind": "ElementReference",
|
||||
"name": "panel-2"
|
||||
},
|
||||
"height": 8,
|
||||
"width": 12,
|
||||
"x": 12,
|
||||
"y": 0
|
||||
}
|
||||
},
|
||||
{
|
||||
"kind": "GridLayoutItem",
|
||||
"spec": {
|
||||
"element": {
|
||||
"kind": "ElementReference",
|
||||
"name": "panel-3"
|
||||
},
|
||||
"height": 8,
|
||||
"width": 12,
|
||||
"x": 0,
|
||||
"y": 8
|
||||
}
|
||||
},
|
||||
{
|
||||
"kind": "GridLayoutItem",
|
||||
"spec": {
|
||||
"element": {
|
||||
"kind": "ElementReference",
|
||||
"name": "panel-1"
|
||||
},
|
||||
"height": 8,
|
||||
"width": 12,
|
||||
"x": 12,
|
||||
"y": 8
|
||||
}
|
||||
}
|
||||
]
|
||||
}
|
||||
},
|
||||
"links": [],
|
||||
"liveNow": false,
|
||||
"preload": false,
|
||||
"tags": [],
|
||||
"timeSettings": {
|
||||
"autoRefresh": "30s",
|
||||
"autoRefreshIntervals": [
|
||||
"5s",
|
||||
"10s",
|
||||
"30s",
|
||||
"1m",
|
||||
"5m",
|
||||
"15m",
|
||||
"30m",
|
||||
"1h",
|
||||
"2h",
|
||||
"1d"
|
||||
],
|
||||
"fiscalYearStartMonth": 0,
|
||||
"from": "now-1h",
|
||||
"hideTimepicker": false,
|
||||
"timezone": "browser",
|
||||
"to": "now"
|
||||
},
|
||||
"title": "Сервис предсказания цен",
|
||||
"variables": []
|
||||
},
|
||||
"status": {}
|
||||
}
|
||||
@ -1,6 +0,0 @@
|
||||
### Python
|
||||
__pycache__/
|
||||
*.pyc
|
||||
|
||||
### Project
|
||||
*.unused
|
||||
@ -1,13 +0,0 @@
|
||||
FROM python:3.11-slim
|
||||
|
||||
WORKDIR /load_tester
|
||||
|
||||
COPY ./requirements.txt .
|
||||
RUN pip install --no-cache-dir -r requirements.txt
|
||||
|
||||
COPY . .
|
||||
|
||||
CMD ["python", "-m", "tester"]
|
||||
|
||||
# docker build -t load_tester:1 services/load_tester/
|
||||
# docker run -e "API_BASE_URL=http://prices-predictor:8000/api" load_tester:1
|
||||
@ -1 +0,0 @@
|
||||
requests >=2.32.5,<3
|
||||
@ -1,280 +0,0 @@
|
||||
from argparse import ArgumentParser
|
||||
from collections.abc import Callable, MutableMapping
|
||||
from dataclasses import dataclass, asdict
|
||||
from enum import Enum
|
||||
import logging
|
||||
from os import getenv
|
||||
from random import randint, uniform, expovariate, choice
|
||||
from signal import SIGINT, SIGTERM, signal
|
||||
import sys
|
||||
from time import sleep
|
||||
from types import FrameType
|
||||
from typing import Any, cast
|
||||
|
||||
from requests import RequestException, Response, Session
|
||||
|
||||
|
||||
def fixup_payload_enum_value(mapping: MutableMapping[str, Any], key: str) -> None:
|
||||
mapping[key] = mapping[key].value
|
||||
|
||||
|
||||
ENDPOINT_URL: str = '/predict'
|
||||
|
||||
|
||||
class FuelType(Enum):
|
||||
PETROL = 'petrol'
|
||||
DIESEL = 'diesel'
|
||||
CNG = 'cng'
|
||||
|
||||
|
||||
class SellingType(Enum):
|
||||
DEALER = 'dealer'
|
||||
INDIVIDUAL = 'individual'
|
||||
|
||||
|
||||
class TransmissionType(Enum):
|
||||
MANUAL = 'manual'
|
||||
AUTOMATIC = 'automatic'
|
||||
|
||||
|
||||
@dataclass
|
||||
class PricePredictionFeatures:
|
||||
selling_price: float
|
||||
driven_kms: float
|
||||
age: float
|
||||
fuel_type: FuelType
|
||||
selling_type: SellingType
|
||||
transmission_type: TransmissionType
|
||||
|
||||
|
||||
MAX_RETRIES_DEFAULT = 3
|
||||
|
||||
|
||||
def exp_delay_from_attempt_number(attempt_i: int) -> float:
|
||||
return 0.2 * (2 ** attempt_i)
|
||||
|
||||
|
||||
def post_item(
|
||||
session: Session, url: str, item_id: int, features: PricePredictionFeatures,
|
||||
*, max_retries: int = MAX_RETRIES_DEFAULT,
|
||||
) -> Response:
|
||||
if max_retries < 0:
|
||||
raise ValueError('max_retries must be >= 0')
|
||||
payload = asdict(features)
|
||||
for k in ('fuel_type', 'selling_type', 'transmission_type'):
|
||||
fixup_payload_enum_value(payload, k)
|
||||
excs = []
|
||||
for attempt_i in range(max_retries + 1):
|
||||
try:
|
||||
response = session.post(url, params={'item_id': item_id}, json=payload, timeout=10)
|
||||
except RequestException as err:
|
||||
excs.append(err)
|
||||
sleep(exp_delay_from_attempt_number(attempt_i))
|
||||
else:
|
||||
return response
|
||||
assert len(excs) > 0
|
||||
# XXX: ...
|
||||
raise IOError(
|
||||
f'Failed to post an item in {max_retries + 1} attempts;'
|
||||
' see the latest exception in __cause__'
|
||||
) from excs[-1]
|
||||
|
||||
|
||||
def generate_request_data() -> tuple[int, PricePredictionFeatures]:
|
||||
item_id = randint(1, 100)
|
||||
features = PricePredictionFeatures(
|
||||
selling_price=round(uniform(2.0, 16.0), 2),
|
||||
driven_kms=round(uniform(0.0, 100000.0), 0),
|
||||
age=round(uniform(0.0, 10.0), 1),
|
||||
fuel_type=choice(list(FuelType)),
|
||||
selling_type=choice(list(SellingType)),
|
||||
transmission_type=choice(list(TransmissionType)),
|
||||
)
|
||||
return (item_id, features)
|
||||
|
||||
|
||||
INTERVAL_MEAN_DEFAULT = 4.0
|
||||
INTERVAL_BOUNDS_DEFAULT: tuple[float | None, float | None] = (0.5, 10.0)
|
||||
|
||||
|
||||
class Requester:
|
||||
|
||||
def __init__(
|
||||
self,
|
||||
base_url: str,
|
||||
interval_mean: float = INTERVAL_MEAN_DEFAULT,
|
||||
interval_bounds: tuple[float | None, float | None] = INTERVAL_BOUNDS_DEFAULT,
|
||||
*, max_retries: int = MAX_RETRIES_DEFAULT,
|
||||
):
|
||||
self.base_url = base_url
|
||||
self.interval_mean = interval_mean
|
||||
self.interval_bounds = interval_bounds
|
||||
self.max_retries = max_retries
|
||||
self._session = Session()
|
||||
self._stop_requested: bool = False
|
||||
|
||||
@property
|
||||
def endpoint(self) -> str:
|
||||
endpoint_url = ENDPOINT_URL
|
||||
if (len(endpoint_url) > 0) and (not endpoint_url.startswith('/')):
|
||||
endpoint_url = '/' + endpoint_url
|
||||
return (self.base_url + endpoint_url)
|
||||
|
||||
@property
|
||||
def session(self) -> Session:
|
||||
return self._session
|
||||
|
||||
@property
|
||||
def stop_requested(self) -> bool:
|
||||
return self._stop_requested
|
||||
|
||||
def stop(self) -> None:
|
||||
self._stop_requested = True
|
||||
|
||||
def _decide_delay(self) -> float:
|
||||
interval_bounds = self.interval_bounds
|
||||
val = expovariate(1. / self.interval_mean)
|
||||
if interval_bounds[0] is not None:
|
||||
val = max(val, interval_bounds[0])
|
||||
if interval_bounds[1] is not None:
|
||||
val = min(val, interval_bounds[1])
|
||||
return val
|
||||
|
||||
def run(self) -> None:
|
||||
while not self._stop_requested:
|
||||
item_id, features = generate_request_data()
|
||||
try:
|
||||
response = post_item(
|
||||
self._session, self.endpoint, item_id, features, max_retries=self.max_retries,
|
||||
)
|
||||
except IOError as err:
|
||||
logging.warning('%s: %s', str(err), str(err.__cause__))
|
||||
raise err
|
||||
else:
|
||||
logging.debug('Success: %s %s', response.status_code, response.reason)
|
||||
sleep(self._decide_delay())
|
||||
|
||||
|
||||
def _build_termination_handler(requester: Requester) -> Callable[[int, FrameType | None], None]:
|
||||
def termination_handler(sig: int, frame: FrameType | None) -> None:
|
||||
_ = sig
|
||||
_ = frame
|
||||
requester.stop()
|
||||
return termination_handler
|
||||
|
||||
|
||||
def _configure_logging(level: int, quiet: bool) -> None:
|
||||
if quiet:
|
||||
level = logging.CRITICAL + 1
|
||||
logging.basicConfig(
|
||||
level=level, format='%(asctime)s %(levelname)s %(message)s', stream=sys.stderr,
|
||||
)
|
||||
|
||||
|
||||
def _setup_signal_handlers(requester: Requester) -> None:
|
||||
termination_handler = _build_termination_handler(requester)
|
||||
for sig in (SIGINT, SIGTERM):
|
||||
signal(sig, termination_handler)
|
||||
|
||||
|
||||
def _validate_cli_interval_bound(string: str) -> float | None:
|
||||
string = string.lower()
|
||||
if string in ('', 'null', 'none'):
|
||||
return None
|
||||
return float(string)
|
||||
|
||||
|
||||
def _validate_cli_interval_bounds(string: str) -> tuple[float | None, float | None]:
|
||||
string = string.lower()
|
||||
if string in ('', 'null', 'none'):
|
||||
return (None, None)
|
||||
min_string, max_string = string.split(',', 1)
|
||||
return cast(
|
||||
tuple[float | None, float | None],
|
||||
tuple(map(_validate_cli_interval_bound, (min_string, max_string)))
|
||||
)
|
||||
|
||||
|
||||
def _validate_cli_max_retries(string: str) -> int:
|
||||
val = int(string)
|
||||
if val < 0:
|
||||
raise ValueError(f'Max retries should be >=0, given {val}')
|
||||
return val
|
||||
|
||||
|
||||
def _validate_cli_logging_level(string: str) -> int:
|
||||
return {
|
||||
'debug': logging.DEBUG,
|
||||
'info': logging.INFO,
|
||||
'warning': logging.WARNING,
|
||||
'error': logging.ERROR,
|
||||
'critical': logging.CRITICAL,
|
||||
}[string]
|
||||
|
||||
|
||||
def parse_args(argv):
|
||||
parser = ArgumentParser(
|
||||
description=(
|
||||
'Регулярная отправка POST-запросов на эндпоинт предсказания цены.'
|
||||
' Остановка по SIGINT / SIGTERM.'
|
||||
),
|
||||
allow_abbrev=False,
|
||||
exit_on_error=True,
|
||||
)
|
||||
parser.add_argument('base_url', type=str, nargs='?')
|
||||
parser.add_argument('--interval-mean', type=float, dest='interval_mean')
|
||||
parser.add_argument(
|
||||
'--interval-bounds', type=_validate_cli_interval_bounds, dest='interval_bounds',
|
||||
)
|
||||
parser.add_argument(
|
||||
'--max-retries',
|
||||
type=_validate_cli_max_retries,
|
||||
default=MAX_RETRIES_DEFAULT,
|
||||
dest='max_retries',
|
||||
)
|
||||
parser.add_argument('-q', '--quiet', action='store_true', dest='quiet')
|
||||
parser.add_argument(
|
||||
'--log-level',
|
||||
default=logging.WARNING,
|
||||
type=_validate_cli_logging_level,
|
||||
dest='logging_level',
|
||||
)
|
||||
args = parser.parse_args(argv[1:])
|
||||
if args.base_url is None:
|
||||
args.base_url = getenv('API_BASE_URL')
|
||||
if args.base_url is None:
|
||||
raise RuntimeError('No API base URL specified')
|
||||
if (args.interval_mean is not None) and (args.interval_mean <= 0):
|
||||
raise ValueError(f'Interval mean should be > 0, given {args.interval_mean}')
|
||||
if (
|
||||
(args.interval_bounds is not None)
|
||||
and all((b is not None) for b in args.interval_bounds)
|
||||
and (args.interval_bounds[0] > args.interval_bounds[1])
|
||||
):
|
||||
raise ValueError(f'Interval bounds should be b_1 <= b_2, given {args.interval_bounds!r}')
|
||||
if args.interval_mean is not None:
|
||||
if args.interval_bounds is None:
|
||||
args.interval_bounds = ((args.interval_mean / 5), (args.interval_mean * 5))
|
||||
else:
|
||||
args.interval_mean = INTERVAL_MEAN_DEFAULT
|
||||
args.interval_bounds = INTERVAL_BOUNDS_DEFAULT
|
||||
return args
|
||||
|
||||
|
||||
def main(argv):
|
||||
args = parse_args(argv)
|
||||
_configure_logging(args.logging_level, args.quiet)
|
||||
logging.debug('Creating a Requester with base URL: %s', args.base_url)
|
||||
requester = Requester(
|
||||
args.base_url,
|
||||
interval_mean=args.interval_mean,
|
||||
interval_bounds=args.interval_bounds,
|
||||
max_retries=args.max_retries,
|
||||
)
|
||||
_setup_signal_handlers(requester)
|
||||
requester.run()
|
||||
return 0
|
||||
|
||||
|
||||
if __name__ == '__main__':
|
||||
sys.exit(int(main(sys.argv) or 0))
|
||||
@ -1,37 +0,0 @@
|
||||
from os import (
|
||||
getenv,
|
||||
#kill,
|
||||
)
|
||||
#from signal import SIGINT, SIGTERM
|
||||
from subprocess import (
|
||||
run,
|
||||
#Popen,
|
||||
)
|
||||
import sys
|
||||
|
||||
|
||||
#_child_proc: Popen | None = None
|
||||
|
||||
|
||||
#def _forward_signal(sig, frame):
|
||||
# _ = frame
|
||||
# if _child_proc is None:
|
||||
# return
|
||||
# if _child_proc.pid in (SIGINT, SIGTERM):
|
||||
# kill(_child_proc.pid, sig)
|
||||
# else:
|
||||
# raise RuntimeError(f'Attempted to forward an unexpected signal: {sig}')
|
||||
|
||||
|
||||
def main(argv):
|
||||
argv = list(argv) # copy
|
||||
base_url = getenv('API_BASE_URL')
|
||||
if base_url is None:
|
||||
raise RuntimeError('API_BASE_URL is not specified')
|
||||
argv.append(base_url) # HACK: ...
|
||||
result = run(['python', '-m', 'tester', *argv[1:]], check=False)
|
||||
return result.returncode
|
||||
|
||||
|
||||
if __name__ == '__main__':
|
||||
sys.exit(int(main(sys.argv) or 0))
|
||||
@ -1,3 +0,0 @@
|
||||
### Python
|
||||
__pycache__/
|
||||
*.pyc
|
||||
@ -1,19 +0,0 @@
|
||||
FROM python:3.11-slim
|
||||
|
||||
WORKDIR /service
|
||||
|
||||
COPY ./requirements.txt .
|
||||
RUN pip install --no-cache-dir -r requirements.txt
|
||||
|
||||
COPY . .
|
||||
|
||||
VOLUME /models
|
||||
|
||||
EXPOSE 8000/tcp
|
||||
|
||||
ENV MODELS_PATH=/models
|
||||
|
||||
CMD ["uvicorn", "app:app", "--host", "0.0.0.0", "--port", "8000"]
|
||||
|
||||
# docker build -t ml_service:2 services/ml_service/
|
||||
# docker run -v "$(pwd)/services/models:/models" -p 8000:8000 ml_service:2
|
||||
@ -1,2 +0,0 @@
|
||||
from ._meta import PACKAGE_PATH
|
||||
from .main import app
|
||||
@ -1,4 +0,0 @@
|
||||
from pathlib import Path
|
||||
|
||||
|
||||
PACKAGE_PATH = Path(__file__).parent
|
||||
@ -1,72 +0,0 @@
|
||||
from os import getenv
|
||||
from pathlib import Path
|
||||
|
||||
from fastapi import FastAPI
|
||||
from prometheus_fastapi_instrumentator import Instrumentator
|
||||
from pydantic import BaseModel, Field
|
||||
|
||||
from ._meta import PACKAGE_PATH
|
||||
from .predictor import (
|
||||
FuelType, SellingType, TransmissionType, PricePredictionFeatures, PricePredictor,
|
||||
)
|
||||
|
||||
|
||||
MODELS_PATH = getenv('MODELS_PATH', None)
|
||||
if MODELS_PATH is not None:
|
||||
MODELS_PATH = Path(MODELS_PATH)
|
||||
else:
|
||||
SERVICES_PATH = PACKAGE_PATH.parents[1]
|
||||
assert SERVICES_PATH.name == 'services'
|
||||
MODELS_PATH = SERVICES_PATH / 'models'
|
||||
|
||||
MODEL_PATH = MODELS_PATH / 'model.pkl'
|
||||
|
||||
|
||||
predictor = PricePredictor(MODEL_PATH)
|
||||
|
||||
|
||||
API_BASE_PATH = '/api'
|
||||
|
||||
|
||||
app = FastAPI(
|
||||
title='Сервис ML',
|
||||
version='0.1.0',
|
||||
root_path=API_BASE_PATH,
|
||||
#redoc_url=None,
|
||||
)
|
||||
|
||||
|
||||
_ = (
|
||||
Instrumentator(excluded_handlers=['/metrics'])
|
||||
.instrument(app)
|
||||
.expose(app, endpoint='/metrics')
|
||||
)
|
||||
|
||||
|
||||
@app.get('/', summary='Тестовый эндпоинт')
|
||||
async def root():
|
||||
return {'Hello': 'World'}
|
||||
|
||||
|
||||
class PricePredictionRequest(BaseModel):
|
||||
|
||||
selling_price: float = Field(..., gt=0)
|
||||
driven_kms: float = Field(..., ge=0)
|
||||
age: float = Field(..., ge=0)
|
||||
fuel_type: FuelType
|
||||
selling_type: SellingType
|
||||
transmission_type: TransmissionType
|
||||
|
||||
|
||||
@app.post('/predict', summary='Предсказать цену подержанного автомобиля')
|
||||
def predict_price(item_id: int, req: PricePredictionRequest):
|
||||
features = PricePredictionFeatures(
|
||||
selling_price=req.selling_price,
|
||||
driven_kms=req.driven_kms,
|
||||
age=req.age,
|
||||
fuel_type=req.fuel_type,
|
||||
selling_type=req.selling_type,
|
||||
transmission_type=req.transmission_type,
|
||||
)
|
||||
pred = predictor.predict(features)
|
||||
return {'item_id': item_id, 'price': pred}
|
||||
@ -1,111 +0,0 @@
|
||||
from dataclasses import dataclass
|
||||
from enum import Enum
|
||||
from itertools import chain
|
||||
from pandas import DataFrame
|
||||
from pickle import load
|
||||
from prometheus_client import Counter, Histogram
|
||||
|
||||
|
||||
def open_model_file(file, *, buffering=-1, opener=None, **kwargs_extra):
|
||||
open_kwargs_extra = {}
|
||||
if 'closefd' in kwargs_extra:
|
||||
open_kwargs_extra['closefd'] = kwargs_extra.pop('closefd')
|
||||
if len(kwargs_extra) > 0:
|
||||
raise TypeError(
|
||||
'Unexpected keyword arguments given: {}'
|
||||
.format(', '.join(map(repr, kwargs_extra.keys())))
|
||||
)
|
||||
return open(file, 'rb', buffering=buffering, opener=opener)
|
||||
|
||||
|
||||
def load_model_from_file(file):
|
||||
return load(file)
|
||||
|
||||
|
||||
def load_model_from_path(path, *, buffering=-1, opener=None, **kwargs_extra):
|
||||
open_kwargs_extra = {}
|
||||
for k in ('closefd',):
|
||||
if k in kwargs_extra:
|
||||
open_kwargs_extra[k] = kwargs_extra.pop(k)
|
||||
if len(kwargs_extra) > 0:
|
||||
raise TypeError(
|
||||
'Unexpected keyword arguments given: {}'.format(', '.join(kwargs_extra.keys()))
|
||||
)
|
||||
with open_model_file(
|
||||
path, buffering=buffering, opener=opener, **open_kwargs_extra,
|
||||
) as model_file:
|
||||
return load_model_from_file(model_file)
|
||||
|
||||
|
||||
class FuelType(Enum):
|
||||
PETROL = 'petrol'
|
||||
DIESEL = 'diesel'
|
||||
CNG = 'cng'
|
||||
|
||||
|
||||
class SellingType(Enum):
|
||||
DEALER = 'dealer'
|
||||
INDIVIDUAL = 'individual'
|
||||
|
||||
|
||||
class TransmissionType(Enum):
|
||||
MANUAL = 'manual'
|
||||
AUTOMATIC = 'automatic'
|
||||
|
||||
|
||||
@dataclass
|
||||
class PricePredictionFeatures:
|
||||
selling_price: float
|
||||
driven_kms: float
|
||||
age: float
|
||||
fuel_type: FuelType
|
||||
selling_type: SellingType
|
||||
transmission_type: TransmissionType
|
||||
|
||||
|
||||
metric_prediction_latency = Histogram(
|
||||
'model_prediction_seconds', 'Время вычислений в модели',
|
||||
buckets=(
|
||||
list(chain.from_iterable((v * (10 ** p) for v in (1, 2, 5)) for p in range(-4, (1 + 1))))
|
||||
+ [float('+inf')]
|
||||
),
|
||||
)
|
||||
|
||||
metric_prediction_errors = Counter(
|
||||
'model_prediction_errors_total', 'Ошибки вычислений в модели по типу', ('error_type',),
|
||||
)
|
||||
|
||||
metric_prediction_value = Histogram(
|
||||
'model_prediction_value', 'Предсказанное значение цены',
|
||||
buckets=(
|
||||
list(chain.from_iterable((v * (10 ** p) for v in (1, 2, 5)) for p in range(-1, (2 + 1))))
|
||||
+ [float('+inf')]
|
||||
),
|
||||
)
|
||||
|
||||
|
||||
class PricePredictor:
|
||||
|
||||
def __init__(self, model_path):
|
||||
self._model = load_model_from_path(model_path)
|
||||
|
||||
def predict(self, features):
|
||||
# WARN: порядок столбцов вроде имеет значение
|
||||
features_df = DataFrame([{
|
||||
'selling_price': features.selling_price,
|
||||
'driven_kms': features.driven_kms,
|
||||
'fuel_type': features.fuel_type.value,
|
||||
'selling_type': features.selling_type.value,
|
||||
'transmission': features.transmission_type.value,
|
||||
'age': features.age,
|
||||
}])
|
||||
try:
|
||||
with metric_prediction_latency.time():
|
||||
predictions = self._model.predict(features_df)
|
||||
except Exception as err:
|
||||
metric_prediction_errors.labels(error_type=type(err).__name__).inc()
|
||||
raise
|
||||
assert len(predictions) == 1
|
||||
value = float(predictions[0])
|
||||
metric_prediction_value.observe(value)
|
||||
return value
|
||||
@ -1,7 +0,0 @@
|
||||
fastapi ~=0.120.4
|
||||
mlxtend ~=0.23.4
|
||||
pandas >=2.3.1,<3
|
||||
prometheus_client ~=0.23.1
|
||||
prometheus_fastapi_instrumentator >=7.0.2,<8
|
||||
scikit-learn >=1.7.2,<2
|
||||
uvicorn ~=0.38.0
|
||||
@ -1 +0,0 @@
|
||||
*.pkl
|
||||
@ -1,83 +0,0 @@
|
||||
from argparse import ArgumentParser
|
||||
from pathlib import Path
|
||||
from pickle import dump
|
||||
from sys import exit as sys_exit, argv as sys_argv
|
||||
|
||||
from mlflow import set_tracking_uri, set_registry_uri
|
||||
from mlflow.sklearn import load_model
|
||||
|
||||
|
||||
MLFLOW_TRACKING_URI_DEFAULT = 'http://localhost:5000'
|
||||
|
||||
|
||||
def open_file_for_model(file, *, buffering=-1, opener=None, **kwargs_extra):
|
||||
open_kwargs_extra = {}
|
||||
if 'closefd' in kwargs_extra:
|
||||
open_kwargs_extra['closefd'] = kwargs_extra.pop('closefd')
|
||||
if len(kwargs_extra) > 0:
|
||||
raise TypeError(
|
||||
'Unexpected keyword arguments given: {}'
|
||||
.format(', '.join(map(repr, kwargs_extra.keys())))
|
||||
)
|
||||
return open(file, 'wb', buffering=buffering, opener=opener)
|
||||
|
||||
|
||||
def dump_model_to_file(model, file):
|
||||
return dump(model, file)
|
||||
|
||||
|
||||
def dump_model_to_path(model, path, *, buffering=-1, opener=None, **kwargs_extra):
|
||||
open_kwargs_extra = {}
|
||||
for k in ('closefd',):
|
||||
if k in kwargs_extra:
|
||||
open_kwargs_extra[k] = kwargs_extra.pop(k)
|
||||
if len(kwargs_extra) > 0:
|
||||
raise TypeError(
|
||||
'Unexpected keyword arguments given: {}'
|
||||
.format(', '.join(map(repr, kwargs_extra.keys())))
|
||||
)
|
||||
with open_file_for_model(
|
||||
path, buffering=buffering, opener=opener, **open_kwargs_extra,
|
||||
) as model_file:
|
||||
return dump_model_to_file(model, model_file)
|
||||
|
||||
|
||||
def parse_args(argv):
|
||||
parser = ArgumentParser(
|
||||
description=(
|
||||
'Скачать модель с tracking server MLFlow и сохранить в локальный файл pickle'
|
||||
),
|
||||
allow_abbrev=False,
|
||||
exit_on_error=True,
|
||||
)
|
||||
model_ref_parser = parser.add_mutually_exclusive_group(required=True)
|
||||
model_ref_parser.add_argument('-m', '--model', type=str, dest='model_uri')
|
||||
model_ref_parser.add_argument('--run', type=str, dest='run_id')
|
||||
parser.add_argument(
|
||||
'--tracking-uri', default=MLFLOW_TRACKING_URI_DEFAULT, type=str, dest='tracking_uri',
|
||||
)
|
||||
parser.add_argument('--registry-uri', type=str, dest='registry_uri')
|
||||
parser.add_argument('out_path', default=Path('.'), type=Path)
|
||||
args = parser.parse_args(argv)
|
||||
return args
|
||||
|
||||
|
||||
def main(argv):
|
||||
args = parse_args(argv)
|
||||
set_tracking_uri(args.tracking_uri)
|
||||
if args.registry_uri is not None:
|
||||
set_registry_uri(args.registry_uri)
|
||||
if args.model_uri is not None:
|
||||
model_uri = args.model_uri
|
||||
elif args.run_id is not None:
|
||||
model_uri = f'runs:/{args.run_id}/model'
|
||||
else:
|
||||
assert False
|
||||
return 1
|
||||
model = load_model(model_uri)
|
||||
dump_model_to_path(model, args.out_path)
|
||||
return 0
|
||||
|
||||
|
||||
if __name__ == '__main__':
|
||||
sys_exit(int(main(sys_argv) or 0))
|
||||
@ -1 +0,0 @@
|
||||
data/
|
||||
@ -1,15 +0,0 @@
|
||||
global:
|
||||
scrape_interval: 15s
|
||||
scrape_timeout: 5s
|
||||
|
||||
scrape_configs:
|
||||
|
||||
- job_name: "prices_predictor"
|
||||
static_configs:
|
||||
- targets:
|
||||
- "prices-predictor:8000"
|
||||
scheme: http
|
||||
metrics_path: "/metrics"
|
||||
#relabel_configs:
|
||||
# - source_labels: ["__address__"]
|
||||
# target_labels: "instance"
|
||||
Загрузка…
Ссылка в новой задаче