Per distribuire un modello Decision Optimization , creare un modello pronto per la distribuzione nello spazio di distribuzione e quindi caricare il modello come archivio. Una volta distribuiti, è possibile inoltrare i lavori al modello e monitorare gli stati dei lavori.

Per distribuire un modello Decision Optimization :

1. Impacchetta la formulazione del modello Decision Optimization, con eventuali file di impostazioni o di dati anagrafici, pronta per essere distribuita come file tar.gz, .zip o .jar.
   Il tuo archivio può includere i seguenti file opzionali:

   1. I file del modello

      Per i modelli Python o OPL, questi file contengono solitamente la formulazione del modello. Tuttavia, si può anche scegliere di omettere questi file, soprattutto quando il modello e i dati sono integrati nello stesso file. Ad esempio, per i modelli in formato CPLEX (file .lp), CPO (file .cpo) e mps, per evitare di risolvere la stessa modalità, è possibile inviare questi file più avanti nel lavoro.

   2. File di impostazione

      Per ulteriori informazioni, vedere Parametri di esecuzione.

   3. Dati master

      Questi file contengono tutti i dati che possono essere riutilizzati da tutti i lavori. L'inclusione di questi file di dati può rendere più efficienti i lavori di distribuzione. Ad esempio, è possibile includere un file di dati per valori che rimangono costanti, come le distanze tra le città. È possibile includere questo file di dati nell'installazione client, in modo da fornirlo una sola volta e non ad ogni richiesta di lavoro.

   Nota: per i modelli Python con più file '.py, mettere tutti i file nella stessa cartella dell'archivio. La stessa cartella deve contenere un file principale chiamato 'main.py. Non utilizzare le sottocartelle.
2. Creare un modello pronto per la distribuzione e fornire le seguenti informazioni:
   • istanza del servizio di runtimewatsonx.ai
   • Istanza Spazio di distribuzione
   • le specifiche hardware per le dimensioni di configurazione disponibili (small S, medium M, large L, extra large XL). Vedere le configurazioni.
   • Specifica del software (Decision Optimization versione runtime):
     • do_22.1 Il runtime è basato su CPLEX 22.1.1.0
     • do_20.1 Il runtime è basato su CPLEX 20.1.0.1

     È possibile estendere le specifiche software fornite dal servizio watsonx.ai Runtime. Vedere il quaderno 'ExtendWMLSoftwareSpec nella cartella 'jupyter dei campioni DO.

     Aggiornamento dei runtime CPLEX:

     Se hai precedentemente distribuito il tuo modello con un runtime CPLEX non più supportato, puoi aggiornare il tuo modello distribuito esistente utilizzando l' API REST o la IU.

   • Il modello:
     • opl (do-opl_<versione runtime>)
     • cplex (do-cplex_<versione runtime>)
     • cpo (do-cpo_<versione runtime>)
     • docplex (do-docplex_<versione runtime>) usando Python 3.11 o 3.10 (deprecato)

     (La versione runtime può essere una delle versioni runtime Decision Optimization disponibili, quindi, ad esempio, un modello opl con runtime 22.1 ha il tipo di modello do-opl_22.1)

   Si ottiene un MODEL - ID.

   Il vostro modello può essere utilizzato in una o più implementazioni.

3. Caricare l'archivio del modello (filetar.gz, '.zip o '.jar ). Per informazioni sui tipi di file di input, consultare la sezione Formati dei file di input e output del modello per Decision Optimization.
4. Distribuire il proprio modello utilizzando MODEL - ID, SPACE - IDe la specifica hardware per le dimensioni di configurazione disponibili (S piccolo, M medio, L grande, XL molto grande). Vedere le configurazioni. Si può anche specificare il numero di nodi da utilizzare (il valore predefinito è 1).
   Si ottiene un DEPLOYMENT - ID.
5. Monitorare la distribuzione utilizzando DEPLOYMENT - ID. Gli stati di distribuzione possono essere: initializing, updating, readyo failed.