要部署 Decision Optimization 模型，请在部署空间中创建可供部署的模型，然后将该模型上载为归档。 部署后，可以将作业提交到模型并监视作业状态。

要部署 Decision Optimization 模型:

1. 将 Decision Optimization 模型表单与任何设置或主数据文件打包，以 tar.gz、.zip 或 .jar 文件的形式部署。
   该归档可以包含下列可选文件：

   1. 模型文件

      对于 Python 或 OPL 模型，这些文件通常包含您的模型表述。 不过，您也可以选择省略这些文件，尤其是当您的模型和数据集成在同一个文件中时。 例如，对于 CPLEX（.lp 文件）、CPO（.cpo 文件）和 mps 格式的模型，为了避免解析相同的模式，可以在作业的稍后阶段发送这些文件。

   2. 设置文件

      更多信息，请参阅运行参数。

   3. 主数据

      这些文件包含所有作业都可重复使用的数据。 包含此类数据文件可以提高部署工作的效率。 例如，您可以为保持不变的数值（如城镇之间的距离）添加一个数据文件。 您可以将此数据文件包含在部署中，这样您只需提供一次，而不用在每次任务请求时都提供。

   注意：对于有多个 ".py文件的Python模型，请将所有文件放在压缩包的同一文件夹中。 同一文件夹中必须包含一个名为 "main.py的主文件。 不要使用子文件夹。
2. 创建一个可随时部署的模型，并提供以下信息：
   • watsonx.ai运行时服务实例
   • 部署空间 实例
   • 可用配置尺寸（小号 S、中号 M、大号 L、超大号 XL）的硬件规格。 参见配置。
   • 软件规范（Decision Optimization运行时版本）：
     • do_22.1 运行时基于 CPLEX 22.1.1.0
     • do_20.1 运行时基于 CPLEX 20.1.0.1

     您可以扩展watsonx.aiRuntime服务提供的软件规范。 请参见 "DO 样本文件夹下 "jupyter文件夹中的 "ExtendWMLSoftwareSpec笔记本。

     更新 CPLEX 运行时:

     如果先前已使用不再受支持的 CPLEX 运行时部署模型，那么可以使用 REST API 或 UI来更新现有已部署模型。

   • 模型类型:
     • opl (do-opl_<runtime version>)
     • cplex (do-cplex_<runtime version>)
     • cpo (do-cpo_<runtime version>)
     • docplex (do-docplex_<runtime version>) 使用 Python 3.11 或 3.10 (已废弃)

     (运行时版本 可以是可用的 Decision Optimization 运行时版本之一，例如，运行时为 22.1 的 opl 模型具有模型类型 do-opl_22.1）

   获取 MODEL-ID。

   您的模型可用于一次或多次部署。

3. 上传模型档案（"tar.gz、".zip或 ".jar文件）。 有关输入文件类型的信息，请参阅 Decision Optimization模型输入和输出数据文件格式。
4. 使用 MODEL-ID， SPACE-ID和 硬件规范 为可用配置大小 (小型 S ，中型 M ，大型 L 和超大型 XL) 部署模型。 参见配置。 您还可以指定要使用的节点数（默认值为 1）。
   您随即获得部署标识。
5. 使用 DEPLOYMENT-ID监视部署。 部署状态 可以是: initializing， updating， ready或 failed。