Translation not up to date
Decision Optimization používá asynchronní rozhraní API Watson Machine Learning k povolení paralelního spouštění úloh.
Chcete-li vyřešit problém, můžete vytvořit novou úlohu z implementace modelu a přidružit k ní data. Viz kroky implementace a příklad rozhraní REST API. Není vám účtován poplatek za nasazení modelu. Na základě doby běhu je účtováno pouze řešení modelu s některými daty.
Chcete-li vyřešit více než jednu úlohu najednou, zadejte při vytváření implementace více než jeden uzel. Například v tomto příkladu rozhraní REST APIzvyšte počet uzlů změnou hodnoty vlastnosti uzlů: "nodes" : 1.
Sekce (uzly)
Když je úloha vytvořena a odeslána, způsob jejího zpracování závisí na aktuální konfiguraci a úlohách, které jsou spuštěny pro instanci Watson Machine Learning . Tento proces je zobrazen v následujícím diagramu.
- Nová úloha se odešle do fronty.
- Pokud je POD spuštěna, ale nečinná (nespuštěná úloha), okamžitě zahájí zpracování této úlohy.
- Jinak, pokud není dosaženo maximálního počtu uzlů, spustí se nová POD. (Spuštění POD může trvat několik sekund). Úloha je pak přiřazena k této nové zásadě POD pro zpracování.
- Jinak úloha čeká ve frontě, dokud jedna ze spuštěných sekcí neskončí, a může vybrat čekající úlohu.
Konfigurace sekcí každé velikosti je následující:
| Definice | Název | Popis |
|---|---|---|
| 2 vCPU a 8 GB | S | Malý |
| 4 vCPU a 16 GB | M | Střední |
| 8 vCPU a 32 GB | L | Velký |
| 16 vCPU a 64 GB | XL | Extra velký |
Pro všechny konfigurace je 1 vCPU a 512 MB vyhrazeno pro vnitřní použití.
Kromě času řešení závisí cena na zvolené velikosti prostřednictvím multiplikátoru.
V konfiguraci implementace můžete také nastavit maximální počet uzlů, které se mají použít.
Nečinné sekce se automaticky zastaví po vypršení časového limitu. Pokud je zadána nová úloha, když nejsou v provozu žádné sekce, trvá restartování sekce určitou dobu (přibližně 30 sekund).
Příklad rozhraní REST API
Úplný postup implementace modelu a odkazy na dokumentaci Swagger viz Příklad rozhraní REST API.
Příklad rozhraní API Python
Kromě rozhraní REST API je rozhraní API Python dodáváno s produktem Watson Machine Learning , takže můžete snadno vytvářet, implementovat a používat model Decision Optimization z Python notebook.
Další informace viz Python klienta Python.
Příklad notebook popisující a dokumentující všechny kroky je k dispozici v části Ukázky.