Translation not up to date
Decision Optimization , işlerin paralel olarak çalıştırılmasını sağlamak için Watson Machine Learning zamanuyumsuz API ' lerini kullanır.
Bir sorunu çözmek için model devreye alımdan yeni bir iş oluşturabilir ve verileri bu işle ilişkilendirebilirsiniz. Konuşlandırma adımları ve REST API örneğikonusuna bakın. Bir modeli devreye almak için ücretlendirilmezsiniz. Çalışma zamanına dayalı olarak, yalnızca bazı verileri içeren bir modelin çözülmesi ücretlendirilir.
Bir kerede birden çok işi çözmek için, konuşlandırmanızı oluştururken birden çok düğüm belirtin. Örneğin, bu REST API örneğinde, düğümler özelliğinin değerini değiştirerek düğümlerin sayısını artırın: "nodes" : 1.
POD ' ler (düğümler)
Bir iş oluşturulup gönderildiğinde, bu işin nasıl işleneceği, Watson Machine Learning eşgörünümü için çalışan geçerli yapılandırmaya ve işlere bağlıdır. Bu işlem aşağıdaki çizgede gösterilir.
- Yeni iş kuyruğa gönderilir.
- Bir POD başlatıldıysa, ancak boşta (iş çalıştırmıyorsa), hemen bu işi işlemeye başlar.
- Tersi durumda, düğüm sayısı üst sınırına ulaşılmazsa, yeni bir POD başlatılır. (POD ' nin başlatılması birkaç saniye sürebilir). Daha sonra, iş işlenmek üzere bu yeni POD ' ye atanır.
- Tersi durumda, iş, çalışmakta olan POD öğelerinin biri tamamlanıncaya kadar kuyrukta bekler ve bekleyen işi alabilir.
Her boyuttaki POD öğelerinin yapılandırması aşağıdaki gibidir:
| Tanım | Ad | Açıklama |
|---|---|---|
| 2 vCPU ve 8 GB | S | Küçük |
| 4 vCPU ve 16 GB | M | Orta |
| 8 vCPU ve 32 GB | L | Büyük |
| 16 vCPU ve 64 GB | XL | Çok Büyük |
Tüm yapılandırmalar için 1 vCPU ve 512 MB dahili kullanım için ayrılmıştır.
Çözüm zamanına ek olarak, fiyatlandırma bir çarpan aracılığıyla seçilen boyuta bağlıdır.
Konuşlandırma yapılandırmasında, kullanılacak düğüm sayısı üst sınırını da ayarlayabilirsiniz.
Boşta duran POD ' ler bir zaman aşımından sonra otomatik olarak durdurulur. Hiçbir POD çalışmadığı zaman yeni bir iş sunulursa, POD ' un yeniden başlatılması biraz zaman alır (yaklaşık 30 saniye).
REST API örneği
Bir modeli devreye alma yordamı ve Swagger belgelerine yönelik bağlantılar için bkz. REST API örneği.
Python API örneği
REST API 'lerine ek olarak, bir Python API 'si Watson Machine Learning ile birlikte sağlanır; böylece bir Python notebook' dan Decision Optimization modelini kolayca oluşturabilir, devreye alabilir ve kullanabilirsiniz.
Daha fazla bilgi için bkz. Python istemcisi örneği.
Tüm adımları açıklayan ve belgeleyen bir örnek notebook Örnekler' den edinilebilir.