Translation not up to date
W przypadku tworzenia wdrożenia w trybie z połączeniem dla modelu lub funkcji z obszaru wdrażania lub programowego, pojedyncza kopia zasobu jest wdrażana domyślnie. Aby zwiększyć skalowalność i dostępność, można zwiększyć liczbę kopii (replik), edytując konfigurację wdrożenia. Dodatkowe repliki pozwalają na zwiększenie liczby żądań oceniania.
Wdrożenia można skalować w jeden z następujących sposobów:
- Zaktualizuj konfigurację dla wdrożenia w obszarze wdrażania.
- Programowo, korzystając z biblioteki klienta Watson Machine Learning Python lub interfejsu API REST Watson Machine Learning .
Zwiększanie liczby replik wdrożenia w trybie z połączeniem z obszaru
Kliknij tę opcję, aby otworzyć kartę Wdrożenie w obszarze wdrażania.
Kliknij opcję Edytuj konfigurację w menu działań dla nazwy wdrożenia.
Zmień liczbę replik i zapisz zmiany.
Wskazówka: Można również zaktualizować liczbę replik z arkusza informacyjnego dla wdrożenia.Aby zaktualizować liczbę replik, wykonaj następujące kroki:
Kliknij nazwę wdrożenia, aby wyświetlić szczegóły.
Kliknij ikonę Edytuj w arkuszu informacyjnym, aby edytować liczbę kopii.
Programowo zwiększenie liczby replik wdrożeniowe
Aby możliwe było wyświetlanie lub uruchamianie próbnej próby skalowania w sposób programowy, można zwiększyć liczbę replik w metadanych dla wdrożenia.
Przykład Python
W tym przykładzie używany jest klient Python w celu ustawienia liczby replik na 3.
change_meta = {
client.deployments.ConfigurationMetaNames.HARDWARE_SPEC: {
"name":"S",
"num_nodes":3}
}
client.deployments.update(<deployment_id>, change_meta)
Wartość HARDWARE_SPEC zawiera nazwę, ponieważ interfejs API wymaga nazwy lub identyfikatora, który ma zostać udostępniony.
Przykład interfejsu REST API
curl -k -X PATCH -d '[ { "op": "replace", "path": "/hardware_spec", "value": { "name": "S", "num_nodes": 2 } } ]' <Deployment end-point URL>
Należy podać nazwę dla wartości hardware_spec , ale argument nie jest stosowany do skalowania.
Temat nadrzędny: Zarządzanie wdrożeniami predykcyjnymi