SageMaker端点自动化流集成和多个请求
0
【以下的问题经过翻译处理】 一位数据科学家正在寻求在SageMaker中托管一个TensorFlow模型，并处理低容量的流式事件数据（约每秒2-3个）以收集有关每个事件的推理。数据科学家正在考虑将SageMaker推理模型插入为Kinesis Data Analytics应用程序，但Kinesis Data Analytics目前仅支持SQL或Flink。
一种选项是设置一个ECS或Lambda服务来从Kinesis或SNS中消费数据，并针对每个消息调用SageMaker推理端点，但如果有一种更自动化和优化的解决方案可用于这些工作流程，就更好了。
目前不可能向SageMaker端点传递多个请求，但是TensorFlow模型往往在数据批处理上的表现比多个单独调用好得多，因此一些窗口化将是有益的。理想情况下，客户端想要在处理事件后的10-15秒内收到一个推理结果，因此基于S3的批处理方法可能会太慢了。
是否有什么建议适合处理这种工作负载？
1 回答
- 最新
- 投票最多
- 评论最多
0
【以下的回答经过翻译处理】 要在SageMaker端点和Kinesis Data Analytics之间进行集成，请参考此博客-https://aws.amazon.com/blogs/architecture/realtime-in-stream-inference-kinesis-sagemaker-flink/。它讲解了如何设置无服务器环境以调用SageMaker推理端点。
在使用批处理时，TensorFlow文档提到以下内容：
- 此链接提到，您可以在predict请求中包含多个实例（或在分类/回归请求中包含多个示例），以在一个请求中获取多个预测结果到您的端点。
- 此链接提到，您可以配置SageMaker TensorFlow Serving容器，在执行推理之前合并多个记录。
您仍然必须在ECS/Lambda内部处理逻辑，以控制您从流中消耗多少记录才能进行批处理，但至少根据以上内容，您可以用整个批次的数据在SageMaker端点上进行推理。
相关内容
AWS 官方已更新 5 个月前- AWS 官方已更新 3 年前
- AWS 官方已更新 2 年前
- AWS 官方已更新 1 年前