Внедрите машинное обучение в производство с помощью AWS Lambda Function

В настоящее время я работаю над внедрением Facebook Prophet для живой производственной среды. Я не делал этого раньше, поэтому я хотел бы представить вам свой план здесь и надеюсь, что вы можете дать мне отзыв, является ли это приемлемым решением или у вас есть какие-либо предложения.

  1. В Django я создаю экспорт .csv соответствующих данных, которые мне нужны для моих прогнозов. Эти экспортированные файлы .csv будут загружены в корзину AWS S3.

  2. Оттуда я могу получить доступ к этой корзине S3 с помощью AWS Lambda Function, где происходят «тяжелые» вычисления.

  3. После этого я беру прогнозы из 2. и снова сохраняю их в экспорте forcast.csv.

  4. Теперь мое приложение Django может получить доступ к forecast.csv на S3 и получить соответствующие прогнозы.

Мне особенно любопытно, является ли AWS Lambda Function правильным tool в этом случае. Экспорт, вероятно, также можно было бы сохранить в DynamoDB (?), но я стараюсь, чтобы моя v1 была простой, поэтому .csv. Предпринимаются определенные усилия по установке правильных слоев/пакетов для AWS Lambda. Поэтому я хочу убедиться, что иду в правильном направлении, прежде чем углубляться в его документацию.

как часто .csv будет экспортироваться в S3?

Abhishek Garg 20.07.2019 18:49
Почему в Python есть оператор "pass"?
Почему в Python есть оператор "pass"?
Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.
Некоторые методы, о которых вы не знали, что они существуют в Python
Некоторые методы, о которых вы не знали, что они существуют в Python
Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...
Основы Python Часть I
Основы Python Часть I
Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:
Оптимизация кода с помощью тернарного оператора Python
Оптимизация кода с помощью тернарного оператора Python
И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это
Советы по эффективной веб-разработке с помощью Python
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
1
1
151
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Меня немного беспокоит использование AWS Lambda для «тяжелых» вычислений. Есть несколько причин.

  1. Ограничение размера двоичного файла: AWS Lambda имеет ограничение размера двоичного файла в 250 МБ. Это самое большое ограничение, с которым мы столкнулись, поскольку вы не сможете включить в этот двоичный файл все библиотеки, такие как numpy, pandas, matplotlib и т. д.
  2. Ограничение размера диска: AWS предоставляет максимальный размер диска только 500 МБ для выполнения лямбда, это может стать проблемой, если вы хотите сохранить промежуточные результаты на диске.
  3. Стоимость может резко возрасти: если ваша лямбда будет работать в течение длительного времени вместо нескольких небольших вызовов, вы в конечном итоге заплатите много денег. В этом случае, я думаю, вам будет лучше с чем-то вроде EC2 и ECS.

Вы можете оценить связь корзины S3 с очередью SQS и процессом, работающим на компьютере EC2, который прослушивает очередь и выполняет все вычисления.

Лямбда-лимиты AWS.

Спасибо @Abhishek. Я посмотрю на это снова.

Joey Coder 22.07.2019 08:16

Другие вопросы по теме