如果你熟悉Kubeflow，你就會知道KFServing是平臺的模型服務器和推理引擎。去年9月，KFServing項目經(jīng)歷了一次轉(zhuǎn)型，變成了KServe。

除了名稱變更之外，KServe現(xiàn)在是從Kubeflow項目畢業(yè)的獨立組件。這種分離允許KServe發(fā)展為一個單獨的、云原生推理引擎，部署為一個獨立的模型服務器。當然，它將繼續(xù)與Kubeflow緊密集成，但它們將被視為獨立的開源項目來處理和維護。

KServe是由谷歌、IBM、彭博社、Nvidia和Seldon合作開發(fā)的，是Kubernetes的開源云原生模型服務器。最新版本0.8的重點是將模型服務器轉(zhuǎn)換為一個獨立的組件，并對分類法和命名法進行了更改。

讓我們了解KServe的核心功能

模型服務器用于機器學習模型，就像應用程序用于編寫二進制代碼一樣。兩者都為部署提供運行時和執(zhí)行上下文。KServer作為模型服務器，為機器學習和大規(guī)模的學習模型提供了基礎。

KServe可以部署為傳統(tǒng)的Kubernetes部署，也可以部署為支持零擴展的無服務器部署。對于無服務器，它利用了面向無服務器的Knative Serving的優(yōu)勢，具有自動縮放功能。Istio用作入口，向API使用者公開服務端點。Istio和Knative服務的結(jié)合實現(xiàn)了令人興奮的場景，例如模型的藍/綠和金絲雀部署。

Kserve架構(gòu)圖

RawDeployment模式允許你在不使用Knative服務的情況下使用KServe，它支持傳統(tǒng)的縮放技術，如水平pod自動縮放(HPA)，但不支持縮放到零。

KServe架構(gòu)

KServe model server有一個控制平面和一個數(shù)據(jù)平面。控制平面管理并協(xié)調(diào)負責推理的自定義資源。在無服務器模式下，它與Knative資源協(xié)調(diào)管理自動縮放。

KServe控制平面的核心是管理推理服務生命周期的KServe控制器。它負責創(chuàng)建服務、入口資源、模型服務器容器、模型代理容器，用于請求/響應日志記錄、批處理，以及從模型存儲中提取模型。模型存儲是在模型服務器上注冊的模型的存儲庫。它通常是一種對象存儲服務，如Amazon S3、谷歌云存儲、Azure Storage或MinIO。

數(shù)據(jù)平面管理針對特定模型的請求/響應周期。它有一個預測器、轉(zhuǎn)換器和解釋器組件。

AI應用程序向預測器端點發(fā)送REST或gRPC請求。預測器充當調(diào)用transformer組件的推理管道，transformer組件可以執(zhí)行入站數(shù)據(jù)(請求)的預處理和出站數(shù)據(jù)(響應)的后處理?；蛘?，可能會有一個解釋器組件，為托管模型帶來AI解釋能力。KServe鼓勵使用可互操作和可擴展的V2協(xié)議。

數(shù)據(jù)平面還具有端點，用于檢查模型的就緒性和運行狀況。它還公開了用于檢索模型元數(shù)據(jù)的API。

支持的框架和運行時

KServe支持廣泛的機器學習和深度學習框架。深度學習框架和運行時與現(xiàn)有的服務基礎設施(如TensorFlow Serving、TorchServe和Triton推理服務器)配合使用。KServe可以通過Triton 托管TensorFlow、ONNX、PyTorch和TensorRT運行時。

對于基于SKLearn的經(jīng)典機器學習模型，XGBoost、Spark MLLib和LightGBM KServe依賴于Seldon的MLServer。

KServe的可擴展框架使其能夠插入任何遵守V2推理協(xié)議的運行時。

使用ModelMesh的多模式服務

KServe為每個推理部署一個模型，將平臺的可擴展性限制在可用的CPU和GPU上。當在昂貴且稀缺的計算資源GPU上運行推理時，這種限制變得很明顯。

通過多模式服務，我們可以克服基礎設施的限制——計算資源、最大pod和最大IP地址。

ModelMesh Serving由IBM開發(fā)，是一個基于Kubernetes的平臺，用于實時服務ML/DL模型，針對高容量/密度用例進行了優(yōu)化。與管理流程以最佳利用可用資源的操作系統(tǒng)類似，ModelMesh優(yōu)化部署的模型以在集群內(nèi)高效運行。

通過跨部署的pod集群智能管理內(nèi)存中的模型數(shù)據(jù)，以及隨著時間的推移對這些模型的使用，系統(tǒng)最大限度地利用了可用的集群資源。

ModelMesh Serving基于KServe v2數(shù)據(jù)平面API進行推理，這使得它可以部署為類似于NVIDIA Triton推理服務器的運行時。當一個請求到達KServe數(shù)據(jù)平面時，它被簡單地委托給ModelMesh Serving。

ModelMesh Serving與KServe的集成目前處于Alpha階段。隨著這兩個項目的成熟，將有一個更緊密的集成，使混合和匹配兩個平臺的功能和能力成為可能。

隨著模型服務成為MLOP的核心構(gòu)建塊，像KServe這樣的開源項目變得非常重要。KServe的可擴展性使其能夠使用現(xiàn)有和即將出現(xiàn)的運行時，從而成為一個獨特的模型服務平臺。