MOSEC: 高性能机器学习模型服务框架

MOSEC简介

MOSEC(Model Serving made Efficient in the Cloud)是一个专为云环境设计的高性能机器学习模型服务框架。它旨在弥合刚刚训练完成的机器学习模型与高效在线服务API之间的鸿沟,让开发者能够轻松地将模型部署为生产级服务。

MOSEC Logo

MOSEC具有以下主要特点:

高性能:Web层和任务协调使用Rust构建,提供极快的速度。异步I/O技术实现了高效的CPU利用率。
易用性:用户界面完全使用Python,开发者可以使用与离线测试相同的代码来部署模型,无需关心具体的ML框架。
动态批处理:自动聚合来自不同用户的请求进行批量推理,并将结果分发回去。
流水线处理:可以为流水线的不同阶段生成多个进程,以处理CPU/GPU/IO混合工作负载。
云友好:专为云环境设计,支持模型预热、优雅关闭和Prometheus监控指标,易于被Kubernetes等容器编排系统管理。
专注性:专注于在线服务部分,让用户可以将注意力集中在模型优化和业务逻辑上。

安装与使用

MOSEC要求Python 3.7或更高版本。可以通过pip安装最新的PyPI包:

pip install -U mosec

或者使用conda安装:

conda install conda-forge::mosec

下面我们通过一个示例来展示如何使用MOSEC托管一个预训练的Stable Diffusion模型作为服务。首先需要安装一些依赖:

pip install --upgrade diffusers[torch] transformers

编写服务器代码

以下是一个简单的服务器实现:

from io import BytesIO
from typing import List

import torch
from diffusers import StableDiffusionPipeline

from mosec import Server, Worker, get_logger
from mosec.mixin import MsgpackMixin

logger = get_logger()

class StableDiffusion(MsgpackMixin, Worker):
    def __init__(self):
        self.pipe = StableDiffusionPipeline.from_pretrained(
            "runwayml/stable-diffusion-v1-5", torch_dtype=torch.float16
        )
        device = "cuda" if torch.cuda.is_available() else "cpu"
        self.pipe = self.pipe.to(device)
        self.example = ["useless example prompt"] * 4  # warmup (batch_size=4)

    def forward(self, data: List[str]) -> List[memoryview]:
        logger.debug("generate images for %s", data)
        res = self.pipe(data)
        logger.debug("NSFW: %s", res[1])
        images = []
        for img in res[0]:
            dummy_file = BytesIO()
            img.save(dummy_file, format="JPEG")
            images.append(dummy_file.getbuffer())
        return images

if __name__ == "__main__":
    server = Server()
    server.append_worker(StableDiffusion, num=1, max_batch_size=4, max_wait_time=10)
    server.run()

这段代码定义了一个StableDiffusion类,继承自Worker和MsgpackMixin。在__init__方法中,我们初始化了Stable Diffusion模型并将其移动到适当的设备上。forward方法定义了服务的核心逻辑,接收文本提示并生成相应的图像。

运行服务器

保存上述代码后,可以通过以下命令启动服务器:

python server.py --log-level debug --timeout 30000

服务器启动后,可以在浏览器中打开http://127.0.0.1:8000/openapi/swagger/查看OpenAPI文档。

高级特性

MOSEC提供了许多高级特性,使其成为一个强大的模型服务框架:

动态批处理:通过配置max_batch_size和max_wait_time,MOSEC可以自动聚合请求进行批量推理,提高系统吞吐量。
多阶段流水线:可以将推理过程拆分为多个阶段,如预处理、模型推理和后处理,形成数据流水线,提高GPU利用率。
自定义指标:MOSEC允许用户定义和收集自定义指标,方便监控和优化服务性能。
共享内存IPC:对于多阶段服务,MOSEC支持使用共享内存进行进程间通信,potentially减少延迟。
GPU分配:可以为不同的工作进程分配不同的GPU,实现更灵活的资源利用。

性能调优

为了获得最佳性能,MOSEC提供了一些调优建议:

找出最佳的max_batch_size和max_wait_time。可以通过监控指标来调整这两个参数。
尝试将推理过程拆分为独立的CPU和GPU阶段,充分利用硬件资源。
调整每个阶段的工作进程数量,以平衡各阶段的处理能力。
对于多阶段服务,考虑使用共享内存IPC来减少数据传输开销。
选择合适的序列化/反序列化方法。对于图像和嵌入等数据,考虑使用msgpack而不是JSON。
配置OpenBLAS或MKL的线程数,以优化CPU使用。

部署注意事项

在部署MOSEC服务时,需要注意以下几点:

MOSEC官方提供了预装框架的GPU基础镜像mosecorg/mosec。
MOSEC服务应该作为容器中的PID 1进程运行,因为它需要控制多个子进程。
记得收集和监控服务指标,如批处理大小分布、处理时间等。
使用SIGINT或SIGTERM信号来优雅地停止服务。

结语

MOSEC作为一个高性能的机器学习模型服务框架,为开发者提供了一种简单而强大的方式来部署和管理ML模型服务。通过其动态批处理、多阶段流水线等特性,MOSEC能够充分利用硬件资源,提供高效的推理服务。无论是对于个人开发者还是大型企业,MOSEC都是一个值得考虑的选择,可以帮助他们快速将ML模型转化为生产级服务。

随着机器学习技术的不断发展和应用场景的日益广泛,像MOSEC这样的工具将在未来扮演越来越重要的角色,推动AI技术的落地和产业化进程。我们期待看到MOSEC在未来的发展中为更多的开发者和企业带来价值,共同推动机器学习服务化的进步。

MOSEC Architecture