Tentukan Layanan dan API-nya
Buka runner melalui endpoint layanan bertipe.
Tentukan Layanan dan API-nya adalah pelajaran MLOps Academy gratis di CoddyKit. Ini adalah pelajaran 2 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar MLOps Academy, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus MLOps Academy mencakup 4 pelajaran total.
Apa Itu Service
Dalam BentoML, Service adalah unit yang Anda sebarkan. Service membungkus model Anda dan menyediakan satu atau beberapa titik akhir API yang dapat dipanggil klien. 🛎️
Runner Menjalankan Model
Runner adalah pembungkus teroptimasi milik BentoML untuk model yang tersimpan. Runner menangani inferensi di pekerjanya sendiri agar API tetap responsif.
runner = bentoml.sklearn.get("iris_clf:latest").to_runner()Buat Service
Anda membuat service dengan memberinya nama dan meneruskan runner-nya. Objek Service inilah yang disajikan dan diskalakan oleh BentoML.
svc = bentoml.Service("iris_classifier", runners=[runner])Tambahkan Titik Akhir
Anda menyediakan fungsi sebagai API dengan dekorator @svc.api. Fungsi tersebut menjadi rute HTTP yang dapat dipanggil.
@svc.api(input=..., output=...)
def classify(data):
...Deklarasikan Input dan Output
Anda menetapkan deskriptor IO bertipe agar BentoML dapat memvalidasi dan membuat serialisasi. NumpyNdarray memberi tahu BentoML bahwa input dan output yang diharapkan berupa array.
from bentoml.io import NumpyNdarrayPanggil Runner di Dalamnya
Di dalam fungsi API, Anda memanggil model melalui runner. Penggunaan run mengirimkan input ke pekerja model dan mengembalikan hasilnya.
result = runner.predict.run(data)
return resultLetakkan di service.py
BentoML mencari kode Anda dalam file berdasarkan konvensi. Anda menempatkan service di service.py pada direktori utama proyek.
Sajikan Secara Lokal
Satu perintah memulai server pengembangan. bentoml serve menunjuk ke file dan objek svc, lalu memantau perubahan.
bentoml serve service:svc --reloadGunakan JSON untuk Kamus
Tidak semua API menggunakan array. Ganti deskriptornya menjadi JSON ketika klien Anda mengirim dan mengharapkan kamus.
from bentoml.io import JSONDokumentasi Swagger Bawaan
Setelah berjalan, BentoML menyediakan dokumentasi interaktif Swagger di URL utama sehingga Anda dapat menguji setiap titik akhir melalui peramban. 🎉
Uji dengan Pemanggilan curl
Anda dapat mengakses titik akhir yang aktif dari terminal. curl POST singkat mengirimkan input contoh dan menampilkan prediksi yang dikembalikannya.
curl -X POST localhost:3000/classify -d "[[5.1,3.5,1.4,0.2]]"Pemeriksaan Singkat
Anda ingin memanggil model dari dalam fungsi API. Pembungkus yang tepat untuk digunakan apa?
Ringkasan
Anda telah mengubah runner menjadi Service, mengekspos endpoint @svc.api dengan IO bertipe, menempatkannya di service.py, dan menyajikannya dengan dokumentasi bawaan. API langsung sudah selesai! 🙌
Pertanyaan yang Sering Diajukan
Apakah pelajaran “Tentukan Layanan dan API-nya” gratis?
Ya — teks lengkap “Tentukan Layanan dan API-nya” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus MLOps Academy, upgrade ke CoddyKit PRO. Kursus MLOps Academy mencakup 4 pelajaran total.
Apa yang akan aku pelajari di “Tentukan Layanan dan API-nya”?
Buka runner melalui endpoint layanan bertipe. Kamu berlatih MLOps Academy dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.
Apakah aku perlu pengalaman untuk memulai MLOps Academy?
Tidak diperlukan pengalaman sebelumnya. MLOps Academy di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 2 dari 4.
Berapa lama pelajaran “Tentukan Layanan dan API-nya” memakan waktu?
Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.
Bisakah aku menulis dan menjalankan kode dalam pelajaran MLOps Academy ini?
Ya. Setiap pelajaran MLOps Academy menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.
Semua pelajaran dalam kursus ini
- Simpan Model ke Bento Store
- Tentukan Layanan dan API-nya
- Aktifkan Micro-Batching Adaptif
- Bangun Bento dan Kontainerkan