MLOps Academy · Pelajaran

Kirim Konfigurasi melalui Variabel Lingkungan

Jauhkan jalur model dan rahasia dari image.

Pelajaran 3 dari 413 langkah

Kirim Konfigurasi melalui Variabel Lingkungan adalah pelajaran MLOps Academy gratis di CoddyKit. Ini adalah pelajaran 3 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.

Jangan Tanam Konfigurasi

Mengodekan jalur model atau kunci API secara langsung akan menanamkannya ke dalam citra selamanya. Sebagai gantinya, teruskan keduanya sebagai variabel lingkungan saat runtime.

Membaca Lingkungan di Python

Gunakan os.getenv untuk membaca variabel dengan nilai bawaan yang sesuai. Dengan begitu, kode Anda dapat menyesuaikan diri dengan setiap lingkungan tanpa perlu diubah.

import os
model_path = os.getenv("MODEL_PATH", "/models/latest.pkl")

Nilai Bawaan di Dalam Citra

Instruksi ENV dalam Dockerfile menetapkan nilai bawaan yang tertanam. Ini berguna untuk konfigurasi non-rahasia yang jarang berubah.

ENV MODEL_PATH=/models/latest.pkl

Ganti Saat Waktu Proses

Ganti nilai apa pun dengan -e pada docker run. Citra yang sama kemudian dapat digunakan untuk staging atau produksi dengan pengaturan yang berbeda.

docker run -e MODEL_PATH=/models/v2.pkl model-api

Kelompokkan Variabel dalam File

Simpan banyak variabel dengan rapi dalam sebuah file, lalu muat file tersebut dengan --env-file. Perintah eksekusi Anda tetap singkat dan mudah dibaca.

docker run --env-file prod.env model-api

Jangan Pernah Meng-commit Rahasia

Jauhkan file rahasia dari Git dan dari citra. Tambahkan .env ke .gitignore dan .dockerignore agar rahasia tersebut tidak pernah bocor.

Rahasia Disimpan di Luar

Rahasia sebenarnya, seperti kata sandi basis data, sebaiknya berasal dari brankas atau pengelola rahasia platform Anda dan hanya disuntikkan saat waktu proses.

Validasi Saat Startup

Periksa variabel yang wajib ada saat aplikasi dimulai dan hentikan aplikasi dengan jelas jika salah satunya tidak ada. Aplikasi yang gagal dengan jelas lebih baik daripada prediksi yang salah secara diam-diam.

if not os.getenv("MODEL_PATH"):
    raise RuntimeError("MODEL_PATH is required")

Konfigurasi Dua Belas Faktor

Aturan dua belas faktor menyatakan bahwa konfigurasi harus disimpan di lingkungan. Dengan begitu, satu citra tetap portabel di setiap target penerapan.

Pengaturan Pydantic

Alat seperti pydantic-settings membaca variabel lingkungan ke dalam objek konfigurasi bertipe, sekaligus memvalidasi tipe dan nilai bawaannya di satu tempat yang rapi.

from pydantic_settings import BaseSettings

Satu Citra, Banyak Lingkungan

Manfaatnya: bangun sekali, lalu jalankan citra yang sama persis di pengembangan, staging, dan produksi; Anda hanya perlu mengubah variabel yang disuntikkan.

Pemeriksaan Singkat

Mari kita periksa di mana konfigurasi seharusnya disimpan.

Ringkasan

Anda membaca konfigurasi dengan os.getenv, menetapkan nilai bawaan melalui ENV, menggantinya dengan -e dan --env-file, serta menjauhkan rahasia. Satu citra yang portabel. ✅

Gratis untuk memulai

Belajar Python dengan tutor AI — gratis

Tulis dan jalankan kode asli di browser kamu, dapatkan bantuan instan dari tutor AI 24/7, dan lanjutkan di mana kamu tinggalkan di web atau aplikasi.

Kursus
30
Pelajaran
120

Pertanyaan yang Sering Diajukan

Apakah pelajaran “Kirim Konfigurasi melalui Variabel Lingkungan” gratis?

Ya — teks lengkap “Kirim Konfigurasi melalui Variabel Lingkungan” 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 “Kirim Konfigurasi melalui Variabel Lingkungan”?

Jauhkan jalur model dan rahasia dari image. 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 3 dari 4.

Berapa lama pelajaran “Kirim Konfigurasi melalui Variabel Lingkungan” 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

  1. Tulis Dockerfile untuk API Model
  2. Ringankan Image dengan Build Multi-Tahap
  3. Kirim Konfigurasi melalui Variabel Lingkungan
  4. Jalankan dan Uji Kontainer Secara Lokal
← Kembali ke MLOps Academy