MLOps Academy · Lezione

Log strutturati per le previsioni

Registri input, output e latenza in formato JSON.

Log strutturati per le previsioni è una lezione MLOps Academy gratuita su CoddyKit. Questa è la lezione 1 di 4. Puoi leggere la lezione completa qui gratuitamente — poi esercitati direttamente nel browser con un editor di codice integrato e un tutor IA disponibile 24/7. Fa parte del percorso di apprendimento MLOps Academy, e i tuoi progressi si sincronizzano tra il web e l'app CoddyKit. Il corso MLOps Academy include 4 lezioni in totale.

Perché registrare le predizioni

Quando il modello serve utenti reali, non può monitorarlo manualmente. La registrazione di ogni predizione è il modo per vedere cosa fa realmente in produzione. 📊

Il testo semplice è problematico

Una riga di log come "got request, returned 0.91" è comprensibile, ma diventa difficilissima da cercare su larga scala. Le macchine hanno bisogno di struttura, non di prosa.

Logging strutturato

Il logging strutturato significa che ogni riga di log è un piccolo oggetto composto da campi denominati, non una frase. Gli strumenti possono quindi filtrarli, raggrupparli e aggregarli immediatamente.

JSON è il formato

La scelta comune è un oggetto JSON per riga. Ogni campo ha una chiave, quindi i sistemi di log lo analizzano sempre nello stesso modo.

{"event": "prediction", "model": "churn-v3", "score": 0.91}

Cosa registrare per ogni predizione

Per ogni chiamata, acquisisca gli input, l'output e il tempo impiegato. Insieme, questi dati consentono di eseguire il debug, effettuare audit e misurare la qualità in un secondo momento.

Registrare la latenza

Registri sempre la latenza in millisecondi. È il primo segnale che un modello o il relativo server sta iniziando ad avere difficoltà.

import time
start = time.perf_counter()
score = model.predict(x)
latency_ms = (time.perf_counter() - start) * 1000

Aggiungere un ID per il tracciamento

Assegni a ogni richiesta un request_id univoco. In seguito potrà seguire una singola predizione tra log, dashboard e risultato reale finale.

import uuid
request_id = str(uuid.uuid4())

Creare il record di log

Raccolga i campi in un unico dizionario. Questo singolo record diventa una riga JSON ricercabile nei log.

record = {
    "request_id": request_id,
    "model": "churn-v3",
    "score": score,
    "latency_ms": latency_ms,
}

Emettere JSON con il logger

Usi il modulo logging integrato in Python e serializzi il record come JSON. Non usi mai print, che ignora livelli e timestamp.

import json, logging
log = logging.getLogger("predictions")
log.info(json.dumps(record))

Non registrare mai segreti in chiaro

Presti attenzione a ciò che inserisce. Escluda password, token e PII in chiaro, oppure esegua l'hashing dei campi sensibili prima che finiscano in una riga di log. 🔒

Inviare i log a un archivio centrale

I log presenti su un solo server scompaiono quando il server viene riavviato. Li inoltri a un archivio centrale come Loki o CloudWatch, così sopravvivono a qualsiasi singolo container.

Verifica rapida

Desidera log delle predizioni che possano essere cercati e aggregati su larga scala. Quale formato è più adatto?

Riepilogo

Registra ogni predizione come record JSON strutturato con input, output, latenza e ID, poi lo invia a un archivio centrale. Sono i Suoi occhi in produzione. ✅

Domande Frequenti

La lezione «Log strutturati per le previsioni» è gratuita?

Sì — il testo completo di «Log strutturati per le previsioni» è gratuito qui sul web. Per esercitarvi in modo interattivo (un editor di codice integrato e un tutor IA 24/7) e sbloccare il resto del corso MLOps Academy, passa a CoddyKit PRO. Il corso MLOps Academy include 4 lezioni in totale.

Cosa imparerò in «Log strutturati per le previsioni»?

Registri input, output e latenza in formato JSON. Eserciti MLOps Academy con codice pratico che esegui direttamente nel browser, e un tutor IA 24/7 risponde alle tue domande mentre lavori sulla lezione.

Ho bisogno di esperienza per iniziare MLOps Academy?

Non è richiesta alcuna esperienza precedente. MLOps Academy su CoddyKit è strutturato per principianti e studenti avanzati, quindi puoi iniziare da qui o dall'inizio e procedere al tuo ritmo. Questa è la lezione 1 di 4.

Quanto tempo richiede la lezione «Log strutturati per le previsioni»?

La maggior parte delle lezioni CoddyKit richiede circa 5–10 minuti. Ogni lezione è breve e interattiva, quindi fai progressi costanti e riprendi esattamente da dove hai lasciato su web e app.

Posso scrivere ed eseguire codice in questa lezione MLOps Academy?

Sì. Ogni lezione MLOps Academy include un editor di codice integrato, quindi scrivi ed esegui codice reale direttamente nel tuo browser e ricevi feedback istantaneo dall'IA — nessuna configurazione locale necessaria.

Tutte le lezioni di questo corso

← Torna a MLOps Academy