MLOps Academy · leksjon

Strukturerte logger for prediksjoner

Logg inndata, utdata og latenstid som JSON.

Leksjon 1 av 413 trinn

Strukturerte logger for prediksjoner er en gratis leksjon i MLOps Academy på CoddyKit. Dette er leksjon 1 av 4. Du kan lese hele leksjonen gratis nedenfor – og deretter øve praktisk i nettleseren med en innebygd kodeeditor og en AI-veileder som er tilgjengelig døgnet rundt. Den er en del av læringsløpet i MLOps Academy, og fremdriften din synkroniseres mellom nettet og CoddyKit-appen. Kurset i MLOps Academy inneholder totalt 4 leksjoner.

Hvorfor logge prediksjoner

Når modellen din betjener virkelige brukere, kan du ikke følge med på den manuelt. Logging av hver prediksjon er måten du ser hva den faktisk gjør i produksjon. 📊

Ren tekst er upraktisk

En logglinje som "got request, returned 0.91" er lett å forstå for deg, men svært vanskelig å søke i når mengden blir stor. Maskiner trenger struktur, ikke prosa.

Strukturert logging

Strukturert logging betyr at hver logglinje er et lite objekt med navngitte felt, ikke en setning. Verktøy kan da filtrere, gruppere og aggregere dem umiddelbart.

JSON er formatet

Det vanlige valget er ett JSON-objekt per linje. Hvert felt har en nøkkel, slik at loggsystemer tolker det på samme måte hver gang.

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

Hva du bør logge per prediksjon

For hvert kall registrerer du inndataene, utdataene og hvor lang tid det tok. Til sammen lar dette deg feilsøke, revidere og måle kvalitet senere.

Logg ventetiden

Registrer alltid ventetid i millisekunder. Det er ditt tidligste varsel om at en modell eller serveren begynner å få problemer.

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

Legg til en ID for sporing

Gi hver forespørsel en unik request_id. Senere kan du følge én prediksjon gjennom logger, dashbord og det faktiske resultatet når det foreligger.

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

Bygg loggoppføringen

Samle feltene i én dictionary. Denne oppføringen blir én søkbar JSON-linje i loggene dine.

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

Skriv ut JSON med loggeren

Bruk Pythons innebygde logging-modul og skriv oppføringen som JSON. Bruk aldri print, som hopper over nivåer og tidsstempler.

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

Logg aldri rå hemmeligheter

Vær forsiktig med hva du tar med. Utelat passord, tokens og rå PII, eller hash sensitive felt før de noen gang havner i en logglinje. 🔒

Send logger til et sentralt sted

Logger på én server forsvinner når den starter på nytt. Videresend dem til et sentralt lager som Loki eller CloudWatch, slik at de overlever enhver enkeltcontainer.

Hurtigsjekk

Du vil ha prediksjonslogger som du kan søke i og aggregere i stor skala. Hvilket format passer best?

Besvar den i den interaktive leksjonen

Oppsummering

Du logger hver prediksjon som en strukturert JSON-oppføring med inndata, utdata, ventetid og en ID, og sender den deretter til et sentralt sted. Det er øynene dine i produksjon. ✅

Gratis å komme i gang

Lær deg Python med en AI-veileder – gratis

Skriv og kjør ekte kode i nettleseren, få umiddelbar hjelp fra en AI-veileder som er tilgjengelig døgnet rundt, og fortsett der du slapp – på nettet eller i appen.

Kurs: 30
Leksjoner: 120

Start læringen gratis Se hele kurset

Ofte stilte spørsmål

Er leksjonen «Strukturerte logger for prediksjoner» gratis?

Ja – hele teksten i «Strukturerte logger for prediksjoner» er gratis å lese her på nettet. For å øve interaktivt med en innebygd kodeeditor og en AI-veileder som er tilgjengelig døgnet rundt, og for å låse opp resten av MLOps Academy-kurset, kan du oppgradere til CoddyKit PRO. Kurset i MLOps Academy inneholder totalt 4 leksjoner.

Hva lærer jeg i «Strukturerte logger for prediksjoner»?

Logg inndata, utdata og latenstid som JSON. Du øver på MLOps Academy med praktisk kode som du kjører direkte i nettleseren, mens en AI-veileder som er tilgjengelig døgnet rundt, svarer på spørsmålene dine mens du jobber deg gjennom leksjonen.

Trenger jeg erfaring for å begynne med MLOps Academy?

Ingen tidligere erfaring er nødvendig. MLOps Academy på CoddyKit er lagt opp for både nybegynnere og viderekomne, så De kan begynne her eller helt fra start og lære i Deres eget tempo. Dette er leksjon 1 av 4.

Hvor lang tid tar leksjonen «Strukturerte logger for prediksjoner»?

De fleste CoddyKit-leksjoner tar omtrent 5–10 minutter. Hver leksjon er kort og interaktiv, slik at De gjør jevne fremskritt og kan fortsette akkurat der De slapp – både på nettet og i appen.

Kan jeg skrive og kjøre kode i denne MLOps Academy-leksjonen?

Ja. Alle MLOps Academy-leksjoner har en innebygd kodeeditor, slik at De kan skrive og kjøre ekte kode direkte i nettleseren og få umiddelbar tilbakemelding fra AI – uten lokal konfigurering.

Alle leksjonene i dette kurset

← Tilbake til MLOps Academy