0Pricing
MLOps Academy · Урок

Сборка Bento и упаковка в контейнер

Объедините код, модель и зависимости в Bento, готовый к развёртыванию

«Сборка Bento и упаковка в контейнер» — бесплатный урок MLOps Academy на CoddyKit. Это урок 4 из 4. Ты можешь прочитать весь урок бесплатно ниже — а потом практиковать его прямо в браузере с встроенным редактором кода и ИИ-репетитором 24/7. Это часть пути обучения MLOps Academy, и твой прогресс синхронизируется между веб-версией и приложением CoddyKit. Курс MLOps Academy содержит 4 уроков всего.

Что такое Bento

Bento — это развёртываемый пакет, который создаёт BentoML. Он объединяет код сервиса, модель и точные зависимости в один архив. 📦

Файл bentofile

Описание сборки задаётся в файле bentofile.yaml. В нём указывается точка входа сервиса и перечисляется содержимое пакета.

service: "service:svc"

Добавьте свои файлы

Укажите BentoML, какие исходные файлы нужно включить в пакет. Ключ include принимает шаблоны, поэтому в поставку попадёт только необходимый код.

include:
  - "*.py"

Зафиксируйте пакеты Python

Зависимости указываются непосредственно в bentofile. В разделе python перечислите пакеты, чтобы сборка добавила их в пакет.

python:
  packages:
    - scikit-learn

Соберите Bento

Одна команда собирает всё необходимое. bentoml build читает bentofile и создаёт версию Bento в вашем хранилище.

bentoml build

Выведите список Bento

Собранные Bento отображаются рядом с вашими моделями. Выполните bentoml list, чтобы увидеть каждый из них с именем и меткой версии.

bentoml list

Зачем создавать контейнер

Bento всё ещё нуждается в среде выполнения. Преобразование его в образ Docker обеспечивает одинаковую работу на любом компьютере или в любом облаке. 🐳

Одна команда — и образ готов

BentoML создаёт Dockerfile за вас. bentoml containerize принимает метку Bento и собирает готовый к запуску образ.

bentoml containerize iris_classifier:latest

Запустите контейнер

Теперь это обычный образ. Запустите его командой docker run, настроив сопоставление портов, чтобы запросы достигали сервиса внутри контейнера.

docker run -p 3000:3000 iris_classifier:latest

Разверните где угодно

Этот образ — ваш артефакт для развёртывания. Отправьте его в реестр, и любая облачная среда выполнения или кластер Kubernetes сможет загрузить и запустить его. 🚀

Задайте базовый образ Docker

Вы можете управлять средой выполнения внутри образа. Раздел docker в bentofile позволяет выбрать версию Python или базовый образ.

docker:
  python_version: "3.11"

Быстрая проверка

Вы выполнили bentoml build и получили Bento. Что добавляет команда bentoml containerize?

Итоги

Вы определили bentofile, выполнили bentoml build для объединения кода и зависимостей, а затем создали из него образ Docker, готовый к отправке в любое облако. От начала до конца! 🙌

Часто задаваемые вопросы

Урок «Сборка Bento и упаковка в контейнер» бесплатный?

Да — полный текст урока «Сборка Bento и упаковка в контейнер» бесплатно доступен здесь в веб-версии. Чтобы практиковать его интерактивно (встроенный редактор кода и ИИ-репетитор 24/7) и разблокировать остальной курс MLOps Academy, подпишись на CoddyKit PRO. Курс MLOps Academy содержит 4 уроков всего.

Чему я научусь в уроке «Сборка Bento и упаковка в контейнер»?

Объедините код, модель и зависимости в Bento, готовый к развёртыванию Ты практикуешь MLOps Academy с помощью реального кода, который запускаешь прямо в браузере, и ИИ-репетитор 24/7 отвечает на твои вопросы во время урока.

Нужен ли мне опыт, чтобы начать MLOps Academy?

Предыдущий опыт не требуется. MLOps Academy на CoddyKit структурирован для всех уровней — от новичков до продвинутых, поэтому ты можешь начать отсюда или с самого начала и учиться в своем темпе. Это урок 4 из 4.

Сколько времени занимает урок «Сборка Bento и упаковка в контейнер»?

Большинство уроков CoddyKit занимают около 5–10 минут. Каждый из них компактный и интерактивный, поэтому ты постоянно делаешь прогресс и продолжаешь с того же места в веб-версии и приложении.

Можно ли писать и запускать код в этом уроке MLOps Academy?

Да. Каждый урок MLOps Academy включает встроенный редактор кода, поэтому ты пишешь и запускаешь реальный код прямо в браузере и получаешь моментальную обратную связь от AI — локальная установка не требуется.

Все уроки этого курса

  1. Сохранение модели в хранилище Bento
  2. Определение сервиса и его API
  3. Включение адаптивной пакетной обработки
  4. Сборка Bento и упаковка в контейнер
← Назад к MLOps Academy