Model Serving no Snowpark Container Services¶
Nota
A capacidade de executar modelos no Snowpark Container Services (SPCS) descrita neste tópico está disponível na versão snowflake-ml-python
1.6.4 e posteriores.
O Snowflake Model Registry permite que você execute modelos em um warehouse (o padrão) ou em um pool de computação do Snowpark Container Services (SPCS) por meio do Model Serving. A execução de modelos em um warehouse impõe algumas limitações quanto ao tamanho e aos tipos de modelos que você pode usar (especificamente, modelos de tamanho pequeno a médio que utilizam apenas CPU e cujas dependências podem ser satisfeitas por pacotes disponíveis no canal conda do Snowflake).
A execução de modelos no Snowpark Container Services (SPCS) facilita essas restrições ou as elimina completamente. É possível usar qualquer pacote que desejar, incluindo aqueles do Python Package Index (PyPI) ou de outras fontes. Modelos Large podem ser executados em clusters distribuídos de GPUs. E você não precisa saber nada sobre tecnologias de contêiner, como Docker ou Kubernetes. O Snowflake Model Serving cuida de todos os detalhes.
Principais conceitos¶
Uma visão geral simplificada de alto nível da arquitetura de inferência do Snowflake Model Serving é mostrada abaixo.

Os principais componentes da arquitetura são:
servidor de inferência: O servidor que executa o modelo e fornece previsões. O servidor de inferência pode usar vários processos de inferência para utilizar totalmente os recursos do nó. As solicitações ao modelo são despachadas pelo controle de admissão, que gerencia a fila de solicitação de entrada para evitar condições de falta de memória, rejeitando clientes quando o servidor está sobrecarregado. Hoje, a Snowflake fornece um servidor de inferência simples e flexível baseado em Python que pode executar inferência para todos os tipos de modelos. Com o tempo, a Snowflake planeja oferecer servidores de inferência otimizados para tipos de modelo específicos.
Ambiente Python específico do modelo: para reduzir a latência da inicialização de um modelo, que inclui o tempo necessário para baixar as dependências e carregar o modelo, o Snowflake cria um contêiner que encapsula as dependências do modelo específico.
Funções de serviço: Para se comunicar com o servidor de inferência a partir do código em execução em um warehouse, o Snowflake Model Serving cria funções que têm a mesma assinatura do modelo, mas que, em vez disso, chamam o servidor de inferência por meio do protocolo de função externa.
Ponto de extremidade de entrada: Para permitir que aplicativos fora do Snowflake chamem o modelo, o Snowflake Model Serving pode provisionar um ponto de extremidade HTTP opcional, acessível à Internet pública.
Como funciona?¶
O diagrama a seguir mostra como o Snowflake Model Serving implementa e veicula modelos em um warehouse ou no SPCS.

Como você pode ver, o caminho para a implementação do SPCS é mais complexo do que o caminho para a implementação do warehouse, mas o Snowflake Model Serving faz todo o trabalho para você, incluindo a criação da imagem do contêiner que contém o modelo e suas dependências, e a criação do servidor de inferência que executa o modelo.
Pré-requisitos¶
Antes de começar, certifique-se de ter o seguinte:
Uma conta Snowflake em qualquer região AWS comercial. Regiões governamentais não são compatíveis. Entre em contato com seu representante de conta se sua conta estiver no Azure.
Versão 1.6.4 ou posterior do pacote Python
snowflake-ml-python
.Um modelo que você deseja executar no Snowpark Container Services.
Familiaridade com o Snowflake Model Registry.
Familiaridade com o Snowpark Container Services. Em particular, você deve entender sobre pools de computação, repositórios de imagens e privilégios relacionados.
Criação de um pool de computação¶
O Snowpark Container Services (SPCS) executa imagens de contêiner em pools de computação. Se você ainda não tiver um pool de computação adequado, crie um da seguinte forma:
CREATE COMPUTE POOL IF NOT EXISTS mypool
MIN_NODES = 2
MAX_NODES = 4
INSTANCE_FAMILY = 'CPU_X64_M'
AUTO_RESUME = TRUE;
Consulte a tabela de nomes de família para obter uma lista de famílias de instâncias válidas.
Certifique-se de que a função que executará o modelo seja a proprietário do pool de computação ou tenha o privilégio USAGE ou OPERATE no pool.
Criação de um repositório de imagens¶
O Snowflake Model Serving cria uma imagem de contêiner com o modelo e suas dependências. Para armazenar esta imagem, você precisa de um repositório de imagens. Se você ainda não tiver uma, crie uma da seguinte forma:
CREATE IMAGE REPOSITORY IF NOT EXISTS my_inference_images
Se você for usar um repositório de imagens que não seja seu, certifique-se de que a função que criará a imagem do contêiner tenha os privilégios READ WRITE, SERVICE READ e SERVICE WRITE no repositório. Conceda esses privilégios da seguinte forma:
GRANT READ ON IMAGE REPOSITORY my_inference_images TO ROLE myrole;
GRANT WRITE ON IMAGE REPOSITORY my_inference_images TO ROLE myrole;
GRANT SERVICE READ ON IMAGE REPOSITORY my_inference_images TO ROLE myrole;
GRANT SERVICE WRITE ON IMAGE REPOSITORY my_inference_images TO ROLE myrole;
Limitações¶
Visto que esse recurso está em versão preliminar, as seguintes limitações se aplicam. A Snowflake pretende abordar essas limitações antes da disponibilidade geral.
Somente o proprietário de um modelo pode implantá-lo no Snowpark Container Services.
O tamanho do cluster de computação não é dimensionado automaticamente. É possível alterar manualmente o número de instâncias em tempo de execução usando
ALTER SERVICE myservice MIN_INSTANCES = n
. Em alguns casos, isso faz com que os nós existentes falhem.A expansão de serviços e pools de computação está mais lenta do que o esperado. Isso deve ser melhorado antes da disponibilidade geral.
A suspensão automática de um serviço de contêiner não é compatível. Se você espera fazer uso esporádico, talvez seja necessário suspender manualmente o serviço após cada uso.
A criação de imagem falha se demorar mais de uma hora.
Funções de tabela não são compatíveis. Modelos sem função regular não podem ser implantados no Snowpark Container Services no momento.
Implementação de um modelo para o SPCS¶
Registre em log uma nova versão do modelo (usando reg.log_model
) ou obtenha uma referência a uma versão do modelo existente (reg.get_model(...).version(...)
). Em qualquer situação, você acaba com uma referência a um objeto ModelVersion
.
Dependências e elegibilidade do modelo¶
As dependências de um modelo determinam se ele pode ser executado em um warehouse, em um serviço SPCS ou em ambos. É possível, se necessário, especificar dependências intencionalmente para tornar um modelo inelegível para execução em um desses ambientes.
O canal conda do Snowflake está disponível apenas em warehouses e é a única fonte de dependências de warehouse. Por padrão, as dependências do conda para modelos SPCS obtêm suas dependências do conda-forge.
Quando você registra em log uma versão do modelo, as dependências do conda do modelo são validadas em relação ao canal conda do Snowflake. Se todas as dependências do conda do modelo estiverem disponíveis, o modelo será considerado elegível para ser executado em um warehouse. Ele também pode ser elegível para executar em um serviço SPCS se todas as dependências estiverem disponíveis no conda-forge, embora isso não seja verificado até que você crie um serviço.
Modelos registrados em log com dependências PyPI devem ser executados no SPCS. Especificar pelo menos uma dependência PyPI é uma maneira de tornar um modelo inelegível para execução em um warehouse. Se seu modelo tiver apenas dependências conda, especifique pelo menos uma com um canal explícito (mesmo conda-forge), conforme mostrado no exemplo a seguir.
reg.log_model(
model_name="my_model",
version_name="v1",
model=model,
conda_dependencies=["conda-forge::scikit-learn"])
Para modelos implementados no SPCS, as dependências do conda, se houver, são instaladas primeiro e, em seguida, todas as dependências PyPI são instaladas no ambiente conda usando pip
.
Criação de um serviço¶
Para criar um serviço SPCS e implementar o modelo nele, chame o método create_service
da versão do modelo, conforme mostrado no exemplo a seguir.
mv.create_service(service_name="myservice",
service_compute_pool="my_compute_pool",
image_repo="mydb.myschema.my_image_repo",
ingress_enabled=True,
gpu_requests=None)
A seguir estão os argumentos necessários para create_service
:
service_name
: o nome do serviço a ser criado. Este nome deve ser único dentro da conta.service_compute_pool
: o nome do pool de computação a ser usado para executar o modelo. O pool de computação já deve existir.image_repo
: o nome do repositório de imagens a ser usado para armazenar a imagem do contêiner. O repositório já deve existir e o usuário deve ter privilégio SERVICE WRITE nele (ou OWNERSHIP).ingress_enabled
: se True, o serviço se torna acessível por meio de um ponto de extremidade HTTP. Para criar o ponto de extremidade, o usuário deve ter o privilégio BIND SERVICE ENDPOINT.gpu_requests
: uma cadeia de caracteres que especifica o número de GPUs. Para um modelo que pode ser executado em CPU ou GPU, este argumento determina se o modelo será executado em CPU ou em GPUs. Se o modelo for de um tipo conhecido que só pode ser executado em CPU (por exemplo, modelos scikit-learn), a criação da imagem falhará se GPUs forem solicitadas.
Este exemplo mostra apenas os argumentos necessários e mais comumente usados. Veja a referência da API ModelVersion para uma lista completa de argumentos.
Configuração de serviço padrão¶
O servidor de inferência usa padrões fáceis de usar que funcionam para a maioria dos casos de uso. Essas configurações são:
Número de threads de trabalho: para um modelo alimentado por CPU, o servidor usa o dobro do número de CPUs de processos de trabalho mais um. Modelos alimentados por GPU usam um processo de trabalho. Você pode substituir isso usando o argumento
num_workers
na chamadacreate_service
.Segurança do thread: alguns modelos não são thread-safe. Portanto, o serviço carrega uma cópia separada do modelo para cada processo de trabalho. Isso pode resultar no esgotamento de recurso para modelos grandes.
Utilização do nó: por padrão, uma instância do servidor de inferência solicita o nó inteiro, solicitando todo o CPU e a memória do nó em que é executado. Para personalizar a alocação de recursos por instância, use argumentos como
cpu_requests
,memory_requests
egpu_requests
.Ponto de extremidade: o ponto de extremidade de inferência é denominado
inferência
e usa a porta 5000. Eles não podem ser personalizados.
Comportamento de criação de imagem de contêiner¶
Por padrão, o Snowflake Model Serving cria a imagem do contêiner usando o mesmo pool de computação que será usado para executar o modelo. Este pool de computação de inferência provavelmente é muito poderoso para esta tarefa (por exemplo, GPUs não são usadas na criação de imagens de contêiner). Na maioria dos casos, isso não terá um impacto significativo nos custos de computação, mas se for uma preocupação, você pode escolher um pool de computação menos potente para criar imagens especificando o argumento image_build_compute_pool
.
é uma função idempotente create_service
. Chamá-la várias vezes não aciona a criação da imagem a cada vez. No entanto, as imagens de contêiner podem ser reconstruídas com base em atualizações no serviço de inferência, incluindo correções de vulnerabilidades em pacotes dependentes. Quando isso acontece, create_service
aciona automaticamente a reconstrução da imagem
Nota
Os modelos desenvolvidos usando classes de modelagem do Snowpark ML não podem ser implantados em ambientes que tenham um GPU. Como solução alternativa, você pode extrair o modelo nativo e implementá-lo. Por exemplo:
# Train a model using Snowpark ML from snowflake.ml.modeling.xgboost import XGBRegressor regressor = XGBRegressor(...) regressor.fit(training_df) # Extract the native model xgb_model = regressor.to_xgboost() # Test the model with pandas dataframe xgb_model.predict(pandas_test_df) pandas_test_df = test_df.select(['FEATURE1', 'FEATURE2', ...]).to_pandas() # Log the model in Snowflake Model Registry mv = reg.log_model(xgb_model, model_name="my_native_xgb_model", sample_input_data=pandas_test_df, comment = 'A native XGB model trained from Snowflake Modeling API', ) # Now we should be able to deploy to a GPU compute pool on SPCS mv.create_service( service_name="my_service_gpu", service_compute_pool="my_gpu_pool", image_repo="my_repo", max_instances=1, gpu_requests="1", )
Como usar um modelo implementado em SPCS¶
É possível chamar os métodos de um modelo usando SQL, Python ou um ponto de extremidade HTTP.
SQL¶
O Snowflake Model Serving cria funções de serviço ao implementar um modelo no SPCS. Essas funções servem como uma ponte de SQL para o modelo em execução no pool de computação do SPCS. Uma função de serviço é criada para cada método do modelo, e elas são nomeadas como model_name_method_name
. Por exemplo, se o modelo tiver dois métodos nomeados PREDICT
e EXPLAIN
e estiver sendo implementado em um serviço nomeado MY_SERVICE
, as funções de serviço resultantes serão MY_SERVICE_PREDICT
e MY_SERVICE_EXPLAIN
.
Nota
As funções de serviço estão contidas no serviço. Por esse motivo, elas têm apenas um único ponto de controle de acesso, o serviço. Você não pode ter diferentes privilégios de controle de acesso para diferentes funções em um único serviço.
A chamada das funções de serviço de modelo em SQL é feita usando um código como o seguinte:
-- See signature of the inference function in SQL.
SHOW FUNCTIONS IN MODEL my_native_xgb_model VERSION ...;
-- Call the inference function in SQL following the same signature (from `arguments` column of the above query)
SELECT MY_SERVICE_PREDICT(feature1, feature2, ...) FROM input_data_table;
Python¶
Chame os métodos de um serviço usando o método run
de um objeto de versão do modelo, incluindo o argumento service_name
para especificar o serviço onde o método será executado. Por exemplo:
# Get signature of the inference function in Python
mv.show_functions()
# Call the function in Python
service_prediction = mv.run(
test_df,
function_name="predict",
service_name="my_service")
Se você não incluir o argumento service_name
, o modelo será executado em um warehouse.
Ponto de extremidade HTTP¶
A implantação de um serviço com o ingresso ativado cria um ponto de extremidade HTTP por meio do qual você pode chamar o serviço. É possível encontrar o ponto de extremidade usando o comando ShOW ENDPOINTS IN SERVICE.
SHOW ENDPOINTS IN SERVICE my_service;
Observe que a coluna ingress_url
deve se parecer com random_str-account-id.snowflakecomputing.app
.
Para saber mais sobre como usar esse ponto de extremidade, consulte o tutorial do SPCS Criação de um serviço Snowpark Container Services e o tópico Como usar um serviço de fora do Snowflake no Guia do desenvolvedor. Para obter mais informações sobre o formato de dados necessário, consulte Formatos de dados de entrada e saída de serviços remotos.
Consulte Como implementar um transformador de frases Hugging Face para inferência com base em GPU para um exemplo de uso de um ponto de extremidade HTTP do servidor modelo.
Gerenciamento de serviços¶
O Snowpark Container Services oferece uma interface SQL para gerenciamento de serviços. É possível usar os comandos DESCRIBE SERVICE e ALTER SERVICE com serviços SPCS criados pelo Snowflake Model Serving da mesma forma que faria para gerenciar qualquer outro serviço SPCS. Por exemplo, você pode:
Alteração de MIN_INSTANCES e outras propriedades de um serviço
Descarte (exclusão) de um serviço
Compartilhamento de um serviço com outra conta
Alteração da propriedade de um serviço (o novo proprietário deve ter acesso ao modelo)
Nota
Se o proprietário de um serviço perder o acesso ao modelo subjacente por qualquer motivo, o serviço deixará de funcionar após a reinicialização. Ele continuará funcionando até ser reiniciado.
Para garantir reprodutibilidade e depurabilidade, você não pode alterar a especificação de um serviço de inferência existente. No entanto, você pode copiar a especificação, personalizá-la e usá-la para criar seu próprio serviço para hospedar o modelo. No entanto, esse método não protege o modelo subjacente de ser excluído. Geralmente, é melhor permitir que o Snowflake Model Serving crie serviços.
Suspensão de serviços¶
Quando terminar de usar um modelo, ou se não houver uso, é uma boa prática suspender o serviço para economizar custos. É possível fazer isso usando o comando ALTER SERVICE.
ALTER SERVICE my_service SUSPEND;
O serviço é reiniciado automaticamente quando recebe uma solicitação, sujeito a agendamento e atrasos na inicialização. O atraso no agendamento depende da disponibilidade do pool de computação, e o atraso na inicialização depende do tamanho do modelo.
Exclusão de modelos¶
É possível gerenciar modelos e versões de modelo normalmente com a interface SQL ou a API Python, com a restrição de que um modelo ou versão de modelo que esteja sendo usado por um serviço (esteja em execução ou suspenso) não pode ser descartado (excluído). Para descartar um modelo ou versão de modelo, descarte o serviço primeiro.
Exemplos¶
Esses exemplos pressupõem que você já criou um pool de computação, um repositório de imagens e concedeu privilégios conforme necessário. Consulte Pré-requisitos para obter mais detalhes.
Como implementar um modelo XGBoost para inferência com base em CPU¶
THe código a seguir ilustra as principais chaves na implementação de um modelo XGBoost para inferência no SPCS, e depois usa o modelo implementado para inferência. Um notebook para este exemplo está disponível.
from snowflake.ml.registry import registry
from snowflake.ml.utils.connection_params import SnowflakeLoginOptions
from snowflake.snowpark import Session
from snowflake.ml.modeling.xgboost import XGBRegressor
# your model training code here output of which is a trained xgb_model
# Open model registry
reg = registry.Registry(session=session, database_name='my_registry_db', schema_name='my_registry_schema')
# Log the model in Snowflake Model Registry
model_ref = reg.log_model(
model_name="my_xgb_forecasting_model",
version_name="v1",
model=xgb_model,
conda_dependencies=["scikit-learn","xgboost"],
sample_input_data=train,
comment="XGBoost model for forecasting customer demand"
)
# Deploy the model to SPCS
reg_model.create_service(
service_name="ForecastModelServicev1",
service_compute_pool="my_cpu_pool",
image_repo="my_db.data.my_images",
ingress_enabled=True)
# See all services running a model
reg_model.list_services()
# Run on SPCS
reg_model.run(input_data, function_name="predict", service_name="ForecastModelServicev1")
# Delete the service
reg_model.delete_service("ForecastModelServicev1")
Como implementar um transformador de frases Hugging Face para inferência com base em GPU¶
Este código treina e implementa um transformador de frase Hugging Face, incluindo um ponto de extremidade HTTP.
from snowflake.ml.registry import registry
from snowflake.ml.utils.connection_params import SnowflakeLoginOptions
from snowflake.snowpark import Session
from sentence_transformers import SentenceTransformer
session = Session.builder.configs(SnowflakeLoginOptions("connection_name")).create()
reg = registry.Registry(session=session, database_name='my_registry_db', schema_name='my_registry_schema')
# Take an example sentence transformer from HF
embed_model = SentenceTransformer('sentence-transformers/all-MiniLM-L6-v2')
# Have some sample input data
input_data = [
"This is the first sentence.",
"Here's another sentence for testing.",
"The quick brown fox jumps over the lazy dog.",
"I love coding and programming.",
"Machine learning is an exciting field.",
"Python is a popular programming language.",
"I enjoy working with data.",
"Deep learning models are powerful.",
"Natural language processing is fascinating.",
"I want to improve my NLP skills.",
]
# Log the model with pip dependencies
pip_model = reg.log_model(
embed_model,
model_name="sentence_transformer_minilm",
version_name='pip',
sample_input_data=input_data, # Needed for determining signature of the model
pip_requirements=["sentence-transformers", "torch", "transformers"], # If you want to run this model in the Warehouse, you can use conda_dependencies instead
)
# Force Snowflake to not try to check warehouse
conda_forge_model = reg.log_model(
embed_model,
model_name="sentence_transformer_minilm",
version_name='conda_forge_force',
sample_input_data=input_data,
# setting any package from conda-forge is sufficient to know that it can't be run in warehouse
conda_dependencies=["sentence-transformers", "conda-forge::pytorch", "transformers"]
)
# Deploy the model to SPCS
pip_model.create_service(
service_name="my_minilm_service",
service_compute_pool="my_gpu_pool", # Using GPU_NV_S - smallest GPU node that can run the model
image_repo="my_db.data.my_images",
ingress_enabled=True,
gpu_requests="1", # Model fits in GPU memory; only needed for GPU pool
max_instances=4, # 4 instances were able to run 10M inferences from an XS warehouse
)
# See all services running a model
pip_model.list_services()
# Run on SPCS
pip_model.run(input_data, function_name="encode", service_name="my_minilm_service")
# Delete the service
pip_model.delete_service("my_minilm_service")
Em SQL, você pode chamar a função de serviço da seguinte forma:
SELECT my_minilm_service_encode('This is a test sentence.');
Como esse modelo tem a entrada habilitada, é possível chamar seu ponto de extremidade HTTP da seguinte forma.
import json
from pprint import pprint
import requests
import snowflake.connector
# Generate right header
# Note that, ideally user should use key-pair authentication for API access (see this).
def initiate_snowflake_connection():
connection_parameters = SnowflakeLoginOptions("connection_name")
connection_parameters["session_parameters"] = {"PYTHON_CONNECTOR_QUERY_RESULT_FORMAT": "json"}
snowflake_conn = snowflake.connector.connect(**connection_parameters)
return snowflake_conn
def get_headers(snowflake_conn):
token = snowflake_conn._rest._token_request('ISSUE')
headers = {'Authorization': f'Snowflake Token=\"{token["data"]["sessionToken"]}\"'}
return headers
headers = get_headers(initiate_snowflake_connection())
# Put the endpoint url with method name
URL='https://<random_str>-<account>.snowflakecomputing.app/encode'
# Prepare data to be sent
data = {
'data': []
}
for idx, x in enumerate(input_data):
data['data'].append([idx, x])
# Send over HTTP
def send_request(data: dict):
output = requests.post(URL, json=data, headers=headers)
assert (output.status_code == 200), f"Failed to get response from the service. Status code: {output.status_code}"
return output.content
# Test
results = send_request(data=data)
pprint(json.loads(results))
Como implementar um modelo PyTorch para inferência com base em GPU¶
Consulte este guia de início rápido para um exemplo de treinamento e implementação de um modelo de recomendação de aprendizado profundo PyTorch (DLRM) no SPCS para inferência com GPU.
Práticas recomendadas¶
- Compartilhamento do repositório de imagens
É comum que vários usuários ou funções utilizem o mesmo modelo. Usar um único repositório de imagens permite que a imagem seja criada uma vez e reutilizada por todos os usuários, economizando tempo e despesas. Todas as funções que usarão o repositório precisam dos privilégios SERVICE READ, SERVICE WRITE, READ e WRITE no repositório. Como a imagem pode precisar ser reconstruída para atualizar dependências, você deve manter os privilégios de gravação; não os revogue depois que a imagem for construída inicialmente.
- Escalonamento do serviço de inferência
O dimensionamento automático do Snowpark Container Services é muito conservador e não aumenta ou diminui rápido o suficiente para a maioria das cargas de trabalho de ML. Por esse motivo, a Snowflake recomenda que você defina MIN_INSTANCES e MAX_INSTANCES com o mesmo valor, escolhendo esses valores para obter o desempenho necessário para suas cargas de trabalho típicas. Use SQL da seguinte forma:
ALTER SERVICE myservice SET MIN_INSTANCES = <new_num> MAX_INSTANCES = <new_num>;
Pelo mesmo motivo, ao criar inicialmente o serviço usando a API Python, o método
create_service
aceita apenasmax_instances
e usa esse mesmo valor paramin_instances
.- Escolha do tipo de nó e número de instâncias
Use o menor nó de GPU em que o modelo se encaixa na memória. Escale aumentando o número de instâncias, em vez de aumentar
num_workers
em um nó de GPU maior. Por exemplo, se o modelo se encaixa no tipo de instância GPU_NV_S, usegpu_requests=1
e aumente a escala aumentandomax_instances
em vez de usar uma combinação degpu_requests
enum_workers
em uma instância de GPU maior.- Escolhendo o tamanho do warehouse
Quanto maior for o warehouse, mais solicitações paralelas serão enviadas aos servidores de inferência. A inferência é uma operação cara, então use um warehouse menor sempre que possível. Usar um tamanho de warehouse maior que médio não acelera o desempenho da consulta e gera custo adicionais.
- Esquema separado para implementações de modelo
A criação de um serviço origina vários objetos em nível de esquema (o serviço em si e uma função de serviço por função de modelo). Para evitar sobrecarga, use esquemas separados para armazenar modelos (Snowflake Model Registry) e implementá-los (Snowflake Model Serving).
Solução de problemas¶
Monitoramento das implementações SPCS¶
É possível monitorar a implementação inspecionando os serviços que estão sendo iniciados usando a seguinte consulta SQL.
SHOW SERVICES IN COMPUTE POOL my_compute_pool;
Dois trabalhos são lançados:
MODEL_BUILD_xxxxx: Os caracteres finais do nome são randomizados para evitar conflitos de nomes. Este trabalho cria a imagem e termina depois que ela é criada. Se uma imagem já existir, o trabalho será ignorado.
Os logs são úteis para a depuração de problemas, como conflitos nas dependências de pacotes. Para ver os logs deste trabalho, execute o SQL abaixo, certificando-se de usar os mesmos caracteres finais:
CALL SYSTEM$GET_SERVICE_LOGS('MODEL_BUILD_xxxxx', 0, 'model-build');MYSERVICE: O nome do serviço conforme especificado na chamada para
create_service
. Este trabalho é iniciado se o trabalho de MODEL_BUILD for bem-sucedido ou ignorado. Para ver os logs deste trabalho, execute o SQL abaixo:CALL SYSTEM$GET_SERVICE_LOGS('MYSERVICE', 0, 'model-inference');
Conflitos de pacotes¶
Dois sistemas determinam os pacotes instalados no contêiner de serviço: o próprio modelo e o servidor de inferência. Para minimizar conflitos com as dependências de seu modelo, o servidor de inferência requer apenas os seguintes pacotes:
gunicorn<24.0.0
starlette<1.0.0
uvicorn-standard<1.0.0
Certifique-se de que as dependências do modelo, juntamente com as dependências acima, possam ser resolvidas por pip
ou conda
, independentemente da que você escolher.
Se um modelo tiver conda_dependencies
e pip_requirements
definidos, eles serão instalados da seguinte forma via conda:
Canais:
conda-forge
nodefaults
Dependências:
all_conda_packages
- pip:
all_pip_packages
Por padrão, o Snowflake usa o conda-forge para pacotes Anaconda, já que o canal conda do Snowflake está disponível em warehouses, e o canal defaults
exige que os usuários aceitem os termos de uso do Anaconda. Para especificar pacotes do canal padrão, inclua o nome do pacote: defaults::pkg_name
.
Serviço sem memória¶
Alguns modelos não são seguros para threads, então o Snowflake carrega uma cópia do modelo na memória para cada processo de trabalho. Isso pode causar condições de falta de memória para modelos grandes com um número maior de trabalhadores. Tente reduzir num_workers
.
Desempenho de consulta insatisfatório¶
Normalmente, a inferência é limitada pelo número de instâncias no serviço de inferência. Tente passar um valor mais alto para max_instances
ao implementar o modelo.
Não é possível alterar a especificação do serviço¶
As especificações da compilação de modelo e serviços de inferência não podem ser alteradas usando ALTER SERVICE. Somente é possível alterar atributos como TAG, MIN_INSTANCES e assim por diante.
No entanto, como a imagem é publicada no repositório de imagens, você pode copiar a especificação, modificá-la e criar um novo serviço a partir dela, que pode ser iniciado manualmente.