• AI Service Engine
• • 背景
  • 整体架构
  • 使用工作流
  • 开源计划
  • 使用说明
  • • AIGes (AI General Engine Service)
    • Documentation
    • AIGes 项目编译
    • AIGes 项目打包
    • AIGes 清理项目文件
  • Polaris
  • • Documentation
    • Features
    • Protocol
    • 开源版docker镜像
    • • 基础镜像
      • 业务镜像
    • 注意事项
    • • 基础镜像构建(GPU)
      • 业务镜像构建方法
    • build.py使用

AI Service Engine

背景

引擎托管平台（AI Service Engine）是一个专为AI能力开发者打造的AI算法引擎的无服务全托管式平台，您可以通过集成ASE中提供的插件，快速的部署AI算法引擎，并使用网络、分发策略、数据处理等配套辅助系统。引擎托管平台致力于加速AI算法引擎云服务化，并借助云原生架构，为云服务的稳定提供多重保障，您无需关注底层基础设施及服务化相关的开发、治理和运维，即可高效、安全对引擎进行部署、升级、扩缩、运营和监控。

整体架构

使用工作流

开源计划

任务项	目标	时间
☑ 加载器 通用引擎/模型加载器	独立部署可运行，支持python快速推理服务化	2022/Q2
☑ 负载均衡器 负载聚合组件	独立部署可运行	2022/Q3
☐ WebGate Web网关组件	可运行	2022/Q3
☑ Polaris 配置中心与服务发现	独立部署可运行	2022/Q2
☐ Atom 协议转换组件	可运行	2022/Q3
☐ Serving on Kubernetes Helm Chart一键部署 (进行中)	支持在k8s集群上一键部署推理服务框架	2022/Q3
☐ Serving on Docker with docker-compose 一键部署	支持使用docker-compose部署推理服务框架	2022/Q4
☐ 各组件Documentation建设 (进行中)	各组件文档详设，门户建设	2022/Q4
☐ 多领域模型Demo演示示例、GIF (进行中)	部分领域模型推理示例，如mmdetection,mmocr,yolo等	2022/Q3
☐ AIServing API AI能力协议规范	完善开源协议说明，schema自动生成、校验工具	2022/Q3
☐ AseCTl命令行工具 API 命令行工具	支持能力一键生成，运行，配置管理等	2022/Q4

使用说明

AIGes (AI General Engine Service)

通用引擎加载器(部分文档中loader， loader engine均为别名)

Documentation

View Doc on Documentation

AIGes 项目编译

make

AIGes 项目打包

make build-pack

AIGes 清理项目文件

make clean

Polaris

Go编写的服务发现、配置中心

Documentation

View Doc on Documentation

Features

☑ 支持模型推理成RPC服务(Serving框架会转成HTTP服务)

☑ 支持C代码推理 support c++/c code infer

☑ 支持Python代码推理 Support python code infer

☑ 支持配置中心，服务发现

☑ 支持负载均衡配置

☐ 支持Java代码推理或者其它

☐ 支持计量授权

Protocol

参见: ase-proto

开源版docker镜像

基础镜像

基础镜像中提供

• 基础的编译好的 Python加载器AIService(包含支持python的libwrapper.so), 目录结构如下

  加载器默认放置于 容器/home/aiges 目录

  root@e38a9aacc355:/home/aiges# pwd
  /home/aiges
  root@e38a9aacc355:/home/aiges# ls -l /home/aiges/
  total 18760
  -rwxr-xr-x 1 root root 19181688 Jun 10 15:30 AIservice
  -rw-r--r-- 1 root root     2004 Jun 10 18:15 aiges.toml
  drwxr-xr-x 3 root root     4096 Jun 10 15:30 include
  drwxrwxrwx 1 root root     4096 Jun 10 15:31 library
  drwxr--r-- 2 root root     4096 Jun 10 18:16 log
  -rw-r--r-- 1 root root       96 Jun 10 18:15 start_test.sh
  drwxr-xr-x 2 root root     4096 Jun 10 18:16 xsf_status
  drwxr-xr-x 2 root root     17711057 Jun 10 18:16 xtest
  -rw-r--r-- 1 root root     4232 Jun 10 17:54 xtest.toml
  

  其中 aiges.toml 用于本地启动测试使用

• Python环境: 不推荐用户后续镜像构建修改Python版本

业务镜像

业务镜像一般需要用户自己编写Dockerfile构建，业务镜像中用户可以根据场景需要定制安装

• 推理运行时，如onnxruntime、torch vision等

• gpu驱动，cuda，cudnn等驱动

示例Dockerfile地址为

• openmmlab_mmocr
• yolov5

注意事项

* 示例尚未提供gpu runtime安装方法

• 用户的python插件需要自行定义一个目录放置， 如上述的 /home/mmocr , /home/yolov5, 且该位置需要像

https://github.com/xfyun/aiges/blob/master/demo/mmocr/Dockerfile_cpu#L23

声明PYTHONPATH指向该位置

• 插件wrapper.py 当前只支持非流式

• 插件wrapper.py 当前只支持返回,需要用户显式在插件中定义

{"key": "boxes", "data": rlt, "len": len(rlt), "status": 3, "type": 0}

该结构数据

• 上条示例中, rlt 当前只支持单层数据，即不支持object嵌套，如果用户返回json，此处需要先把rlt dumps成文本再返回

• 理论上用户除了上传 wrapper.py 以及相关依赖之外，还需要提供一些模型文件，这些文件比较大，一般不在Dockerfile中构建入镜像，会导致git代码库十分庞大,当前示例的的yolov5和 mmocr均在 wrapper init的时候下载模型

建议统一方式模型资源使用方式， 根据不同场景支持

• 用户下载模型，比如用户在代码wrapper_init中下载模型，需要用户提前准备好模型下载链接

• 平台提前挂载资源到指定目录如 /models，需要用户提前上传

基础镜像构建(GPU)

基础镜像仅在特殊需求时(如对cuda，python版本有要求时才需要重新构建,一般用户仅需关注构建业务镜像)

1. cuda-go-python基础镜像,用于编译aiges项目的基础镜像，参见 官方仓库，本仓 库引用了部分版本，存放于 docker/gpu/cuda中
   基础镜像当前基于 nvidia/cuda 官方的基础镜像作为base镜像 如 cuda-10.1中所示: aiges基础镜像基于 形如 nvidia/cuda:10.1-devel-ubuntu18.04 构建

2. 基于 cuda-10.1 已构建出 artifacts.iflytek.com/docker-private/atp/cuda-go-python-base:10.1-1.17-3.9.13-ubuntu1804

3. aiges: 基于 aiges-dockerifle 构建出gpu的 aiges基础镜像

构建命令:

docker buildx build -f docker/gpu/base/cuda-10.2/Dockerfile -t artifacts.iflytek.com/docker-private/atp/cuda-go-python-base:10.2-1.17-3.9.13-ubuntu1804 . --push

当前支持的cuda-go-python基础镜像列表(包含cuda go python编译环境)

repo	tag	python	cuda	os
artifacts.iflytek.com/docker-private/atp/cuda-go-python-base:10.1-1.17-3.9.13-ubuntu1804	10.1-1.17-3.9.13-ubuntu1804	3.9.13	10.1	ubuntu 18.04
artifacts.iflytek.com/docker-private/atp/cuda-go-python-base:10.2-1.17-3.9.13-ubuntu1804	10.2-1.17-3.9.13-ubuntu1804	3.9.13	10.2	ubuntu 18.04
artifacts.iflytek.com/docker-private/atp/cuda-go-python-base:11.6.2-1.17-3.9.13-ubuntu1804	11.6.2-1.17-3.9.13-ubuntu1804	3.9.13	11.6	ubuntu 18.04

当前支持的aiges基础镜像列表

repo	tag	python	cuda	os
artifacts.iflytek.com/docker-private/atp/aiges-gpu:10.1-3.9.13-ubuntu1804	10.1-3.9.13-ubuntu1804	3.9.13	10.1	ubuntu 18.04
artifacts.iflytek.com/docker-private/atp/aiges-gpu:10.2-3.9.13-ubuntu1804	10.2-3.9.13-ubuntu1804	3.9.13	10.2	ubuntu 18.04

构建命令:

1. 使用buildx:

   • docker buildx build -f docker/gpu/aiges/ubuntu1804/Dockerfile . -t artifacts.iflytek.com/docker-private/atp/aiges-gpu:10.1-3.9.13-ubuntu1804

2. 使用docker build

   • docker buildx build -f docker/gpu/aiges/ubuntu1804/Dockerfile . -t artifacts.iflytek.com/docker-private/atp/aiges-gpu:10.1-3.9.13-ubuntu1804

3. 使用buildah

   • buildah build -f docker/gpu/aiges/ubuntu1804/Dockerfile . -t artifacts.iflytek.com/docker-private/atp/aiges-gpu:10.1-3.9.13-ubuntu1804

业务镜像构建方法

业务镜像需要基于 aiges基础镜像进行构建，用户可在此过程定制 python的依赖项目以及用户自研项目

参考示例:

mmocr

build.py使用

TODO 计划开发build.py 支持多cuda版本多python版本的基础镜像自动构建pipeline