Trabalhos em execução ( Decision Optimization )
Decision Optimization usa Watson Machine Learning APIs assíncronas para permitir que os empregos sejam executados em paralelo.
Para resolver um problema, é possível criar uma nova tarefa da implementação do modelo e associar dados a ela. Veja etapas de implementação e o Exemplo de API REST. Você não é cobrado pela implantação de um modelo. Somente a resolução de um modelo com alguns dados é cobrada, com base no tempo de execução.
Para resolver mais de uma tarefa de cada vez, especifique mais de um nó ao criar sua implementação Por exemplo, neste exemplo da API REST, incremente o número dos nós alterando o valor da propriedade do nó: "nodes" : 1..
PODs (nós)
Quando uma tarefa é criada e enviada, sua manipulação depende da configuração atual e das tarefas que estão em execução para a instância do Watson Machine Learning . Esse processo é mostrado no diagrama a seguir e descrito nas etapas seguintes.
Conforme descrito no fluxograma anterior, os trabalhos são gerenciados da seguinte forma.
- O novo job é enviado para a fila.
- Se um POD for iniciado, mas estiver inativo (não executando um job), ele começará imediatamente a processar esse job..
- Caso contrário, se o número máximo de nós não for atingido, um novo POD será iniciado (Iniciar um POD pode levar alguns segundos). O job é então atribuído a este novo POD para processamento.
- Caso contrário, o job espera na fila até que um dos PODs em execução seja concluído e possa selecionar o job em espera.
A configuração de PODs de cada tamanho é a seguinte:
| Definição | Nome | Descrição |
|---|---|---|
| 2 vCPU e 8 GB | S | Pequeno |
| 4 vCPU e 16 GB | M | Médio |
| 8 vCPU e 32 GB | L | Grande |
| 16 vCPU e 64 GB | XL | Muito grande |
Para todas as configurações, 1 vCPU e 512 MB são reservados para uso interno.
Na configuração de implementação, também é possível configurar o número máximo de nós a serem usados
PODs inativos são parados automaticamente após algum tempo limite. Se uma nova tarefa for enviada quando nenhum POD estiver ativo, levará algum tempo (aproximadamente 30 segundos) para o POD reiniciar.
Exemplo da API REST
Para obter o procedimento completo de implantação de um modelo e links para a documentação do Swagger, consulte Exemplo de API REST.
Exemplo de API Python
Além das APIs REST, uma API Python é fornecida com o Watson Machine Learning para que seja possível criar, implementar e usar facilmente um modelo Decision Optimization por meio de um Python notebook.
Para obter mais informações, consulte Python client example.