Processamento em lote

Ao adicionar a implantação do seu modelo no serviço Watson OpenScale, você pode ativar o processamento em lote para gerenciar os dados das avaliações do modelo. Com o processamento em lote, você pode executar avaliações utilizando seu próprio fluxo de dados para facilitar o processamento de grandes conjuntos de dados.

O processo de implantação de um modelo pode exigir grandes quantidades de dados. Para ajudá-lo a gerenciar os dados para avaliações de modelos, o Watson OpenScale oferece dois métodos que você pode usar para decidir como deseja processar seus dados e gerar resultados. Ao selecionar uma implantação de modelo que deseja adicionar, você pode optar por usar o método gerenciado pelo sistema ou o método autogerenciado para configurar as avaliações do modelo. Se você utilizar o método gerenciado pelo sistema, deverá usar uma API ou o SDK do Watson OpenScale Python para registrar as transações do seu modelo no Watson OpenScale. Ao utilizar o método autogerenciado, você pode registrar as transações do seu modelo em seu próprio data warehouse e realizar análises com um mecanismo de análise de dados do tipo “ Apache Spark ”.

Para habilitar o processamento em lote, você deve usar uma das seguintes opções para preparar seu ambiente de implantação:

• Preparação do ambiente de processamento em lote no IBM Analytics Engine
• Preparação do ambiente de processamento em lote no IBM Analytics Engine em Linux on IBM Z and LinuxONE
• Preparação do ambiente de processamento em lote no Ecossistema do Hadoop

Depois de preparar seu ambiente de implantação, você pode configurar o processamento em lote no Watson OpenScale. Você também pode usar o SDK do Watson OpenScale Python para configurar o processamento em lote no ambiente IBM Analytics Engine powered by Apache Spark.