IBM Cloud Pak® for Data 4.8 版本将于 2025 年 7 月 31 日结束支持（EOS）。 欲了解更多信息，请参阅 IBM Cloud Pak for Data 版本 4.X 的停止服务公告。
在 版本支持结束之前，升级到 版本。 IBM Cloud Pak for Data 4.8 IBM Software Hub 5.1 有关更多信息，请参阅从 IBM Cloud Pak for Data 版本 4.8 升级到 IBM Software Hub 版本 5.1。
管理预测性部署
要进行正确的部署，您必须设置部署空间，然后选择并配置特定部署类型。 部署资产后，可以对其进行管理和更新，以确保其性能良好并监视其准确性。
要能够从空间部署资产，必须安装并供应 Watson Machine Learning 服务。
服务
缺省情况下， Watson Machine Learning 服务不可用。 管理员必须在 IBM Cloud Pak for Data 平台上安装此服务。 要确定服务是否已安装，请打开服务目录并检查 Watson Machine Learning 服务是否已启用。
联机和批处理部署提供了创建联机评分端点或对模型执行批处理评分的简单方法。
如果要实现定制逻辑:
- 创建用于创建联机端点的 Python 函数
- 编写用于批量评分的 Notebook 或脚本
可部署资产
以下是可以从 Watson Machine Learning 空间部署的资产的列表，其中包含有关适用部署类型的信息:
| 资产类型 | 批量部署 | 联机部署 | 应用部署 |
|---|---|---|---|
| 函数 | 是 | 是 | 否 |
| 模型 | 是 | 是 | 否 |
| 脚本 | 是 | 否 | 否 |
| Shiny 应用程序 | 否 | 否 | 是 |
注：
部署作业是在 Watson Machine Learning中运行批处理部署或自包含资产 (例如代码包或流) 的一种方式。 您可以选择作业的输入和输出，并选择手动或按调度运行该作业。 有关更多信息，请参阅 创建部署作业。
笔记本和流使用笔记本环境。 您可以在部署空间中运行它们，但它们不可部署。
您可以使用 Python 函数或 Python 脚本来部署 Natural Language Processing 模型。 同时支持联机和批处理部署。 有关更多信息，请参阅 部署 NLP 模型。
您只能将自动安装用于具有 Watson Machine Learning Shiny 应用程序部署和 Notebook 运行时的存储卷。 不能将自动安装用于具有联机和批处理部署的存储卷，因为 Watson Machine Learning不支持这些安装。 有关更多信息，请参阅 已知问题和限制 (Watson Machine Learning)。
有关更多信息，请参阅：
部署资产后，可以对其进行管理和更新，以确保其性能良好并监视其准确性。 管理或更新部署的一些方法如下所示:
配置 API 网关以提供稳定的端点
Watson Machine Learning 提供稳定的端点来防止停机。 但是，如果移至新的 Cloud Pak for Data 实例或添加实例，那么可能会迂到停机时间。
API 网关提供稳定的 URL ，可与您的 Watson Machine Learning API 端点一起使用。 如果出现以下情况，您可以使用 API 网关（可在 Cloud Pak for Integration 中找到）和部署端点来处理停机：
- 如果在高可用性配置中有多个 Cloud Pak for Data 实例，并且其中一个可用实例失败。 在这种情况下，您可以使用 API 网关自动切换到另一个实例，从而防止完全失败。
- 如果您有多个使用相同端点的应用程序，并且部署端点不可用。 例如，如果您意外删除部署。 在这种情况下，您可以更新 API 网关中的端点，以确保应用程序继续使用该端点。