使用弹性Job服务部署写真相机在线推理服务-人工智能平台 PAI-阿里云

本文将指导您如何在写真相机方案中使用弹性Job服务实现推理功能，以解决资源利用不充分和缩容过程中请求中断等问题。

前提条件

已创建专有网络，并配置公网连接。
1. 已创建专有网络VPC、交换机和安全组。具体操作，请参见搭建IPv4专有网络和创建安全组。
2. 已为该VPC创建了公网NAT网关，并为该网关绑定了弹性公网IP、配置了SNAT条目。具体操作，请参见使用公网NAT网关SNAT功能访问互联网。
已准备好5~20张训练图片和1张模板图片，用于模型训练和写真制作。图片格式支持.jpg、.jpeg和.png等，请确保图片的尺寸大于512×512像素。
- 单人写真制作：模板图片中包含单张人脸，多张训练图片中的人脸属于同一个人。
- 多人写真制作：模板图片中需包含多张人脸，且人脸数量与模型训练的model_id数量一致。
已创建OSS Bucket，详情请参见创建存储空间。

使用限制

仅支持在华北2（北京）和新加坡地域使用该方案。

部署推理场景弹性Job服务

部署核验服务

登录PAI控制台，在页面上方选择目标地域，并在右侧选择目标工作空间，然后单击进入EAS。
单击部署服务，然后在自定义模型部署区域，单击自定义部署。

在自定义部署页面，配置以下关键参数，其他参数取默认配置即可，更多参数配置说明，请参见控制台自定义部署参数说明。

在基本信息区域，配置服务名称。例如photog_check。

在环境信息区域中，配置以下参数：

参数	描述
部署方式	选择镜像部署，并选中异步队列。
镜像配置	选中镜像地址，并在文本框中输入镜像地址，取值如下：华北2（北京）的镜像地址为：`registry.cn-beijing.aliyuncs.com/mybigpai/photog_pub:check.1.0.0.pub`。新加坡的镜像地址为：`registry.ap-southeast-1.aliyuncs.com/mybigpai/photog_pub:check.1.0.0.pub`。
代码配置	选择OSS类型的挂载方式，并配置以下参数： Uri：选择您自己的OSS Bucket路径。例如`oss://examplebucket/`。挂载路径：配置为`/photog_oss`。
运行命令	配置为`python app.py`。
端口号	配置为7860。

在资源信息区域中，配置以下参数：
参数
描述
资源类型
选择公共资源。
部署资源
资源规格选择GPU类型的GU30系列机型，推荐使用ml.gu7i.c32m188.1-gu30。
额外系统盘
配置为120 GB。

在异步队列区域中，配置以下参数：

参数	描述
资源类型	选择公共资源。
部署资源	最小实例数：1。 CPU（核数）：8核。内存（GB）：64 GB。
单一输入请求最大数据	配置为20480 KB。避免队列中每个请求的存储空间不足。
单一输出返回最大数据	配置为20480 KB。避免队列中每个请求的存储空间不足。

在服务接入区域中，选择已创建的专有网络（VPC）、交换机和安全组名称。

在服务配置区域中，添加以下配置，您可以参考下方的完整配置示例，来添加新增的参数。

字段

新增的参数

metadata

增加以下参数：

"rpc": {
            "keepalive": 3600000,
            "worker_threads": 1
        }

keepalive：单个请求的最长处理时间，单位为毫秒，配置为3600000。
worker_threads：EAS每个实例中用于并发处理请求的线程数。
默认为5，表示最先进入队列的前五个任务会被分配到同一个实例上。建议将该参数设置为1，这样可以确保请求按顺序排队处理。

queue

增加参数"max_delivery": 1，防止失败后多次重复投递。

单击查看完整的配置示例

{
    "metadata": {
        "name": "photog_check",
        "instance": 1,
        "rpc": {
            "keepalive": 3600000,
            "worker_threads": 1
        },
        "type": "Async"
    },
    "cloud": {
        "computing": {
            "instance_type": "ml.gu7i.c32m188.1-gu30",
            "instances": null
        },
        "networking": {
            "vswitch_id": "vsw-2ze4o9kww55051tf2****",
            "security_group_id": "sg-2ze0kgiee55d0fn4****",
            "vpc_id": "vpc-2ze5hl4ozjl4fo7q3****"
        }
    },
    "features": {
        "eas.aliyun.com/extra-ephemeral-storage": "100Gi"
    },
    "queue": {
        "cpu": 8,
        "max_delivery": 1,
        "min_replica": 1,
        "memory": 64000,
        "resource": "",
        "source": {
            "max_payload_size_kb": 20480
        },
        "sink": {
            "max_payload_size_kb": 20480
        }
    },
    "storage": [
        {
            "oss": {
                "path": "oss://examplebucket/",
                "readOnly": false
            },
            "properties": {
                "resource_type": "code"
            },
            "mount_path": "/photog_oss"
        }
    ],
    "containers": [
        {
            "image": "registry.cn-beijing.aliyuncs.com/mybigpai/photog_pub:check.1.0.0.pub",
            "script": "python app.py",
            "port": 7860
        }
    ]
}

单击部署。

部署训练服务

登录PAI控制台，在页面上方选择目标地域，并在右侧选择目标工作空间，然后单击进入EAS。
单击部署服务，然后在自定义模型部署区域，单击自定义部署。

在自定义部署页面，配置以下关键参数，其他参数取默认配置即可，更多参数配置说明，请参见控制台自定义部署参数说明。

在基本信息区域，配置服务名称。例如photog_train_pmml。

在环境信息区域中，配置以下参数：

参数	描述
部署方式	选择镜像部署，并选中异步队列。
镜像配置	选中镜像地址，并在文本框中输入镜像地址，取值如下：华北2（北京）的镜像地址为：`registry.cn-beijing.aliyuncs.com/mybigpai/photog_pub:train.1.0.0.pub`。新加坡的镜像地址为：`registry.ap-southeast-1.aliyuncs.com/mybigpai/photog_pub:train.1.0.0.pub`。
代码配置	选择OSS类型的挂载方式，并配置以下参数： Uri：选择您自己的OSS Bucket路径，与核验服务选择的OSS路径保持一致。例如`oss://examplebucket/`。挂载路径：配置为`/photog_oss`。
运行命令	配置为`python app.py`。
端口号	配置为7860。

在资源信息区域中，配置以下参数：
参数
描述
资源类型
选择公共资源。
部署资源
资源规格选择GPU类型的GU30系列机型，推荐使用ml.gu7i.c32m188.1-gu30。
额外系统盘
配置为120 GB。

在异步队列区域中，配置以下参数：

参数	描述
资源类型	选择公共资源。
部署资源	最小实例数：1。 CPU（核数）：8核。内存（GB）：64 GB。
单一输入请求最大数据	配置为20480 KB。避免队列中每个请求的存储空间不足。
单一输出返回最大数据	配置为20480 KB。避免队列中每个请求的存储空间不足。

在服务接入区域中，选择已创建的专有网络（VPC）、交换机和安全组名称。

在服务配置区域中，添加以下配置，您可以参考下方的完整配置示例，来添加新增的参数。

字段	新增的参数
autoscaler	（可选）水平自动扩缩容配置，详情请参见水平自动扩缩容功能。 `"behavior": { "scaleDown": { "stabilizationWindowSeconds": 60 } }, "max": 5, "min": 1, "strategies": { "queue[backlog]": 1 }`
metadata	增加以下参数： `"rpc": { "keepalive": 3600000, "worker_threads": 1 }` keepalive：单个请求的最长处理时间，单位为毫秒，配置为3600000。 worker_threads：EAS每个实例中用于并发处理请求的线程数。默认为5，表示最先进入队列的前五个任务会被分配到同一个实例上。建议将该参数设置为1，这样可以确保请求按顺序排队处理。
queue	增加参数`"max_delivery": 1`，防止失败后多次重复投递。

单击查看完整的配置示例

{
    "autoscaler": {
        "behavior": {
            "scaleDown": {
                "stabilizationWindowSeconds": 60
            }
        },
        "max": 5,
        "min": 1,
        "strategies": {
            "queue[backlog]": 1
        }
    },
    "metadata": {
        "name": "photog_train_pmml",
        "instance": 1,
        "rpc": {
            "keepalive": 3600000,
            "worker_threads": 1
        },
        "type": "Async"
    },
    "cloud": {
        "computing": {
            "instance_type": "ml.gu7i.c32m188.1-gu30",
            "instances": null
        },
        "networking": {
            "vswitch_id": "vsw-2ze4o9kww55051tf2****",
            "security_group_id": "sg-2ze0kgiee55d0fn4****",
            "vpc_id": "vpc-2ze5hl4ozjl4fo7q3****"
        }
    },
    "features": {
        "eas.aliyun.com/extra-ephemeral-storage": "120Gi"
    },
    "queue": {
        "cpu": 8,
        "max_delivery": 1,
        "min_replica": 1,
        "memory": 64000,
        "resource": "",
        "source": {
            "max_payload_size_kb": 20480
        },
        "sink": {
            "max_payload_size_kb": 20480
        }
    },
    "storage": [
        {
            "oss": {
                "path": "oss://examplebucket/",
                "readOnly": false
            },
            "properties": {
                "resource_type": "code"
            },
            "mount_path": "/photog_oss"
        }
    ],
    "containers": [
        {
            "image": "registry.cn-beijing.aliyuncs.com/mybigpai/photog_pub:train.1.0.0.pub",
            "script": "python app.py",
            "port": 7860
        }
    ]
}

单击部署。

部署预测服务

本方案将预测服务部署为弹性Job服务，具体操作步骤如下：

单击部署服务，然后在自定义模型部署区域，单击JSON独立部署。

在JSON编辑框中填入配置信息。

{
    "metadata": {
        "name": "photog_pre_pmml",
        "instance": 1,
        "rpc": {
            "keepalive": 3600000,
            "worker_threads": 1
        },
        "type": "ScalableJob"
    },
    "cloud": {
        "computing": {
            "instance_type": "ecs.gn6v-c8g1.2xlarge",
            "instances": null
        },
        "networking": {
            "vswitch_id": "vsw-2ze4o9kww55051tf2****",
            "security_group_id": "sg-2ze0kgiee55d0fn4****",
            "vpc_id": "vpc-2ze5hl4ozjl4fo7q3****"
        }
    },
    "features": {
        "eas.aliyun.com/extra-ephemeral-storage": "120Gi"
    },
    "queue": {
        "cpu": 8,
        "max_delivery": 1,
        "min_replica": 1,
        "memory": 64000,
        "resource": "",
        "source": {
            "max_payload_size_kb": 20480
        },
        "sink": {
            "max_payload_size_kb": 20480
        }
    },
    "storage": [
        {
            "oss": {
                "path": "oss://examplebucket/",
                "readOnly": false
            },
            "properties": {
                "resource_type": "code"
            },
            "mount_path": "/photog_oss"
        }
    ],
    "containers": [
        {
            "image": "registry.cn-beijing.aliyuncs.com/mybigpai/photog_pub:infer.1.0.0.pub",
            "env": [
                {
                    "name": "URL",
                    "value": "http://127.0.0.1:8000"
                },
                {
                    "name": "AUTHORIZATION",
                    "value": "="
                }
            ],
            "script": "python app.py",
            "port": 7861
        },
        {
            "image": "eas-registry-vpc.cn-beijing.cr.aliyuncs.com/pai-eas/stable-diffusion-webui:3.2",
            "port": 8000,
            "script": "./webui.sh --listen --port 8000 --skip-version-check --no-hashing --no-download-sd-model --skip-install --api --filebrowser --sd-dynamic-cache --data-dir /photog_oss/webui/"
        }
    ]
}

其中关键参数说明如下，其他参数配置详情，请参见JSON部署参数说明。

参数		描述
metadata	name	自定义服务名称，在同地域内唯一。
metadata	type	配置为ScalableJob，异步推理服务会以弹性Job的形式进行部署。
containers	image	需要同时配置AI写真预测服务和WebUI预测服务镜像地址。支持配置的镜像列表如下，本方案选择华北2（北京）地域的镜像地址。华北2（北京）镜像地址： AI写真预测服务：`registry.cn-beijing.aliyuncs.com/mybigpai/photog_pub:infer.1.0.0.pub`。 WebUI预测服务：`eas-registry-vpc.cn-beijing.cr.aliyuncs.com/pai-eas/stable-diffusion-webui:3.2`。新加坡镜像地址： AI写真预测服务：`registry.ap-southeast-1.aliyuncs.com/mybigpai/photog_pub:infer.1.0.0.pub`。 WebUI预测服务：`eas-registry-vpc.ap-southeast-1.cr.aliyuncs.com/pai-eas/stable-diffusion-webui:3.2`。
storage	path	本方案以OSS挂载为例，配置为您自己的OSS Bucket路径，与核验服务选择的OSS路径保持一致，例如`oss://examplebucket/`。您需要下载并解压WebUI所需的模型文件，并将其按照下图布局方式存放到您的OSS Bucket路径`oss://examplebucket/photog_oss/webui`中。关于如何将文件上传到OSS Bucket路径，详情请参见命令行工具ossutil 1.0。关于如何将文件上传到NAS路径，详情请参见快速入门（Linux）和文件管理。
storage	mount_path	配置为`/photog_oss`。

单击部署。
弹性Job服务部署成功后，会自动创建队列服务，同时默认启动Autoscaler（水平自动扩缩容）功能。

调用服务

服务部署成功后，调用服务实现AI写真。具体操作，请参见调用接口。

调用服务时，参考服务调用指定taskType为query，来标识发送的是推理请求。以调用图像核验接口为例，示例代码如下：

import json
from eas_prediction import QueueClient

# 创建输入队列对象，用于写入输入数据。
input_queue = QueueClient('182848887922****.cn-shanghai.pai-eas.aliyuncs.com', 'photog_check')
input_queue.set_token('<token>')
input_queue.init()

datas = json.dumps(
    {
       'request_id'    : 12345,
       'images'        : ["xx.jpg", "xx.jpg"], # urls, a list
       'configure'     : {
            'face_reconize' : True, # Judge whether all pictures are of a person
        }
    }
)
# 指定taskType为query。
tags = {"taskType": "query"}
index, request_id = input_queue.put(f'{datas}', tags)
print(index, request_id)

# 查看输入队列的详情。
attrs = input_queue.attributes()
print(attrs)