この記事は、InterSystems IRIS データ プラットフォームのオープン ソース コミュニティ プロジェクトである Python Gateway について説明します。 このプロジェクトでは、Python (多くのデータ サイエンティストにとって主要な環境) で作成された機械学習アルゴリズムを調整し、多数の既製ライブラリを使用して、適応型のロボット分析 AI/ML ソリューションを InterSystems IRIS プラットフォーム上で迅速に作成できます。 この記事では、InterSystems IRIS が Python でプロセスを調整し、双方向データを効率的に通信し、インテリジェントなビジネス プロセスを作成する方法を説明します。

計画

1. はじめに。
2. ツール。
3. インストール
4. APIです。
5. 相互運用性。
6. ジュピターノート。
7. 結論。
8. リンク。
9. MLツールキット。

導入

Python は、開発者の生産性とコードの可読性を向上させることを目的とした高レベルの汎用プログラミング言語です。 この一連の記事では、InterSystems IRIS プラットフォームで Python を使用する可能性について説明します。この記事の主な焦点は、機械学習モデルを作成および実行するための言語として Python を使用することです。

機械学習 (ML) は人工知能手法の一種であり、その特徴は、問題を直接解決するのではなく、多くの同様の問題を解決する過程で学習することです。

機械学習のアルゴリズムとモデルは、より一般的になりつつあります。 これには多くの理由がありますが、結局のところ、アクセスしやすさ、シンプルさ、そして実用的な結果の達成に帰着します。 クラスタリング、あるいはニューラル ネットワーク モデリングは新しいテクノロジーですか?

もちろんそうではありませんが、現在では、単一のモデルを実行するために何十万行ものコードを記述する必要はなくなり、モデルの作成と使用にかかるコストはますます低くなりつつあります。

ツールは進化しています。完全に GUI 中心の AI/ML ツールはありませんが、BI などの他の多くのクラスの情報システムで見てきた進歩は (コードの記述からフレームワークや GUI 中心の構成可能なソリューションの使用まで)、 AI/ML を作成するツールでも観察されます。 私たちはすでにコードを書く段階を過ぎており、現在はフレームワークを使用してモデルを構築およびトレーニングしています。

エンドユーザーが特定のデータでモデルのトレーニングを完了するだけで済む事前トレーニング済みモデルを配布する機能など、その他の改善点により、機械学習を簡単に開始できるようになりました。 これらの進歩により、専門家と一般企業の両方にとって、機械学習の学習がはるかに簡単になりました。

その一方で、私たちはますます多くのデータを収集しています。 InterSystems IRIS のような統合データ プラットフォームを使用すると、これらすべての情報をすぐに準備して、機械学習モデルへの入力として使用できます。

クラウドへの移行により、AI/ML プロジェクトの立ち上げがこれまでより簡単になりました。 私たちは必要なリソースだけを消費することができます。 さらに、クラウド プラットフォームが提供する並列化のおかげで、費やす時間を節約できます。

しかし、結果はどうでしょうか？ ここで事態はさらに複雑になります。 モデルを構築するためのツールは数多くありますが、それについては次に説明します。 優れたモデルを構築するのは簡単ではありませんが、次に何をすればよいでしょうか? ビジネスモデルを使用して利益を上げることも簡単な作業ではありません。 問題の根本は、分析ワークロードとトランザクション ワークロード、およびデータ モデルの分離にあります。 モデルをトレーニングするときは、通常、履歴データに基づいてトレーニングを行います。 ただし、構築されたモデルの役割はトランザクション データ処理にあります。 最適な不正取引検出モデルを XNUMX 日に XNUMX 回実行した場合、どのような効果があるでしょうか? 詐欺師たちはずっと前に金を持って立ち去った。 履歴データに基づいてモデルをトレーニングする必要がありますが、ビジネス プロセスがモデルによって行われた予測に基づいて動作できるように、新しい受信データにモデルをリアルタイムで適用する必要もあります。

ML ツールキットは、モデルとトランザクション環境を統合して、構築されたモデルをビジネス プロセスで直接簡単に使用できるようにすることを目的としたツール セットです。 Python Gateway は ML Toolkit の一部であり、Python 言語との統合を提供します (ML Toolkit の一部である R Gateway が R 言語との統合を提供するのと同様です)。

ツールキット

先に進む前に、後で使用する Python ツールとライブラリについていくつか説明したいと思います。

技術

• Python は、インタープリタ型の高レベルの汎用プログラミング言語です。 この言語の主な利点は、数学、ML、AI ライブラリの大規模なライブラリであることです。 ObjectScript と同様に、これはオブジェクト指向言語ですが、すべては静的ではなく動的に定義されます。 また、すべてはオブジェクトです。 以降の記事は、この言語にある程度慣れていることを前提としています。 学習を始めたい場合は、から始めることをお勧めします ドキュメンテーション.
• 後続の演習では、次のように設定します。 Python 3.6.7 64 ビット.
• IDE: 使っています PyCharm、しかし一般的に彼らは много。 Atelier を使用する場合は、Python 開発者向けの Eclipse プラグインがあります。 VS Code を使用している場合は、Python 用の拡張機能があります。
• ノートブック: IDE の代わりに、オンライン ノートブックでスクリプトを作成して共有できます。 その中で最も人気のあるのは、 ジュピター.

ライブラリ

以下は機械学習ライブラリの (すべてではない) リストです。

• ナンシー — 正確な計算のための基本的なパッケージ。
• パンダ — 高性能のデータ構造とデータ分析ツール。
• matplotlib — グラフの作成。
• シーボーン — matplotlib に基づくデータの視覚化。
• スクラーン — 機械学習手法。
• XGブースト — 勾配ブースティング手法の枠組み内の機械学習アルゴリズム。
• ゲンシム — NLP。
• ケラス - ニューラルネットワーク。
• テンソルフロー — 機械学習モデルを作成するためのプラットフォーム。
• パイトーチ は、Python を中心とした機械学習モデルを作成するためのプラットフォームです。
• nyoka - さまざまなモデルの PMML。

AI/ML テクノロジーにより、ビジネスがより効率的になり、適応可能になります。 さらに、今日では、これらのテクノロジーの開発と実装が容易になってきています。 AI/ML テクノロジーと、それが組織の成長にどのように役立つかについて学び始めましょう。

インストール

Python Gateway をインストールして使用するには、いくつかの方法があります。

• ОС
  • Windows
  • Linux
  • Mac
• デッカー
  • DockerHub のイメージを使用する
  • 独自の外観を作成します

インストール方法に関係なく、ソースコードが必要になります。 コードをダウンロードできる唯一の場所は、 リリースページ。 テスト済みの安定版リリースが含まれているため、最新のものを使用してください。 現時点では 0.8 ですが、時間の経過とともに新しいものが出てくるでしょう。 リポジトリの複製/ダウンロードを行わず、最新のリリースをダウンロードしてください。

ОС

Python Gateway をオペレーティング システムにインストールする場合は、(オペレーティング システムに関係なく) まず Python をインストールする必要があります。 このために：

1. Python 3.6.7 64 ビットをインストールする。 Python はデフォルトのディレクトリにインストールすることをお勧めします。
2. モジュールをインストールする dill: pip install dill.
3. ObjectScript コードをダウンロードします (つまり、 do $system.OBJ.ImportDir("C:InterSystemsReposPythoniscpy", "*.cls", "c",,1)）製品のあるあらゆるエリアに。 既存のエリアで製品をサポートしたい場合は、次を実行します。 write ##class(%EnsembleMgr).EnableNamespace($Namespace, 1).
4. 場所 コールアウト DLL/SO/DYLIB フォルダに bin InterSystems IRIS インスタンス。 ライブラリ ファイルは返されたパスで使用できる必要があります write ##class(isc.py.Callout).GetLib().

Windows

1. 環境変数を確認してください PYTHONHOME Python 3.6.7 を指します。
2. システム環境変数が次であることを確認してください。 PATH 変数が含まれています PYTHONHOME (またはそれが指すディレクトリ)。

Linux (Debian/Ubuntu)

1. 環境変数が次であることを確認します。 PATH 含まれています /usr/lib и /usr/lib/x86_64-linux-gnu。 ファイルを使用する /etc/environment 環境変数を設定します。
2. エラーの場合 undefined symbol: _Py_TrueStruct 設定をする PythonLib。 また Readmeファイル トラブルシューティングセクションがあります。

Mac

1. 現在、Python 3.6.7 のみがサポートされています Python.org。 変数を確認してください PATH.

環境変数を変更した場合は、インターシステムズ製品を再起動します。

デッカー

コンテナーを使用すると、次のような多くの利点があります。

• 移植性
• 有効性
• 断熱
• 軽さ
• 不変性

これをチェックしてください 一連の記事 インターシステムズ製品での Docker の使用の詳細については、「Docker をインターシステムズ製品で使用する方法」を参照してください。

現在、すべての Python Gateway ビルドはコンテナベースです 2019.4.

準備完了イメージ

走る： docker run -d -p 52773:52773 --name irispy intersystemscommunity/irispy-community:latestInterSystems IRIS Community Edition で Python Gateway をダウンロードして実行します。 それだけです。

独自の外観を作成します

Docker イメージを構築するには、リポジトリのルートで実行します。 docker build --force-rm --tag intersystemscommunity/irispy:latest ..
デフォルトでは、イメージはイメージに基づいて構築されます。 store/intersystems/iris-community:2019.4.0.383.0ただし、変数を設定することでこれを変更できます IMAGE.
InterSystems IRIS からビルドするには、「docker build --build-arg IMAGE=store/intersystems/iris:2019.4.0.383.0 --force-rm --tag intersystemscommunity/irispy:latest」を実行します。

この後、docker イメージを実行できます。

docker run -d 
  -p 52773:52773 
  -v /<HOST-DIR-WITH-iris.key>/:/mount 
  --name irispy 
  intersystemscommunity/irispy:latest 
  --key /mount/iris.key

InterSystems IRIS Community Edition に基づくイメージを使用している場合は、キーを省略できます。

注釈

• テストプロセス isc.py.test.Process 多数の画像を一時ディレクトリに保存します。 このパスをマウントされたディレクトリに変更することもできます。 これを行うには、設定を編集します WorkingDir マウントされたディレクトリを指定します。
• ターミナルにアクセスするには、次のコマンドを実行します。 docker exec -it irispy sh.
• ログインによるシステム管理ポータルへのアクセス SuperUser/SYS.
• コンテナを停止するには、次を実行します。 docker stop irispy && docker rm --force irispy.

インストールの確認

Python Gateway をインストールしたら、それが動作していることを確認してください。 InterSystems IRIS ターミナルで次のコードを実行します。

set sc = ##class(isc.py.Callout).Setup() 
set sc = ##class(isc.py.Main).SimpleString("x='HELLO'", "x", , .var).
write var

結果は次のようになります。 HELLO — Python 変数の値 x。 返品ステータスの場合 sc エラーであるか、 var 空です、チェックしてください Readme - トラブルシューティング セクション.

API

Python Gateway がインストールされ、動作することが確認されました。 さあ、使い始める時が来ました！
Python への主なインターフェイスは次のとおりです。 isc.py.Main。 以下のメソッドのグループを提供します (すべてのメソッドが返されます) %Status):

• コードの実行
• データ転送
• 補助的な

コードの実行

これらのメソッドを使用すると、任意の Python コードを実行できます。

単純な文字列

SimpleString - これが主な方法です。 4 つのオプションの引数を取ります。

• code — 実行するコード行。 改行文字: $c(10).
• returnVariable — 返す変数の名前。
• serialization - シリアル化する方法 returnVariable。 0 — 文字列 (デフォルト)、1 — 再現。
• result — ByRef 値が書き込まれる変数への参照 returnVariable.

上記では次のようにしました。

set sc = ##class(isc.py.Main).SimpleString("x='HELLO'", "x", , .var).

この例では、Python 変数に代入します。 x значение Hello Python 変数の値を返したい x ObjectScript 変数へ var.

コードの実行

ExecuteCode は、より安全で制限の少ない代替手段です SimpleString.
InterSystems IRIS プラットフォームの行数は 3 文字に制限されており、それより長いコードを実行する場合はスレッドを使用する必要があります。
次の XNUMX つの引数が受け入れられます。

• code — 実行される Python コードの行またはストリーム。
• variable — (オプション) 実行結果を割り当てます。 code この Python 変数。

使用例:

set sc = ##class(isc.py.Main).ExecuteCode("2*3", "y").

この例では、2 と 3 を乗算し、結果を Python 変数に書き込みます。 y.

データ転送

Python との間でデータを受け渡します。

Python -> インターシステムズ IRIS

InterSystems IRIS で Python 変数の値を取得するには、必要なシリアル化に応じて 4 つの方法があります。

• String 単純なデータ型とデバッグ用。
• Repr 単純なオブジェクトの保存とデバッグに使用されます。
• JSON InterSystems IRIS 側でのデータ操作を容易にします。
• Pickle オブジェクトを保存します。

これらのメソッドを使用すると、Python から変数を文字列またはストリームとして取得できます。

• GetVariable(variable, serialization, .stream, useString) - 得る serialization 変数 variable в stream。 もし useString が 1 で、シリアル化が文字列に配置されると、ストリームではなく文字列が返されます。
• GetVariableJson(variable, .stream, useString) — 変数の JSON シリアル化を取得します。
• GetVariablePickle(variable, .stream, useString, useDill) -get 変数の Pickle (または Dill) シリアル化。

変数を取得してみましょう y.

set sc = ##class(isc.py.Main).GetVariable("y", , .val, 1)
write val
>6

インターシステムズ IRIS -> Python

InterSystems IRIS から Python にデータをロードします。

• ExecuteQuery(query, variable, type, namespace) - データセットを作成します (パンダ dataframe または list) SQL クエリから取得し、それを Python 変数に設定します variable。 ビニール袋 isc.py その地域で利用できる必要があります namespace — リクエストはそこで実行されます。
• ExecuteGlobal(global, variable, type, start, end, mask, labels, namespace) - グローバルデータをロードします global 下付き文字から start до end Python では型変数として type: list、またはパンダ dataframe。 オプションの引数の説明 mask & labels クラスのドキュメントとリポジトリで利用可能 データ転送に関するドキュメント.
• ExecuteClass(class, variable, type, start, end, properties, namespace) - クラスデータをロードします class IDから start до end Python では型変数として type: list、またはパンダ dataframe. properties — データセットにロードする必要があるクラスプロパティのリスト (カンマで区切られています)。 マスクのサポート * и ?。 デフォルト - * (すべてのプロパティ)。 財産 %%CLASSNAME 無視されました。
• ExecuteTable(table, variable, type, start, end, properties, namespace) - テーブルデータをロードします table IDから start до end Pythonで。

ExecuteQuery — ユニバーサル (正しい SQL クエリが Python に渡されます)。 しかし、 ExecuteGlobal とそのラッパー ExecuteClass и ExecuteTable 多くの制限がある中で作業します。 非常に高速です (ODBC ドライバーより 3 ～ 5 倍、20 倍高速です) ExecuteQuery）。 詳細については、 データ転送に関するドキュメント.
これらの方法はすべて、あらゆるエリアからのデータ転送をサポートします。 ビニール袋 isc.py 対象エリアで利用可能である必要があります。

クエリの実行

ExecuteQuery(request, variable, type, namespace) — 正しい SQL クエリの結果を Python に転送します。 これは最も遅いデータ転送方法です。 以下の場合に使用してください ExecuteGlobal そしてそのラッパーは利用できません。

引数：

• query - SQLクエリ。
• variable — データが書き込まれる Python 変数の名前。
• type - list またはパンダ dataframe.
• namespace — リクエストが実行される領域。

実行グローバル

ExecuteGlobal(global, variable, type, start, end, mask, labelels, namespace) - Python でグローバルを渡す。

引数：

• global - グローバル名なし ^
• variable — データが書き込まれる Python 変数の名前。
• type - list またはパンダ dataframe.
• start — グローバルの最初の添字。 必然的に %Integer.
• end — グローバルの最後の添字。 必然的に %Integer.
• mask — グローバル値マスク。 マスクはグローバル内のフィールドの数よりも短くすることができます (その場合、最後のフィールドはスキップされます)。 マスクをフォーマットする方法:
  • + 値をそのまま渡します。
  • - スキップ値。
  • b — ブール型 (0 - False、残りはすべて - True).
  • d — 日付 ($horolog より、Windows では 1970 年から、Linux では 1900 年から)。
  • t — 時間 ($horolog、午前 XNUMX 時からの秒数)。
  • m — タイムスタンプ (形式文字列 YEAR-MONTH-DAY HOUR:MINUTE:SECOND)。
• labels — %列名のリスト。 最初の要素は添え字の名前です。
• namespace — リクエストが実行される領域。

実行クラス

ラップオーバー ExecuteGlobal。 クラス定義に基づいて呼び出しを準備します ExecuteGlobal そして彼に電話します。

ExecuteClass(class, variable, type, start, end, properties, namespace) - Python でクラス データを渡します。

引数：

• class - クラス名
• variable — データが書き込まれる Python 変数の名前。
• type - list またはパンダ dataframe.
• start — 開始ID。
• end — 最終ID
• properties — データセットにロードする必要があるクラスプロパティのリスト (カンマで区切られています)。 マスクのサポート * и ?。 デフォルト - * (すべてのプロパティ)。 財産 %%CLASSNAME 無視されました。
• namespace — リクエストが実行される領域。

型プロパティを除くすべてのプロパティはそのまま渡されます。 %Date, %Time, %Boolean и %TimeStamp - 対応する Python クラスに変換されます。

実行テーブル

ラップオーバー ExecuteClass。 テーブル名をクラス名に変換して呼び出します。 ExecuteClass。 サイン：

ExecuteTable(table, variable, type, start, end, properties, namespace) - テーブル データを Python に渡します。

引数：

• table — テーブル名。
  他のすべての引数はそのまま渡されます。 ExecuteClass.

ノート

• ExecuteGlobal, ExecuteClass и ExecuteTable 同様に速く作業します。
• ExecuteGlobal よりも 20 倍高速 ExecuteQuery 大規模なデータ セットの場合 (転送時間 >0.01 秒)。
• ExecuteGlobal, ExecuteClass и ExecuteTable 次の構造でグローバルを操作します。 ^global(key) = $lb(prop1, prop2, ..., propN) どこ key — 整数。
• のために ExecuteGlobal, ExecuteClass и ExecuteTable サポートされる値の範囲 %Date 範囲に対応する mktime OSによって異なります（ウィンドウズ：1970-01-01、 linuxの 1900-01-01、 MAC）。 使用 %TimeStampこの範囲外にデータを転送するか、パンダのデータフレームを使用するには、 これはリストのみの制限です。
• のために ExecuteGlobal, ExecuteClass и ExecuteTable データ ソース (グローバル、クラス、またはテーブル) と変数を除くすべての引数はオプションです。

例

テストクラス isc.py.test.person すべてのデータ転送オプションを示すメソッドが含まれています。

set global = "isc.py.test.PersonD"
set class = "isc.py.test.Person"
set table = "isc_py_test.Person"
set query = "SELECT * FROM isc_py_test.Person"

// Общие аргументы
set variable = "df"
set type = "dataframe"
set start = 1
set end = $g(^isc.py.test.PersonD, start)

// Способ 0: ExecuteGlobal без аргументов
set sc = ##class(isc.py.Main).ExecuteGlobal(global, variable _ 0, type)

// Способ 1: ExecuteGlobal с аргументами    
// При передаче глобала названия полей задаются вручную
// globalKey - название сабсткрипта 
set labels = $lb("globalKey", "Name", "DOB", "TS", "RandomTime", "AgeYears", "AgeDecimal", "AgeDouble", "Bool")

// mask содержит на 1 элемент меньше чем labels потому что "globalKey" - название сабскипта
// Пропускаем %%CLASSNAME
set mask = "-+dmt+++b"

set sc = ##class(isc.py.Main).ExecuteGlobal(global, variable _ 1, type, start, end, mask, labels)

// Способ 2: ExecuteClass
set sc = ##class(isc.py.Main).ExecuteClass(class, variable _ 2, type, start, end)

// Способ 3: ExecuteTable
set sc = ##class(isc.py.Main).ExecuteTable(table, variable _ 3, type, start, end)

// Способ 4: ExecuteTable
set sc = ##class(isc.py.Main).ExecuteQuery(query, variable _ 4, type)

メソッドを呼び出す do ##class(isc.py.test.Person).Test() すべてのデータ転送方法がどのように機能するかを確認します。

ヘルパーメソッド

• GetVariableInfo(variable, serialization, .defined, .type, .length) — 変数に関する情報を取得します。変数が定義されているかどうか、クラスおよびシリアル化の長さです。
• GetVariableDefined(variable, .defined) — 変数が定義されているかどうか。
• GetVariableType(variable, .type) — 変数のクラスを取得します。
• GetStatus() - Python 側で最後の例外を取得して削除します。
• GetModuleInfo(module, .imported, .alias) — モジュール変数とインポートステータスを取得します。
• GetFunctionInfo(function, .defined, .type, .docs, .signature, .arguments) — 関数に関する情報を取得します。

相互運用性

ターミナルから Python Gateway を呼び出す方法を学習しました。今度は実稼働環境で Python Gateway を使用してみましょう。 このモードで Python を操作するための基礎は次のとおりです。 isc.py.ens.Operation。 それにより次のことが可能になります。

• Pythonでコードを実行する
• Python コンテキストの保存/復元
• Python からデータをロードおよび受信する

基本的に、Python 操作はラッパーです。 isc.py.Main。 手術 isc.py.ens.Operation InterSystems IRIS 製品から Python プロセスと対話する機能を提供します。 次の XNUMX つのクエリがサポートされています。

• isc.py.msg.ExecutionRequest Python コードを実行します。 戻り値 isc.py.msg.ExecutionResponse 実行結果とリクエストされた変数の値。
• isc.py.msg.StreamExecutionRequest Python コードを実行します。 戻り値 isc.py.msg.StreamExecutionResponse 実行結果と要求された変数の値。 アナログ isc.py.msg.ExecutionRequestですが、文字列の代わりにストリームを受け入れて返します。
• isc.py.msg.QueryRequest SQLクエリの実行結果を送信します。 戻り値 Ens.Response.
• isc.py.msg.GlobalRequest/isc.py.msg.ClassRequest/isc.py.msg.TableRequest グローバル/クラス/テーブル データを渡すため。 戻り値 Ens.Response.
• isc.py.msg.SaveRequest Python コンテキストを保存します。 戻り値 Ens.StringResponse コンテキストID付き。

• isc.py.msg.RestoreRequest Python コンテキストを復元します。

  加えて、 isc.py.ens.Operation XNUMX つの設定があります:

  • Initializer — インターフェースを実装するクラスの選択 isc.py.init.Abstract。 関数、モジュール、クラスなどをロードするために使用できます。 プロセス開始時に一度実行されます。
  • PythonLib - (Linux のみ) ロード時にエラーが表示された場合は、その値を次のように設定します。 libpython3.6m.so または Python ライブラリへのフルパスでも。

ビジネスプロセスの作成

ビジネス プロセスの開発を容易にする XNUMX つのクラスが利用可能です。

• isc.py.ens.ProcessUtils 変数置換を使用してアクティビティからアノテーションを抽出できます。
• isc.py.util.BPEmulator Python を使用してビジネス プロセスを簡単にテストできます。 現在のプロセス内でビジネスプロセス（Python部品）を実行できます。

変数の置換

すべてのビジネス プロセスは次から継承されます。 isc.py.ens.ProcessUtils、メソッドを使用できます GetAnnotation(name) アクティビティのアノテーション値を名前で取得します。 アクティビティ アノテーションには、Python に渡される前に InterSystems IRIS 側で計算される変数を含めることができます。 変数置換の構文は次のとおりです。

• ${class:method:arg1:...:argN} - メソッド呼び出し
• #{expr} — ObjectScript 言語でコードを実行します。

サンプルはテスト ビジネス プロセスで利用可能です isc.py.test.Processたとえば、アクティビティにおいて Correlation Matrix: Graph: f.savefig(r'#{process.WorkDirectory}SHOWCASE${%PopulateUtils:Integer:1:100}.png')。 この例では:

• #{process.WorkDirectory} オブジェクトの WorkDirectory プロパティを返します。 process、クラスのインスタンスです isc.py.test.Process それらの。 現在のビジネスプロセス。
• ${%PopulateUtils:Integer:1:100} メソッドを呼び出す Integer クラス %PopulateUtils、引数を渡す 1 и 100、範囲内のランダムな整数を返します 1...100.

ビジネスプロセスをテストする

テスト製品とテスト ビジネス プロセスは、Python ゲートウェイの一部としてデフォルトで利用可能です。 それらを使用するには:

1. OS ターミナルで次を実行します。 pip install pandas matplotlib seaborn.
2. InterSystems IRIS ターミナルで、次を実行します。 do ##class(isc.py.test.CannibalizationData).Import() テストデータを入力します。
3. 製品を発売する isc.py.test.Production.
4. 送信リクエストタイプ Ens.Request в isc.py.test.Process.

すべてがどのように連携して機能するかを見てみましょう。 開ける isc.py.test.Process BPL エディターで:

コードの実行

最も重要な課題は、Python コードを実行することです。

使用されたクエリ isc.py.msg.ExecutionRequest、そのプロパティは次のとおりです。

• Code — Python コード。
• SeparateLines - 実行のためにコードを行に分割するかどうか。 $c(10) (n) は文字列を区切るために使用されます。 メッセージ全体を一度に処理することはお勧めできません。この機能は処理のみを目的としています。 def および同様の複数行の式。 デフォルト 0.
• Variables — 応答に追加される変数のカンマ区切りのリスト。
• Serialization — 返したい変数をシリアル化する方法。 オプション: Str, Repr, JSON, Pickle и Dill、 デフォルト Str.

私たちの場合、プロパティを設定するだけです Codeしたがって、他のすべてのプロパティはデフォルト値を使用します。 呼び出して設定します process.GetAnnotation("Import pandas")、実行時に変数置換が実行された後にアノテーションを返します。 結局のところ、コードは import pandas as pd Pythonに渡されます。 GetAnnotation 複数行の Python スクリプトを取得する場合に便利ですが、コードを取得するこの方法には制限がありません。 プロパティを設定できます Code あなたにとって都合の良い方法で。

変数の取得

を使用したもう XNUMX つの興味深い課題 isc.py.msg.ExecutionRequest - Correlation Matrix: Tabular:

Python側で相関行列を計算し、変数を抽出します。 corrmat リクエストのプロパティを設定して、JSON 形式で InterSystems IRIS に戻ります。

• Variables: "corrmat"
• Serialization: "JSON"

結果は Visual Trace で確認できます。

BP でこの値が必要な場合は、次のように取得できます。 callresponse.Variables.GetAt("corrmat").

データ転送

次に、InterSystems IRIS から Python へのデータ転送について説明します。データ転送のすべてのリクエストはインターフェイスを実装します。 isc.py.msg.DataRequestこれは次のプロパティを提供します。

• Variable — データが書き込まれる Python 変数。
• Type — 変数の型: dataframe (パンダデータフレーム) または list.
• Namespace — データを受信する領域。 ビニール袋 isc.py このエリアで利用できるはずです。 これは製品サポートのない領域である可能性があります。

このインターフェイスに基づいて、4 つのクラスのリクエストが実装されます。

• isc.py.msg.QueryRequest - プロパティを設定します Query SQL クエリを送信します。
• isc.py.msg.ClassRequest - プロパティを設定します Class クラスデータを渡すために。
• isc.py.msg.TableRequest - プロパティを設定する Table テーブルデータを転送します。
• isc.py.msg.GlobalRequest - プロパティを設定する Global グローバルデータ転送用。

テストプロセスでアクティビティを確認します RAWどこ isc.py.msg.QueryRequest アクションで示されています。

Python コンテキストの保存/復元

最後に、Python コンテキストを InterSystems IRIS に保存できます。これを行うには、 isc.py.msg.SaveRequest 引数付き:

• Mask — マスクに一致する変数のみが保存されます。 サポートされています * и ?。 例： "Data*, Figure?"。 デフォルト *.
• MaxLength — 格納される変数の最大長。 変数のシリアル化が長い場合は無視されます。 任意の長さの変数を取得するには、0 に設定します。 デフォルト $$$MaxStringLength.
• Name — コンテキスト名 (オプション)。
• Description — コンテキストの説明 (オプション)。

戻り値 Ens.StringResponse с Id 保存されたコンテキスト。 テストプロセスでアクティビティを確認します Save Context.

関連リクエスト isc.py.msg.RestoreRequest InterSystems IRIS から Python にコンテキストをロードします。

• ContextId — コンテキスト識別子。
• Clear — 復元する前にコンテキストをクリアします。

ジュピターノート

ジュピターノート は、コード、ビジュアライゼーション、テキストを含むノートブックを作成および公開できるオープン ソース Web アプリケーションです。 Python Gateway を使用すると、BPL プロセスを Jupyter Notebook の形式で表示および編集できます。 現在、通常の Python 3 エグゼキューターが使用されていることに注意してください。

この拡張機能は、注釈に Python コードが含まれていることを前提とし、アクティビティ名を先行タイトルとして使用します。 Jupyter Notebook で PythonGateway ビジネス プロセスを開発できるようになりました。 可能なことは次のとおりです。

• 新しいビジネスプロセスを作成する
• ビジネスプロセスを削除する
• 新しいアクティビティを作成する
• 変更活動
• アクティビティの削除

ここで デモビデオ。 そしていくつかのスクリーンショット:

プロセスエクスプローラー

プロセスエディター

インストール

1. InterSystems IRIS 2019.2 以降が必要です。
2. PythonGateway v0.8+ をインストールします (必須のみ) isc.py.util.Jupyter, isc.py.util.JupyterCheckpoints и isc.py.ens.ProcessUtils).
3. リポジトリから ObjectScript コードを更新します。
4. 実行する do ##class(isc.py.util.Jupyter).Install() そしてプロンプトに従ってください。

Документация.

所見

MLToolkit は、モデルとトランザクション環境を組み合わせて、構築されたモデルをビジネス プロセスで簡単に直接使用できるようにすることを目的とした一連のツールです。 Python Gateway は MLToolkit の一部であり、Python 言語との統合を提供します。これにより、Python (多くのデータ サイエンティストにとって主要な環境) で作成された機械学習アルゴリズムを調整し、多数の既製のライブラリを使用して、適応性のあるロボット分析 AI を迅速に作成できます。 InterSystems プラットフォーム IRIS 上の ML ソリューション。

リファレンス

• 前の記事
• Python ゲートウェイ
• Python ゲートウェイのサンプル
• 集中分析
• Python 3.6.7 64 ビット
• Python のドキュメントとコース

MLツールキット

MLToolkit ユーザー グループは、InterSystems 企業 GitHub 組織の一部として作成されたプライベート GitHub リポジトリです。 これは、Python ゲートウェイを含む MLToolkit コンポーネントをインストール、学習、またはすでに使用している外部ユーザーを対象としています。 このグループは、マーケティング、製造、医療、その他多くの業界の分野で多数の実装事例 (ソース コードとテスト データを含む) を持っています。 ML Toolkit ユーザー グループに参加するには、次のアドレスに短い電子メールを送信してください。 [メール保護] そして、手紙には次の情報を含めてください。

• GitHubのユーザー名
• 組織（仕事または勉強）
• 役職 (組織内での実際の役職、「学生」または「独立者」のいずれか)。
• 国

この記事を読んで、人工知能および機械学習エンジンを開発またはホストするためのプラットフォームとしての InterSystems IRIS の機能に興味がある方は、貴社にとって興味深いシナリオについて話し合うことをお勧めします。 私たちは喜んで貴社のニーズを分析し、共同で行動計画を決定します。 AI/ML 専門家チームの連絡先電子メール アドレス – [メール保護].

出所： habr.com