이 문서는 InterSystems IRIS 데이터 플랫폼을 위한 오픈 소스 커뮤니티 프로젝트인 Python Gateway에 관한 것입니다. 이 프로젝트를 통해 Python(많은 데이터 과학자의 기본 환경)에서 생성된 모든 기계 학습 알고리즘을 조율하고 수많은 기성 라이브러리를 사용하여 InterSystems IRIS 플랫폼에서 적응형 로봇 분석 AI/ML 솔루션을 신속하게 생성할 수 있습니다. 이 기사에서는 InterSystems IRIS가 Python 프로세스를 오케스트레이션하고 효율적인 양방향 데이터 전송을 수행하며 지능형 비즈니스 프로세스를 생성하는 방법을 보여줍니다.

계획

1. 소개.
2. 도구.
3. 설치
4. API.
5. 상호 운용성.
6. 주피터 노트북.
7. 결론.
8. 연결.
9. M.L.툴킷.

소개

Python은 개발자 생산성 및 코드 가독성 향상에 중점을 둔 고급 범용 프로그래밍 언어입니다. 이 기사 시리즈에서는 InterSystems IRIS 플랫폼에서 Python 언어를 사용할 수 있는 가능성에 대해 이야기하고 이 기사의 주요 초점은 기계 학습 모델을 만들고 적용하기 위한 언어로 Python을 사용하는 것입니다.

ML(Machine Learning)은 인공지능 방식의 한 종류로서 문제를 직접적으로 해결하는 것이 아니라 비슷한 문제를 많이 해결하는 과정에서 학습하는 것이 특징이다.

기계 학습 알고리즘과 모델은 점점 더 보편화되고 있습니다. 여기에는 여러 가지 이유가 있지만 모두 접근성, 단순성 및 실질적인 결과 달성으로 귀결됩니다. 클러스터링 또는 신경망 모델링이 새로운 기술입니까?

물론 그렇지는 않지만 요즘에는 하나의 모델을 실행하기 위해 수십만 줄의 코드를 작성할 필요가 없으며 모델을 만들고 사용하는 비용이 점점 줄어들고 있습니다.

도구는 진화하고 있습니다. 완전한 GUI 지향 AI/ML 도구는 없지만, BI와 같은 다른 많은 정보 시스템 클래스(코드 작성에서 프레임워크 및 GUI 지향 구성 가능 솔루션 사용에 이르기까지)에서 우리가 본 진보도 볼 수 있습니다. AI/ML 생성 도구에서. 우리는 이미 코드 작성 단계를 통과했으며 현재는 모델 구축 및 교육을 위해 프레임워크를 사용합니다.

최종 사용자가 특정 데이터에 대한 모델 교육을 완료하기만 하면 되는 미리 교육된 모델을 전파하는 기능과 같은 다른 개선 사항도 머신 러닝 적용을 더 쉽게 시작할 수 있도록 합니다. 이러한 발전으로 인해 전문가와 회사 전체가 기계 학습을 훨씬 더 쉽게 배울 수 있습니다.

반면에 우리는 점점 더 많은 데이터를 수집합니다. InterSystems IRIS와 같은 통합 데이터 플랫폼을 사용하면 이 모든 정보를 즉시 준비하여 기계 학습 모델의 입력으로 사용할 수 있습니다.

클라우드로 전환하면서 AI/ML 프로젝트를 그 어느 때보다 쉽게 ​​시작할 수 있습니다. 우리는 필요한 자원만 소비할 수 있습니다. 또한 클라우드 플랫폼이 제공하는 병렬화 덕분에 낭비되는 시간을 절약할 수 있습니다.

그러나 결과는 어떻습니까? 이것은 상황이 더 복잡해지는 곳입니다. 모델 구축을 위한 많은 도구가 있으며 이에 대해서는 다음에 설명하겠습니다. 좋은 모델을 구축하는 것은 쉽지 않지만 그 다음은 무엇입니까? 비즈니스에서 모델을 사용하여 이익을 얻는 것 또한 중요한 작업입니다. 문제의 근원은 분석 및 트랜잭션 워크로드와 데이터 모델의 분리입니다. 모델을 교육할 때 일반적으로 과거 데이터에 대해 수행합니다. 그러나 구성된 모델의 위치는 트랜잭션 데이터 처리입니다. 하루에 한 번 실행하면 최고의 사기 거래 탐지 모델이 무슨 소용이 있습니까? 사기꾼들은 이미 돈을 가지고 떠났습니다. 과거 데이터로 모델을 교육해야 하지만, 비즈니스 프로세스가 모델의 예측에 따라 작동할 수 있도록 새로 들어오는 데이터에 실시간으로 적용해야 합니다.

ML Toolkit은 바로 이러한 작업을 수행하는 도구 키트입니다. 즉, 모델을 함께 가져오고 트랜잭션 환경을 제공하여 구축한 모델을 비즈니스 프로세스에서 직접 쉽게 사용할 수 있습니다. Python Gateway는 ML Toolkit의 일부이며 Python 언어와의 통합을 제공합니다(R Gateway와 유사하게 ML Toolkit의 일부가 R 언어와의 통합을 제공함).

툴킷

계속하기 전에 나중에 사용할 몇 가지 Python 도구와 라이브러리에 대해 설명하겠습니다.

기술

• Python은 해석된 범용 고급 프로그래밍 언어입니다. 언어의 주요 장점은 수학, ML 및 AI 라이브러리의 대규모 라이브러리입니다. ObjectScript와 마찬가지로 객체 지향 언어이지만 모든 것이 정적으로 정의되지 않고 동적으로 정의됩니다. 또한 모든 것이 객체입니다. 이후 기사는 언어에 대해 일시적인 친숙함을 가정합니다. 학습을 시작하려면 다음으로 시작하는 것이 좋습니다. 선적 서류 비치.
• 다음 연습을 위해 다음을 설정합니다. 파이썬 3.6.7 64비트.
• IDE: 사용 PyCharm, 그러나 일반적으로 много. Atelier를 사용하는 경우 Python 개발자를 위한 Eclipse 플러그인이 있습니다. VS Code를 사용하는 경우 Python용 확장이 있습니다.
• 노트북: IDE 대신 온라인 노트북에서 스크립트를 작성하고 공유할 수 있습니다. 그 중 가장 인기 있는 것은 주피터.

도서관

다음은 기계 학습 라이브러리의 (일부) 목록입니다.

• 누피 — 정확한 계산을 위한 기본 패키지.
• 판다 — 고성능 데이터 구조 및 데이터 분석 도구.
• 매트플롯립 - 차트 생성.
• 씨본 - matplotlib 기반 데이터 시각화.
• 스클런 — 기계 학습 방법.
• XGBoost — Gradient Boosting 방법론 내의 기계 학습 알고리즘.
• 겐심 — NLP.
• 케 라스 - 신경망.
• 텐서 플로우 기계 학습 모델을 만들기 위한 플랫폼입니다.
• 파이 토치 Python에 초점을 맞춘 기계 학습 모델을 만들기 위한 플랫폼입니다.
• nyoka - 다양한 모델의 PMML.

AI/ML 기술은 비즈니스를 보다 효율적이고 적응력 있게 만듭니다. 또한 오늘날 이러한 기술은 개발 및 구현이 더 쉬워지고 있습니다. AI/ML 기술과 이러한 기술이 조직의 성장에 어떻게 도움이 되는지 알아보십시오.

설치

Python Gateway를 설치하고 사용하는 방법에는 여러 가지가 있습니다.

• OS
  • Windows
  • Linux
  • Mac
• 도커
  • DockerHub의 이미지 사용
  • 나만의 이미지 만들기

설치 방법에 관계없이 소스 코드가 필요합니다. 코드를 다운로드할 수 있는 유일한 장소는 릴리스 페이지. 여기에는 테스트를 거친 안정적인 릴리스가 포함되어 있으므로 최신 릴리스를 가져오십시오. 현재는 0.8이지만 시간이 지남에 따라 새로운 값이 추가될 것입니다. 저장소를 복제/다운로드하지 말고 최신 릴리스를 다운로드하십시오.

OS

운영 체제에 Python Gateway를 설치하는 경우 운영 체제에 관계없이 먼저 Python을 설치해야 합니다. 이를 위해:

1. Python 3.6.7 64비트 설치. 기본 디렉터리에 Python을 설치하는 것이 좋습니다.
2. 모듈 설치 dill: pip install dill.
3. ObjectScript 코드를 다운로드합니다(예: do $system.OBJ.ImportDir("C:InterSystemsReposPythoniscpy", "*.cls", "c",,1)) 제품이 있는 모든 영역에. 기존 영역에서 제품을 지원하려면 다음을 실행하십시오. write ##class(%EnsembleMgr).EnableNamespace($Namespace, 1).
4. 장소 콜아웃 DLL/SO/DYLIB 폴더로 bin InterSystems IRIS 인스턴스. 라이브러리 파일은 다음에서 반환된 경로에서 사용할 수 있어야 합니다. write ##class(isc.py.Callout).GetLib().

Windows

1. 환경 변수가 다음인지 확인하십시오. PYTHONHOME Python 3.6.7을 가리킵니다.
2. 시스템 환경 변수가 다음인지 확인하십시오. PATH 변수를 포함 PYTHONHOME (또는 그것이 가리키는 디렉토리).

리눅스(데비안/우분투)

1. 환경 변수가 있는지 확인 PATH 포함하다 /usr/lib и /usr/lib/x86_64-linux-gnu. 파일 사용 /etc/environment 환경 변수를 설정합니다.
2. 오류가 있는 경우 undefined symbol: _Py_TrueStruct 설정을 지정 PythonLib. 또한 추가 정보 문제 해결 섹션이 있습니다.

Mac

1. 현재 Python 3.6.7만 지원됩니다. 파이썬.org. 변수 확인 PATH.

환경 변수를 변경한 경우 InterSystems 제품을 다시 시작하십시오.

도커

컨테이너를 사용하면 여러 가지 이점이 있습니다.

• 이식성
• 효과
• 절연
• 가벼움
• 불변성

이것을 확인하십시오 일련의 기사 InterSystems 제품과 함께 Docker를 사용하는 방법에 대한 자세한 내용은

모든 Python 게이트웨이 빌드는 현재 컨테이너 기반입니다. 2019.4.

준비된 이미지

달리다: docker run -d -p 52773:52773 --name irispy intersystemscommunity/irispy-community:latestInterSystems IRIS Community Edition과 함께 Python Gateway를 다운로드하고 실행합니다. 그게 다야.

나만의 이미지 만들기

도커 이미지를 빌드하려면 리포지토리의 루트에서 실행합니다. docker build --force-rm --tag intersystemscommunity/irispy:latest ..
기본적으로 이미지는 이미지를 기반으로 빌드됩니다. store/intersystems/iris-community:2019.4.0.383.0, 그러나 변수를 설정하여 이를 변경할 수 있습니다. IMAGE.
InterSystems IRIS에서 빌드하려면 다음을 실행하십시오. `docker build --build-arg IMAGE=store/intersystems/iris:2019.4.0.383.0 --force-rm --tag intersystemscommunity/irispy:latest'.

그런 다음 도커 이미지를 실행할 수 있습니다.

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 기반 이미지를 사용하는 경우 키를 지정할 필요가 없습니다.

댓글

• 테스트 프로세스 isc.py.test.Process 여러 이미지를 임시 디렉토리에 저장합니다. 이 경로를 마운트된 디렉토리로 변경할 수 있습니다. 이렇게 하려면 설정을 편집하십시오. WorkingDir 마운트된 디렉토리를 지정합니다.
• 터미널에 액세스하려면 다음을 실행하십시오. docker exec -it irispy sh.
• 로그인을 통해 시스템 관리 포털에 액세스 SuperUser/SYS.
• 컨테이너를 중지하려면 다음을 실행합니다. docker stop irispy && docker rm --force irispy.

설치 확인

Python Gateway를 설치한 후에는 제대로 작동하는지 확인하는 것이 좋습니다. InterSystems IRIS 터미널에서 다음 코드를 실행합니다.

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

결과는 HELLO - 파이썬 변수의 값 x. 반품 상태라면 sc 실수이거나 var 비어 있음, 확인 읽어보기 - 문제 해결 섹션.

API

Python Gateway가 설치되었으며 작동하는지 확인했습니다. 사용을 시작할 시간입니다!
Python의 주요 인터페이스는 다음과 같습니다. isc.py.Main. 다음과 같은 메서드 그룹을 제공합니다(모두 반환 %Status):

• 코드 실행
• 데이터 전송
• 보조자

코드 실행

이러한 메서드를 사용하면 임의의 Python 코드를 실행할 수 있습니다.

단순 문자열

SimpleString 주요 방법입니다. 4개의 선택적 인수가 필요합니다.

• code 실행할 코드 줄입니다. 라인 피드 문자: $c(10).
• returnVariable 반환할 변수의 이름입니다.
• serialization - 직렬화 방법 returnVariable. 0 - 문자열(기본값), 1 - repr.
• result - 값이 기록된 변수에 대한 ByRef 참조 returnVariable.

위에서 우리는 다음을 수행했습니다.

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

이 예에서는 Python 변수에 할당합니다. x 가치 Hello Python 변수의 값을 반환하고 싶습니다. x ObjectScript 변수에 var.

실행 코드

ExecuteCode는 더 안전하고 덜 제한적인 대안입니다. SimpleString.
InterSystems IRIS 플랫폼의 라인은 3자로 제한되며 더 긴 코드를 실행하려면 스트림을 사용해야 합니다.
두 가지 인수가 필요합니다.

• code — 실행할 Python 코드의 문자열 또는 스트림.
• variable - (선택 사항) 실행 결과를 할당합니다. code 이 파이썬 변수.

사용 제안:

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

이 예에서는 2에 3을 곱하고 그 결과를 Python 변수에 저장합니다. y.

데이터 전송

Python과 데이터를 주고 받습니다.

파이썬 -> InterSystems IRIS

필요한 직렬화에 따라 InterSystems IRIS에서 Python 변수 값을 가져오는 4가지 방법이 있습니다.

• String 간단한 데이터 유형 및 디버깅용.
• Repr 간단한 개체를 저장하고 디버깅하기 위한 것입니다.
• JSON InterSystems IRIS 쪽에서 데이터를 쉽게 조작할 수 있습니다.
• Pickle 개체를 저장합니다.

이러한 메서드를 사용하면 파이썬에서 변수를 문자열이나 스트림으로 받을 수 있습니다.

• GetVariable(variable, serialization, .stream, useString) - 얻다 serialization 변하기 쉬운 variable в stream. 만약 useString 가 1이고 직렬화가 문자열에 배치되면 스트림이 아닌 문자열이 반환됩니다.
• GetVariableJson(variable, .stream, useString) — 변수의 JSON 직렬화를 얻습니다.
• GetVariablePickle(variable, .stream, useString, useDill) -변수의 Pickle(또는 Dill) 직렬화를 가져옵니다.

우리의 변수를 얻으려고 노력합시다 y.

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

InterSystems IRIS -> 파이썬

InterSystems IRIS에서 Python으로 데이터 로드.

• ExecuteQuery(query, variable, type, namespace) - 데이터 세트 생성(pandas dataframe 또는 list) SQL 쿼리에서 Python 변수로 설정 variable. 비닐 봉투 isc.py 해당 지역에서 이용 가능해야 함 namespace - 요청이 그곳에서 실행됩니다.
• ExecuteGlobal(global, variable, type, start, end, mask, labels, namespace) - 전역 데이터를 로드합니다. global 첨자에서 start 에 end Python에서 유형 변수로 type: list, 또는 판다 dataframe. 선택적 인수에 대한 설명 mask 와 labels 수업 문서 및 저장소에서 사용 가능 데이터 전송 문서.
• ExecuteClass(class, variable, type, start, end, properties, namespace) - 클래스 데이터 로드 class 아이디에서 start 에 end Python에서 유형 변수로 type: list, 또는 판다 dataframe. properties — 데이터 세트에 로드할 클래스 속성 목록(쉼표로 구분). 지원되는 마스크 * и ?. 기본 - * (모든 속성). 재산 %%CLASSNAME 무시했다.
• ExecuteTable(table, variable, type, start, end, properties, namespace) - 테이블 데이터 로드 table 아이디에서 start 에 end 파이썬에서.

ExecuteQuery - 범용(유효한 SQL 쿼리는 Python으로 전달됨). 하지만, ExecuteGlobal 그리고 그의 랩 ExecuteClass и ExecuteTable 여러 가지 제한 사항을 가지고 작업하십시오. 훨씬 빠릅니다(ODBC 드라이버보다 3-5배 빠르고 20배 빠름). ExecuteQuery). 자세한 내용은 데이터 전송 문서.
이러한 모든 방법은 모든 영역에서 데이터 전송을 지원합니다. 비닐 봉투 isc.py 대상 지역에서 사용할 수 있어야 합니다.

쿼리 실행

ExecuteQuery(request, variable, type, namespace) - 유효한 SQL 쿼리의 결과를 Python에 전달합니다. 이것은 가장 느린 데이터 전송 방법입니다. 경우에 사용 ExecuteGlobal 래퍼를 사용할 수 없습니다.

인수 :

• query - SQL 쿼리.
• variable - 데이터가 기록되는 Python 변수의 이름.
• type - list 또는 판다 dataframe.
• namespace - 요청이 실행될 영역.

글로벌 실행

ExecuteGlobal(global, variable, type, start, end, mask, labelels, namespace) - Python에 전역을 전달합니다.

인수 :

• global 없는 글로벌의 이름입니다. ^
• variable - 데이터가 기록되는 Python 변수의 이름.
• type - list 또는 판다 dataframe.
• start — 전역의 첫 번째 첨자. 반드시 %Integer.
• end 전역의 마지막 첨자입니다. 반드시 %Integer.
• mask — 전역 값의 마스크. 마스크는 전역의 필드 수보다 짧을 수 있습니다(이 경우 끝에 있는 필드는 건너뜁니다). 마스크 포맷 방법:
  • + 값을 그대로 전달합니다.
  • - 값을 건너뜁니다.
  • b — 부울 유형(0 - False, 나머지는 - True).
  • d — 날짜($horolog에서, Windows의 경우 1970년부터, Linux의 경우 1900년부터).
  • t - 시간($horolog, 자정 이후 초).
  • m — 타임스탬프(YEAR-MONTH-DAY HOUR:MINUTE:SECOND 형식 문자열).
• labels - 열 이름의 %목록. 첫 번째 요소는 첨자의 이름입니다.
• namespace - 요청이 실행될 영역.

실행 클래스

감싸다 ExecuteGlobal. 클래스 정의에 따라 호출을 준비합니다. ExecuteGlobal 그리고 그를 부른다.

ExecuteClass(class, variable, type, start, end, properties, namespace) - 클래스 데이터를 Python에 전달합니다.

인수 :

• class - 클래스 이름
• variable - 데이터가 기록되는 Python 변수의 이름.
• type - list 또는 판다 dataframe.
• start — ID를 시작합니다.
• end - 최종 아이디
• properties — 데이터 세트에 로드할 클래스 속성 목록(쉼표로 구분). 지원되는 마스크 * и ?. 기본 - * (모든 속성). 재산 %%CLASSNAME 무시했다.
• namespace - 요청이 실행될 영역.

유형 속성을 제외한 모든 속성은 그대로 전달됩니다. %Date, %Time, %Boolean и %TimeStamp - 해당 Python 클래스로 변환됩니다.

테이블 실행

감싸다 ExecuteClass. 테이블 이름을 클래스 이름으로 변환하고 호출 ExecuteClass. 서명:

ExecuteTable(table, variable, type, start, end, properties, namespace) - 테이블 데이터를 Python에 전달합니다.

인수 :

• table - 테이블 이름.
  다른 모든 인수는 그대로 전달됩니다. ExecuteClass.

참고

• ExecuteGlobal, ExecuteClass и ExecuteTable 똑같이 빨리 일하십시오.
• ExecuteGlobal 보다 20배 빠른 ExecuteQuery 대용량 데이터 세트(전송 시간 >0.01초).
• ExecuteGlobal, ExecuteClass и ExecuteTable 다음 구조로 전역에서 작업합니다. ^global(key) = $lb(prop1, prop2, ..., propN) 어디에서 key 정수입니다.
• 에 ExecuteGlobal, ExecuteClass и ExecuteTable 지원되는 값 범위 %Date 범위에 해당 mktime OS에 따라 다름창: 1970-01-01, 리눅스 1900-01-01, 맥). 사용 %TimeStamp이 범위 밖의 데이터를 전달하거나 pandas 데이터 프레임을 다음과 같이 사용합니다. 이 제한은 목록에만 적용됩니다.
• 에 ExecuteGlobal, ExecuteClass и ExecuteTable 데이터 소스(전역, 클래스 또는 테이블) 및 변수를 제외한 모든 인수는 선택 사항입니다.

예

테스트 클래스 isc.py.test.사람 모든 데이터 전송 옵션을 보여주는 방법이 포함되어 있습니다.

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)

호출 방법 do ##class(isc.py.test.Person).Test() 모든 데이터 전송 방법이 어떻게 작동하는지 확인합니다.

도우미 메서드

• GetVariableInfo(variable, serialization, .defined, .type, .length) - 변수에 대한 정보 가져오기: 정의 여부, 클래스 및 직렬화 길이.
• GetVariableDefined(variable, .defined) - 변수가 정의되었는지 여부.
• GetVariableType(variable, .type) - 변수의 클래스를 가져옵니다.
• GetStatus() - Python 쪽에서 마지막 예외를 가져오고 제거합니다.
• GetModuleInfo(module, .imported, .alias) — 모듈 변수를 가져오고 상태를 가져옵니다.
• GetFunctionInfo(function, .defined, .type, .docs, .signature, .arguments) - 함수에 대한 정보를 얻습니다.

상호 운용성

터미널에서 Python 게이트웨이를 호출하는 방법을 배웠으니 이제 프로덕션에서 사용해 보겠습니다. 이 모드에서 Python과 상호 작용하기 위한 기본은 다음과 같습니다. isc.py.ens.Operation. 그것은 우리에게 다음을 허용합니다:

• Python 코드 실행
• Python 컨텍스트 저장/복원
• Python에서 데이터 로드 및 수신

기본적으로 Pyhton 작업은 래퍼입니다. isc.py.Main. 작업 isc.py.ens.Operation InterSystems IRIS 제품에서 Python 프로세스와의 상호 작용을 허용합니다. 다섯 가지 요청이 지원됩니다.

• isc.py.msg.ExecutionRequest Python 코드를 실행합니다. 보고 isc.py.msg.ExecutionResponse 실행 결과와 요청된 변수의 값으로.
• isc.py.msg.StreamExecutionRequest Python 코드를 실행합니다. 보고 isc.py.msg.StreamExecutionResponse 실행 결과 및 요청된 변수의 값. 비슷한 물건 isc.py.msg.ExecutionRequest, 하지만 문자열 대신 스트림을 수락하고 반환합니다.
• isc.py.msg.QueryRequest SQL 쿼리 실행 결과를 전송합니다. 보고 Ens.Response.
• isc.py.msg.GlobalRequest/isc.py.msg.ClassRequest/isc.py.msg.TableRequest 전역/클래스/테이블 데이터를 전달합니다. 보고 Ens.Response.
• isc.py.msg.SaveRequest Python 컨텍스트를 저장합니다. 보고 Ens.StringResponse 컨텍스트 ID로.

• isc.py.msg.RestoreRequest Python 컨텍스트를 복원합니다.

  또한, isc.py.ens.Operation 두 가지 설정이 있습니다.

  • Initializer - 인터페이스를 구현하는 클래스 선택 isc.py.init.Abstract. 함수, 모듈, 클래스 등을 로드하는 데 사용할 수 있습니다. 프로세스가 시작될 때 한 번 실행됩니다.
  • PythonLib - (Linux에만 해당) 부팅 오류가 표시되면 해당 값을 다음으로 설정합니다. libpython3.6m.so 또는 Python 라이브러리의 전체 경로에서도 가능합니다.

비즈니스 프로세스 생성

비즈니스 프로세스 개발을 용이하게 하는 두 가지 클래스가 있습니다.

• isc.py.ens.ProcessUtils 변수 대체를 사용하여 활동에서 주석을 추출할 수 있습니다.
• isc.py.util.BPEmulator Python으로 비즈니스 프로세스를 쉽게 테스트할 수 있습니다. 현재 프로세스에서 비즈니스 프로세스(Python 부분)를 실행할 수 있습니다.

변수 대체

에서 물려받은 모든 비즈니스 프로세스 isc.py.ens.ProcessUtils, 방법을 사용할 수 있습니다 GetAnnotation(name) 이름으로 활동 주석의 값을 가져옵니다. 활동 주석에는 Python으로 전달되기 전에 InterSystems IRIS 측에서 평가될 변수가 포함될 수 있습니다. 다음은 변수 대체 구문입니다.

• ${class:method:arg1:...:argN} - 메서드 호출
• #{expr} - ObjectScript 언어로 코드를 실행합니다.

테스트 비즈니스 프로세스에서 예제를 사용할 수 있습니다. isc.py.test.Process, 예를 들어 활동에서 Correlation Matrix: Graph: f.savefig(r'#{process.WorkDirectory}SHOWCASE${%PopulateUtils:Integer:1:100}.png'). 이 예에서:

• #{process.WorkDirectory} 개체의 WorkDirectory 속성을 반환합니다. process, 클래스의 인스턴스입니다. isc.py.test.Process 저것들. 현재 비즈니스 프로세스.
• ${%PopulateUtils:Integer:1:100} 방법을 호출 Integer 클래스 %PopulateUtils, 인수 전달 1 и 100, 범위에서 임의의 정수를 반환 1...100.

테스트 비즈니스 프로세스

테스트 생산 및 테스트 비즈니스 프로세스는 기본적으로 Python Gateway의 일부로 사용할 수 있습니다. 사용하려면:

1. OS 터미널에서 다음을 실행합니다. pip install pandas matplotlib seaborn.
2. InterSystems IRIS 터미널에서 다음을 실행합니다. do ##class(isc.py.test.CannibalizationData).Import() 테스트 데이터를 채웁니다.
3. 제품 출시 isc.py.test.Production.
4. 요청 유형 보내기 Ens.Request в isc.py.test.Process.

모든 것이 어떻게 함께 작동하는지 봅시다. 열려 있는 isc.py.test.Process BPL 편집기에서:

코드 실행

가장 중요한 호출은 Python 코드 실행입니다.

사용된 요청 isc.py.msg.ExecutionRequest, 속성은 다음과 같습니다.

• Code — 파이썬 코드.
• SeparateLines - 실행을 위해 코드를 줄로 분할할지 여부. $c(10) (n) 문자열을 구분하는 데 사용됩니다. 한 번에 전체 메시지를 처리하는 것은 권장되지 않습니다. 이 기능은 처리 전용입니다. def 유사한 여러 줄 표현. 기본 0.
• Variables 응답에 추가될 변수의 쉼표로 구분된 목록입니다.
• Serialization - 반환하려는 변수를 직렬화하는 방법. 옵션: Str, Repr, JSON, Pickle и Dill, 기본 Str.

우리의 경우에는 속성만 설정합니다. Code, 다른 모든 속성이 기본값을 사용하도록 합니다. 우리는 그것을 호출하여 설정 process.GetAnnotation("Import pandas"), 런타임 시 변수 대체가 수행된 후 주석을 반환합니다. 마지막으로 코드 import pandas as pd Python으로 전달됩니다. GetAnnotation 여러 줄 Python 스크립트를 가져오는 데 유용할 수 있지만 이 방법으로 코드를 가져오는 데에는 제한이 없습니다. 속성을 설정할 수 있습니다. Code 어떤 식으로든 당신에게 편리합니다.

변수 얻기

사용하는 또 다른 흥미로운 도전 isc.py.msg.ExecutionRequest - Correlation Matrix: Tabular:

파이썬 측에서 상관 행렬을 계산하고 변수를 추출합니다. corrmat 요청 속성을 설정하여 JSON 형식의 InterSystems IRIS로 되돌립니다.

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

Visual Trace에서 결과를 볼 수 있습니다.

그리고 BP에서 이 값이 필요한 경우 다음과 같이 얻을 수 있습니다. callresponse.Variables.GetAt("corrmat").

데이터 전송

다음으로 InterSystems IRIS에서 Python으로 데이터를 전송하는 것에 대해 이야기하겠습니다. 모든 데이터 전송 요청은 인터페이스를 구현합니다. isc.py.msg.DataRequest, 다음 속성을 제공합니다.

• Variable 데이터가 기록되는 Python 변수입니다.
• Type - 변수 유형: dataframe (팬더 데이터 프레임) 또는 list.
• Namespace - 데이터를 수신하는 영역. 비닐 봉투 isc.py 이 영역에서 사용할 수 있어야 합니다. 제품 지원이 없는 영역일 수 있습니다.

이 인터페이스를 기반으로 4가지 요청 클래스가 구현됩니다.

• isc.py.msg.QueryRequest - 속성 설정 Query SQL 쿼리를 보냅니다.
• isc.py.msg.ClassRequest - 속성 설정 Class 클래스 데이터를 전달합니다.
• isc.py.msg.TableRequest - 속성 설정 Table 테이블 데이터를 전달합니다.
• isc.py.msg.GlobalRequest - 속성 설정 Global 전 세계적으로 데이터를 전송합니다.

테스트 프로세스에서 활동 살펴보기 RAW어디에서 isc.py.msg.QueryRequest 행동으로 보여줍니다.

Python 컨텍스트 저장/복원

마지막으로 InterSystems IRIS에 Python 컨텍스트를 저장할 수 있습니다. isc.py.msg.SaveRequest 인수 포함:

• Mask — 마스크를 만족하는 변수만 저장됩니다. 지원 * и ?. 예: "Data*, Figure?". 기본 *.
• MaxLength — 저장된 변수의 최대 길이. 변수의 직렬화가 더 길면 무시됩니다. 모든 길이의 변수를 가져오려면 0으로 설정하십시오. 기본 $$$MaxStringLength.
• Name — 컨텍스트 이름(선택 사항).
• Description — 컨텍스트 설명(선택 사항).

보고 Ens.StringResponse с Id 저장된 컨텍스트 테스트 프로세스에서 활동 살펴보기 Save Context.

관련 요청 isc.py.msg.RestoreRequest InterSystems IRIS에서 Python으로 컨텍스트를 로드합니다.

• ContextId 컨텍스트 식별자입니다.
• Clear — 복원하기 전에 컨텍스트를 지웁니다.

주피터 수첩

주피터 수첩 코드, 시각화 및 텍스트가 포함된 노트북을 만들고 게시할 수 있는 오픈 소스 웹 애플리케이션입니다. Python Gateway를 사용하면 BPL 프로세스를 Jupyter 노트북으로 보고 편집할 수 있습니다. 일반 Python 3 실행기가 현재 사용되고 있습니다.

이 확장은 주석에 Python 코드가 포함되어 있고 선행 제목으로 활동 이름을 사용한다고 가정합니다. 이제 Jupyter Notebook에서 PythonGateway 비즈니스 프로세스를 개발할 수 있습니다. 가능한 것은 다음과 같습니다.

• 새로운 비즈니스 프로세스 생성
• 비즈니스 프로세스 삭제
• 새 활동 만들기
• 변경 활동
• 활동 삭제

여기에 데모 비디오. 그리고 일부 스크린샷:

프로세스 탐색기

프로세스 편집기

설치

1. InterSystems IRIS 2019.2+가 필요합니다.
2. PythonGateway v0.8+ 설치(단지 필요함 isc.py.util.Jupyter, isc.py.util.JupyterCheckpoints и isc.py.ens.ProcessUtils).
3. 리포지토리에서 ObjectScript 코드를 업데이트합니다.
4. 실행하다 do ##class(isc.py.util.Jupyter).Install() 프롬프트를 따릅니다.

Документация.

조사 결과

MLToolkit은 구축된 모델을 비즈니스 프로세스에서 직접 쉽게 사용할 수 있도록 모델과 트랜잭션 환경을 결합하는 것을 목표로 하는 도구 세트입니다. Python Gateway는 MLToolkit의 일부이며 Python 언어와의 통합을 제공하여 Python(많은 데이터 과학자의 기본 환경)에서 생성된 기계 학습 알고리즘을 오케스트레이션하고 수많은 기성 라이브러리를 사용하여 적응형 로봇 분석 AI/ InterSystems 플랫폼 IRIS의 ML 솔루션.

참조

• 이전 기사
• 파이썬 게이트웨이
• Python 게이트웨이 샘플
• 수렴 분석
• 파이썬 3.6.7 64비트
• Python 문서 및 과정

ML툴킷

MLToolkit 사용자 그룹은 InterSystems 기업 GitHub 조직의 일부로 생성된 비공개 GitHub 리포지토리입니다. Python 게이트웨이를 포함하여 MLToolkit 구성 요소를 설치, 학습 또는 이미 사용 중인 외부 사용자를 대상으로 합니다. 이 그룹은 마케팅, 제조, 의학 및 기타 여러 산업 분야에서 수많은 구현 사례(소스 코드 및 테스트 데이터 포함)를 보유하고 있습니다. ML Toolkit 사용자 그룹에 가입하려면 다음 주소로 간단한 이메일을 보내주십시오. [이메일 보호] 편지에 다음 정보를 포함하십시오.

• GitHub 사용자 이름
• 조직(일하거나 공부)
• 직위(조직에서의 실제 직위, "학생" 또는 "독립").
• 국가

기사를 읽고 인공 지능 및 기계 학습 메커니즘을 개발하거나 호스팅하기 위한 플랫폼으로서 InterSystems IRIS에 관심이 있는 사람들을 위해 귀사에서 관심을 가질 수 있는 가능한 시나리오에 대해 논의하도록 초대합니다. 우리는 귀사의 요구 사항을 즉시 분석하고 공동으로 실행 계획을 결정할 것입니다. AI/ML 전문가 그룹의 연락처 이메일 주소 – [이메일 보호].

출처 : habr.com