Ny fihaonambe Habr dia tsy tantara voalohany. Talohan'izay dia nanao hetsika Toaster lehibe ho an'ny olona 300-400 izahay, saingy nanapa-kevitra izahay izao fa ny fivoriana tematika kely dia ho ilaina, ny lalana azonao apetraka, ohatra, ao amin'ny fanehoan-kevitra. Ny fihaonambe voalohany amin'ity endrika ity dia natao tamin'ny volana Jolay ary natokana ho an'ny fampandrosoana backend. Ny mpandray anjara dia nihaino tatitra momba ny endriky ny tetezamita avy any aoriana mankany ML sy momba ny famolavolana ny serivisy Quadrupel ao amin'ny vavahadin'ny State Services, ary nandray anjara tamin'ny latabatra boribory natokana ho an'ny Serverless. Ho an'ireo izay tsy afaka nanatrika mivantana ny hetsika, amin'ity lahatsoratra ity dia milaza aminareo ny zavatra mahaliana indrindra izahay.
Avy amin'ny fampandrosoana backend mankany amin'ny fianarana milina
Inona no ataon'ny injeniera data amin'ny ML? Ahoana no itovizany sy tsy mitovy ny asan'ny mpamorona backend sy injeniera ML? Inona no lalana tokony halehanao hanovana ny asanao voalohany ho amin'ny faharoa? Izany no nolazain'i Alexander Parinov, izay niditra tao amin'ny fianarana milina taorian'ny 10 taona niasany.
Alexander Parinov
Amin'izao fotoana izao, Alexander dia miasa amin'ny maha-mpanao mari-pamantarana rafitra fahitana solosaina ao amin'ny X5 Retail Group ary mandray anjara amin'ny tetikasa Open Source mifandraika amin'ny fahitana solosaina sy ny fianarana lalina (github.com/creafz). Ny fahaizany dia nohamafisin'ny fandraisany anjara amin'ny 100 ambony indrindra amin'ny laharan'ny Kaggle Master (kaggle.com/creafz), sehatra malaza indrindra amin'ny fifaninanana fianarana milina.
Nahoana no mifindra amin'ny fianarana milina
Herintaona sy tapany lasa izay, Jeff Dean, lehiben'ny Google Brain, tetik'asa fikarohana fikarohana artifisialy mifototra amin'ny fianarana lalina ao amin'ny Google, dia nanoritsoritra ny fomba nanovan'ny andalana antsasaka tapitrisa kaody ao amin'ny Google Translate tamin'ny tambajotra neural Tensor Flow izay misy andalana 500 monja. Taorian'ny fampiofanana ny tambajotra dia nitombo ny kalitaon'ny angon-drakitra ary nanjary tsotra kokoa ny fotodrafitrasa. Toa izao no hoavintsika mamiratra: tsy mila manoratra kaody intsony isika, ampy ny manao neurΓ΄nina sy mameno azy ireo angona. Saingy amin'ny fampiharana dia sarotra kokoa ny zava-drehetra.
Fotodrafitrasa ML ao amin'ny Google
Ny tambajotra neural dia ampahany kely amin'ny fotodrafitrasa (ilay efajoro mainty kely eo amin'ny sary etsy ambony). Rafitra fanampiny maro kokoa no takiana mba hahazoana angon-drakitra, fanodinana azy, fitahirizana azy, fanamarinana ny kalitao, sns. Ireo asa rehetra ireo dia mitovy tanteraka amin'ny ataon'ireo mpamorona backend.
Fizotry ny fianarana milina
Inona no maha samy hafa ny ML sy ny backend?
Ao amin'ny fandaharana klasika, manoratra code isika ary izany no mibaiko ny fihetsiky ny programa. Ao amin'ny ML, manana kaody modely kely izahay ary angon-drakitra marobe izay atsipintsika amin'ny modely. Ny angona ao amin'ny ML dia tena zava-dehibe: ny maodely mitovy amin'ny angon-drakitra samihafa dia afaka mampiseho vokatra hafa tanteraka. Ny olana dia ny angon-drakitra dia saika miparitaka sy voatahiry amin'ny rafitra samihafa (database mifandraika, tahiry NoSQL, logs, rakitra).
Data versioning
Ny ML dia mitaky fanovΓ na tsy ny kaody, toy ny amin'ny fampivoarana klasika, fa ny angon-drakitra ihany koa: ilaina ny mahatakatra tsara hoe inona no nampiofanina ny modely. Mba hanaovana izany dia azonao atao ny mampiasa ny tranokalan'ny Data Science Version Control malaza (dvc.org).
Fanamafisana data
Ny asa manaraka dia ny fametahana angona. Ohatra, asio marika ireo zavatra rehetra eo amin'ny sary na lazao hoe iza no kilasy misy azy. Izany dia ataon'ny serivisy manokana toy ny Yandex.Toloka, ny asa izay nohamafisin'ny fisian'ny API iray. Mipoitra ny fahasahiranana noho ny "antoan'olombelona": azonao atao ny manatsara ny kalitaon'ny angon-drakitra ary mampihena ny lesoka amin'ny faran'ny kely indrindra amin'ny alΓ lan'ny fametrahana asa mitovy amin'ny mpilalao maromaro.
Visualization amin'ny Tensor Board
Ilaina ny fitahirizana andrana mba hampitahana ny valiny sy hifidianana ny modely tsara indrindra mifototra amin'ny metrika sasany. Misy fitaovana marobe ho an'ny fijerena sary - ohatra, Tensor Board. Saingy tsy misy fomba tsara hitahirizana andrana. Matetika ny orinasa madinika no manao ny takelaka Excel, raha ny lehibe kosa dia mampiasa sehatra manokana amin'ny fitehirizana valiny ao anaty tahiry.
Misy sehatra maro ho an'ny fianarana milina, saingy tsy misy amin'izy ireo mahafeno ny 70% amin'ny filana
Ny olana voalohany tsy maintsy atrehin'ny olona iray rehefa mametraka modely voaofana ho famokarana dia mifandraika amin'ny fitaovana ankafizin'ny mpahay siansa data - Jupyter Notebook. Tsy misy modularity ao, izany hoe, ny vokatra dia toy izany "footcloth" ny fehezan-dalΓ na izay tsy mizara ho lojika - Modules. Mifamahofaho daholo ny zava-drehetra: kilasy, fiasa, fanamafisam-peo, sns. Sarotra ity kaody ity raha adika sy andrana.
Ahoana no hiatrehana izany? Afaka mametra-pialana ianao, toa an'i Netflix, ary mamorona sehatra anao manokana izay ahafahanao manomboka mivantana ireo solosaina finday ireo amin'ny famokarana, mamindra ny angona amin'izy ireo ho fampidirana ary mahazo valiny. Azonao atao ny manery ireo mpamorona izay manodina ny maodely ho amin'ny famokarana mba hanoratra indray ny kaody amin'ny fomba mahazatra, vakio ho modely. Saingy amin'ity fomba ity dia mora ny manao fahadisoana, ary ny modely dia tsy hiasa araka ny tokony ho izy. Noho izany, ny safidy tsara indrindra dia ny mandrara ny fampiasana ny Jupyter Notebook ho an'ny kaody modely. Raha, mazava ho azy, manaiky izany ny mpahay siansa momba ny data.
Modely toy ny boaty mainty
Ny fomba tsotra indrindra hampidirana modely amin'ny famokarana dia ny fampiasana azy ho boaty mainty. Manana karazana kilasy modely ianao, nomena ny lanjan'ny maodely (parameteran'ny neurons amin'ny tamba-jotra voaofana), ary raha atombokao ity kilasy ity (miantso ny fomba vinavina, omeo sary izy), dia hahazo iray ianao. faminaniana ho vokatra. Tsy maninona izay mitranga ao anatiny.
Avahana ny fizotry ny mpizara miaraka amin'ny modely
Azonao atao ihany koa ny manangana dingana iray manokana ary mandefa izany amin'ny alΓ lan'ny filaharana RPC (miaraka amin'ny sary na angona loharano hafa. Amin'ny famoahana dia hahazo faminaniana isika.
Ohatra iray amin'ny fampiasana modely ao amin'ny Flask:
@app.route("/predict", methods=["POST"])
def predict():
image = flask.request.files["image"].read()
image = preprocess_image(image)
predictions = model.predict(image)
return jsonify_prediction(predictions)
Ny olana amin'ity fomba ity dia ny famerana ny fampisehoana. Andeha atao hoe manana kaody Phyton nosoratan'ny mpahay siansa momba ny data izay miadana, ary tiantsika ny hanakana ny fampisehoana ambony indrindra. Mba hanaovana izany dia azonao atao ny mampiasa fitaovana mamadika ny kaody ho teratany na manova azy ho rafitra hafa namboarina ho an'ny famokarana. Misy fitaovana toy izany ho an'ny rafitra rehetra, saingy tsy misy ny tsara indrindra; tsy maintsy manampy azy ireo ianao.
Ny fotodrafitrasa ao amin'ny ML dia mitovy amin'ny ao amin'ny backend mahazatra. Misy ny Docker sy Kubernetes, ho an'i Docker ihany no mila mametraka runtime avy amin'ny NVIDIA, izay mamela ny dingana ao anatin'ny fitoeran-javatra hiditra amin'ny karatra video amin'ny mpampiantrano. Mila plugin ny Kubernetes mba hahafahany mitantana ireo mpizara amin'ny karatra video.
Tsy toy ny fandaharana klasika, raha ny momba ny ML dia misy singa mihetsika maro samihafa ao amin'ny fotodrafitrasa izay tokony hojerena sy hosedraina - ohatra, code fanodinana data, fantsona fanofanana modely ary famokarana (jereo ny sary etsy ambony). Zava-dehibe ny hitsapana ny fehezan-dalΓ na mampifandray ny ampahany samihafa amin'ny fantsona: misy ampahany maro, ary matetika ny olana dia mipoitra amin'ny sisin'ny module.
Ahoana ny fiasan'ny AutoML
Ny serivisy AutoML dia mampanantena fa hifidy ny modely tsara indrindra ho an'ny tanjonao ary hampiofana azy. Saingy mila mahatakatra ianao: ny angona dia tena zava-dehibe amin'ny ML, ny vokatra dia miankina amin'ny fanomanana azy. Ny marika dia ataon'ny olona, ββizay feno fahadisoana. Raha tsy misy fanaraha-maso hentitra, dia mety ho fako ny vokatra, ary tsy mbola azo atao ny manao automatique ny dingana; ilaina ny fanamarinana avy amin'ny manam-pahaizana manokana - mpahay siansa momba ny data. Eto no rava ny AutoML. Saingy mety ilaina amin'ny fisafidianana maritrano - rehefa efa nanomana ny angon-drakitra ianao ary te-hanao fanandramana maromaro hahitana ny modely tsara indrindra.
Ahoana ny fomba hidirana amin'ny fianarana milina
Ny fomba tsotra indrindra hidirana amin'ny ML dia raha mivoatra amin'ny Python ianao, izay ampiasaina amin'ny rafitra fianarana lalina rehetra (sy ny rafitra mahazatra). Ity fiteny ity dia saika tsy maintsy atao amin'ity sehatry ny asa ity. C ++ dia ampiasaina amin'ny asa fahita amin'ny solosaina sasany, ohatra, amin'ny rafitra fanaraha-maso ho an'ny fiara mitondra fiara. JavaScript sy Shell - ho an'ny sary sy zavatra hafahafa toy ny fampandehanana neuron ao amin'ny navigateur. Java sy Scala dia ampiasaina rehefa miasa amin'ny Big Data sy amin'ny fianarana milina. R sy Julia dia tian'ny olona mianatra statistika matematika.
Ny fomba mora indrindra hahazoana traikefa azo atomboka dia ao amin'ny Kaggle; ny fandraisana anjara amin'ny fifaninanana iray amin'ny sehatra dia manome mihoatra ny herintaona fianarana teoria. Amin'ity sehatra ity dia azonao atao ny maka kaody navoakan'ny olon-kafa sy naneho hevitra ary manandrana manatsara azy, manatsara izany ho an'ny tanjonao. Bonus - misy fiantraikany amin'ny karamanao ny laharan'ny Kaggle anao.
Safidy iray hafa dia ny fidirana amin'ny ekipa ML ho mpandrindra backend. Betsaka ny fanombohana fianarana milina izay ahafahanao mahazo traikefa amin'ny fanampiana ireo mpiara-miasa aminao hamaha ny olany. Farany, afaka miditra amin'ny iray amin'ireo vondrom-piarahamonina siantifika data ianao - Open Data Science (ods.ai) sy ny hafa.
Namoaka fanazavana fanampiny momba ilay lohahevitra tao amin'ny rohy ilay mpandahateny
"Quadrupel" - serivisy fampahafantarana kendrena amin'ny vavahadin-tserasera "Services de l'Etat"
Evgeny Smirnov
Ny mpandahateny manaraka dia ny lehiben'ny sampana fampandrosoana fotodrafitrasa e-governemanta, Evgeny Smirnov, izay niresaka momba ny Quadruple. Ity dia serivisy fampahafantarana nokendrena ho an'ny vavahadin'i Gosuslugi (gosuslugi.ru), loharanon'ny governemanta be mpitsidika indrindra ao amin'ny Runet. Ny mpihaino isan'andro dia 2,6 tapitrisa, amin'ny fitambarany dia 90 tapitrisa ny mpampiasa voasoratra anarana ao amin'ny tranokala, izay 60 tapitrisa no voamarina. Ny entana ao amin'ny vavahadin-tserasera API dia 30 arivo RPS.
Teknolojia ampiasaina ao ambadiky ny Sampan-draharaham-panjakana
"Quadrupel" dia serivisy fampahafantarana kendrena, miaraka amin'ny fanampian'ny mpampiasa mahazo tolotra serivisy amin'ny fotoana mety indrindra ho azy amin'ny alΓ lan'ny fametrahana fitsipika fampahafantarana manokana. Ny fepetra lehibe indrindra amin'ny fampivoarana ny serivisy dia ny toe-javatra miovaova sy ny fotoana sahaza ho an'ny mailaka.
Ahoana no fiasan'ny Quadrupel?
Ny kisary etsy ambony dia mampiseho ny iray amin'ireo fitsipiky ny fiasan'ny Quadrupel amin'ny fampiasana ny ohatra amin'ny toe-javatra iray amin'ny filΓ na fanoloana ny fahazoan-dΓ lana mamily. Voalohany, ny serivisy dia mitady ireo mpampiasa izay lany daty lany ao anatin'ny iray volana. Nasehon'izy ireo ny sora-baventy misy tolotra handray ny serivisy mety ary misy hafatra alefa amin'ny mailaka. Ho an'ireo mpampiasa izay efa tapitra ny fe-potoana dia miova ny sora-baventy sy ny mailaka. Aorian'ny fifanakalozam-pahefana mahomby dia mahazo fampandrenesana hafa ny mpampiasa - miaraka amin'ny soso-kevitra hanavao ny angon-drakitra amin'ny maha-izy azy.
Amin'ny lafiny teknika, ireo dia script groovy izay nanoratana ny code. Ny fampidirana dia data, ny vokatra dia marina / diso, mifanentana / tsy mifanentana. Misy fitsipika 50 mahery amin'ny fitambarany - manomboka amin'ny famaritana ny fitsingerenan'ny andro nahaterahan'ny mpampiasa (ny daty ankehitriny dia mitovy amin'ny daty nahaterahan'ny mpampiasa) ka hatramin'ny toe-javatra sarotra. Isan'andro, ireo fitsipika ireo dia mamaritra lalao iray tapitrisa eo ho eo β olona mila ampahafantarina.
Fantsona fampahafantarana quadrupel
Eo ambanin'ny saron'ny Quadrupel dia misy angon-drakitra izay itahirizana ny angona mpampiasa, ary fampiharana telo:
- mpiasa natao hanavaozana ny angona.
- Rest API maka sy manatitra ny sora-baventy amin'ny vavahadin-tserasera sy ny fampiharana finday.
- Mpandahatra fandaharana manomboka asa amin'ny fanisana sora-baventy na mailaka faobe.
Mba hanavaozana ny angona, ny backend dia entin'ny hetsika. Fifandraisana roa - miala sasatra na JMS. Be dia be ny hetsika, alohan'ny hanangonana sy hikarakarana dia atambatra mba tsy hanaovana fangatahana tsy ilaina. Ny angon-drakitra mihitsy, ny latabatra itahirizana ny angona, dia toa tranombarotra manan-danja - ny fanalahidin'ny mpampiasa sy ny sandany: saina manondro ny fisiana na tsy fisian'ny antontan-taratasy mifandraika amin'izany, ny fe-potoana manan-kery, ny antontan'isa natambatra amin'ny filaharan'ny serivisy ity mpampiasa ity, sy ny sisa.
Aorian'ny fitehirizana ny angon-drakitra dia misy asa napetraka ao amin'ny JMS mba hamerenana avy hatrany ny sora-baventy - tsy maintsy aseho avy hatrany amin'ny tranonkala izany. Manomboka amin'ny alina ny rafitra: atsipy ao amin'ny JMS ny asa amin'ny vanim-potoanan'ny mpampiasa, izay mila averina kajy ny fitsipika. Raisin'ny processeurs tafiditra amin'ny recalculation izany. Manaraka, ny valin'ny fanodinana dia mandeha amin'ny filaharana manaraka, izay mamonjy ny sora-baventy ao amin'ny angon-drakitra na mandefa ny asa fampahafantarana ny mpampiasa amin'ny serivisy. Ny dingana dia maharitra 5-7 ora, mora azo scalable noho ny zava-misy fa azonao atao foana na manampy mpitantana na manangana tranga miaraka amin'ny mpitantana vaovao.
Miasa tsara ny serivisy. Saingy mitombo ny habetsaky ny angon-drakitra satria mihamaro ny mpampiasa. Izany dia mitarika amin'ny fitomboan'ny enta-mavesatra eo amin'ny angon-drakitra - na dia amin'ny fiheverana aza ny hoe ny Rest API dia mijery ny kopia. Ny teboka faharoa dia ny JMS, izay, araka ny hita, dia tsy mety loatra noho ny fanjifana fitadidiana ambony. Atahorana be ny fihoaran'ny filaharana ka mahatonga ny JMS hianjera ary hijanona ny fanodinana. Tsy azo atao ny manangana ny JMS aorian'izany raha tsy manadio ny log.
Nokasaina hamaha ny olana amin'ny fampiasana sharding, izay ahafahana mampifandanja ny enta-mavesatra amin'ny angon-drakitra. Misy ihany koa ny fikasana hanova ny rafitra fitahirizana angon-drakitra, ary hanova ny JMS ho Kafka - vahaolana mandefitra kokoa izay hamaha ny olan'ny fitadidiana.
Backend-as-Service vs. Tsy misy mpizara
Avy any ankavia miankavanana: Alexander Borgart, Andrey Tomilenko, Nikolay Markov, Ara Israelyan
Backend ho serivisy na vahaolana tsy misy serivisy? Ireo mpandray anjara tamin'ny adihevitra momba ity olana goavana teo amin'ny latabatra boribory dia:
- Ara Israelyan, CTO CTO ary mpanorina ny Scorocode.
- Nikolay Markov, Senior Data Engineer ao amin'ny Aligned Research Group.
- Andrey Tomilenko, lehiben'ny departemanta fampandrosoana RUVDS.
Ny resaka dia notarihin'ny mpamorona zokiolona Alexander Borgart. Izahay dia manolotra ny adihevitra izay nandraisan'ny mpihaino anjara tamin'ny dikan-teny fohy.
β Inona no atao hoe Serverless amin'ny fahalalanao?
Andrew: Ity dia maodely informatika - fiasa Lambda izay tsy maintsy manodina angona ka tsy miankina amin'ny angona ihany ny vokatra. Ny teny dia avy amin'ny Google na avy amin'ny Amazon sy ny serivisy AWS Lambda. Mora kokoa ho an'ny mpamatsy iray ny mitantana ny asa toy izany amin'ny alΓ lan'ny fanokanana dobo mahazaka ho azy. Ny mpampiasa samihafa dia azo raisina tsy miankina amin'ny lohamilina iray ihany.
Nicholas: Raha tsorina dia mamindra ny ampahany amin'ny fotodrafitrasa informatika sy ny lojikan'ny fandraharahana any amin'ny rahona izahay, mankany amin'ny outsourcing.
boloky: Amin'ny ampahany amin'ny developer - ezaka tsara mba hamonjena loharanon-karena, avy amin'ny mpivarotra - mba hahazoana vola bebe kokoa.
β Mitovy amin'ny serivisy micro ve ny tsy misy mpizara?
Nicholas: Tsia, ny Serverless dia fikambanana ara-drafitra kokoa. Ny microservice dia singa atomika amin'ny lojika sasany. Ny tsy misy mpizara dia fomba fiasa fa tsy "antoko misaraka".
boloky: Ny fiasa tsy misy mpizara dia azo ampidirina amin'ny serivisy micro, saingy tsy ho Serverless intsony izany, tsy ho lasa fiasa Lambda intsony. Ao amin'ny Serverless, ny asa iray dia manomboka miasa amin'ny fotoana angatahana azy.
Andrew: Tsy mitovy ny androm-piainany. Nanokatra ny fiasa Lambda izahay ary adinonay izany. Niasa nandritra ny segondra vitsivitsy izy io, ary afaka manodina ny fangatahany amin'ny milina ara-batana hafa ny mpanjifa manaraka.
- Iza amin'ireo mizana no tsara kokoa?
boloky: Rehefa manao scaling mitsivalana, ny fiasan'ny Lambda dia mitovy amin'ny microservices.
Nicholas: Na inona na inona replica apetrakao dia ho betsaka amin'izy ireo; Tsy manana olana amin'ny scaling ny Serverless. Nanao dika mitovy amin'ny Kubernetes aho, namoaka tranga 20 βany ho anyβ, ary rohy tsy fantatra anarana 20 no naverina taminao. Mandrosoa!
β Azo atao ve ny manoratra backend amin'ny Serverless?
Andrew: Ara-teorika fa tsy misy dikany. Ny fiasa Lambda dia hiantehitra amin'ny tahiry tokana - mila miantoka antoka isika. Ohatra, raha nanao fifampiraharahana iray ny mpampiasa iray, dia tokony ho hitany amin'ny fotoana manaraka ny fifandraisany: natao ny fifampiraharahana, voaray ny vola. Ny fiasan'ny Lambda rehetra dia hanakana amin'ity antso ity. Raha ny marina, andiana asa tsy misy Server dia hivadika ho serivisy tokana miaraka amin'ny teboka fidirana amin'ny tavoahangy mankany amin'ny angon-drakitra.
β Amin'ny toe-javatra manao ahoana no maha-zava-dehibe ny fampiasana rafitra tsy misy mpizara?
Andrew: Asa izay tsy mitaky fitahirizana iombonana - fitrandrahana mitovy, blockchain. Aiza no mila manao fanisana betsaka. Raha manana hery informatika be dia be ianao, dia azonao atao ny mamaritra asa toy ny "kajy ny hash misy zavatra ao ..." Saingy azonao atao ny mamaha ny olana amin'ny fitahirizana angon-drakitra amin'ny alΓ lan'ny fakana, ohatra, ny fiasan'ny Lambda avy amin'ny Amazon sy ny fitehirizana azy ireo. . Ary hita fa manoratra serivisy tsy tapaka ianao. Ny fiasa Lambda dia hiditra amin'ny fitahirizana ary hanome karazana valiny ho an'ny mpampiasa.
Nicholas: Ny kaontenera mandeha amin'ny Serverless dia tena voafetra ny loharanon-karena. Kely ny fitadidiana sy ny zavatra hafa rehetra. Saingy raha apetraka tanteraka amin'ny rahona sasany ny fotodrafitrasanao manontolo - Google, Amazon - ary manana fifanarahana maharitra amin'izy ireo ianao, dia misy teti-bola ho an'izany rehetra izany, dia ho an'ny asa sasany dia azonao atao ny mampiasa kaontenera tsy misy Server. Ilaina ny ao anatin'io fotodrafitrasa io, satria ny zava-drehetra dia natao ho an'ny fampiasana amin'ny tontolo manokana. Izany hoe, raha vonona ny hamatotra ny zava-drehetra amin'ny fotodrafitrasa rahona ianao dia afaka manandrana. Ny tombony dia tsy mila mitantana ity fotodrafitrasa ity ianao.
boloky: Ny hoe tsy mitaky anao hitantana Kubernetes, Docker, fametrahana Kafka, sy ny sisa ny Serverless dia famitahana tena. Ny Amazon sy Google ihany no mametraka izany. Ny zavatra iray hafa dia manana SLA ianao. Azonao atao ihany koa ny manondrana ny zava-drehetra fa tsy ny tenanao manokana.
Andrew: Tsy lafo ny serverless, saingy tsy maintsy mandoa vola be ianao amin'ny serivisy Amazon hafa - ohatra, ny angon-drakitra. Efa nitory azy ireo ny olona satria nandoa vola adaladala ho an'ny vavahadin'ny API.
boloky: Raha miresaka momba ny vola isika, dia mila mandinika ity teboka ity ianao: tsy maintsy mamadika ny fomba fampandrosoana manontolo ao amin'ny orinasa 180 degre ianao mba hamindra ny code rehetra amin'ny Serverless. Mitaky fotoana sy vola be izany.
β Misy safidy mendrika ho an'ny tsy misy Server karama avy amin'ny Amazon sy Google ve?
Nicholas: Ao amin'ny Kubernetes, manomboka karazana asa ianao, mandeha sy maty - tena tsy misy mpizara izany raha jerena amin'ny fomba fijery ara-javakanto. Raha te hamorona lojika raharaham-barotra tena mahaliana miaraka amin'ny filaharana sy angon-drakitra ianao, dia mila mieritreritra bebe kokoa momba izany ianao. Azo voavaha izany rehetra izany raha tsy miala amin'ny Kubernetes. Tsy hanahirana aho hisintona fampiharana fanampiny.
β Inona no maha-zava-dehibe ny fanaraha-maso ny zava-mitranga ao amin'ny Serverless?
boloky: Miankina amin'ny rafitra rafitra sy ny fepetra takian'ny orinasa. Amin'ny ankapobeny, ny mpamatsy dia tsy maintsy manome tatitra izay hanampy ny ekipa devops hahatakatra ny olana mety hitranga.
Nicholas: Amazon dia manana CloudWatch, izay handefasana ny logs rehetra, anisan'izany ny avy amin'ny Lambda. Ampifandraiso ny fandefasana log ary ampiasao fitaovana mitokana ho an'ny fijerena, fanairana, sns. Azonao atao ny mampiditra mpiasa ao amin'ny kaontenera natombokao.
- Aleo fintinina.
Andrew: Mahasoa ny mieritreritra ny fiasan'ny Lambda. Raha mamorona serivisy ho anao ianao - tsy microservice, fa iray izay manoratra fangatahana, miditra amin'ny angon-drakitra ary mandefa valiny - mamaha olana maromaro ny Lambda: miaraka amin'ny multithreading, scalability, sns. Raha toa ka aorina amin'izany fomba izany ny lojikao, dia ho afaka hamindra ireo Lambdas ireo amin'ny microservices ianao amin'ny hoavy na hampiasa serivisy antoko fahatelo toa an'i Amazon. Mahasoa ny teknolojia, mahaliana ny hevitra. Mbola fanontaniana misokatra ihany ny maha ara-drariny azy ho an'ny orinasa.
Nikolay: Ny serverless dia tsara kokoa ampiasaina amin'ny asa fampandehanana fa tsy amin'ny kajy ny lojikan'ny orinasa. Heveriko ho toy ny fikarakarana hetsika foana izy io. Raha manana izany ao amin'ny Amazon ianao, raha any Kubernetes ianao, eny. Raha tsy izany, dia tsy maintsy manao ezaka be ianao mba hahatonga ny Serverless ary mihazakazaka irery. Ilaina ny mijery raharaham-barotra manokana. Ohatra, ny iray amin'ireo asako ankehitriny dia: rehefa miseho amin'ny kapila amin'ny endrika iray ny rakitra dia mila mampiditra azy ao amin'ny Kafka aho. Afaka mampiasa WatchDog na Lambda aho. Amin'ny fomba fijery lojika dia mety ny safidy roa, fa amin'ny lafiny fampiharana dia sarotra kokoa ny Serverless, ary aleoko ny fomba tsotra kokoa, tsy misy Lambda.
boloky: Hevitra mahaliana, azo ampiharina ary tena tsara ara-teknika ny tsy misy mpizara. Na ho ela na ho haingana, ny teknolojia dia ho tonga amin'ny toerana izay hanombohan'ny asa rehetra ao anatin'ny 100 milisegondra latsaka. Avy eo, amin'ny fitsipika, dia tsy hisy fanontaniana raha toa ka zava-dehibe ho an'ny mpampiasa ny fotoana fiandrasana. Mandritra izany fotoana izany, ny fampiharana ny Serverless, araka ny efa nolazain'ireo mpiara-miasa, dia miankina tanteraka amin'ny olana ara-barotra.
Misaotra ny mpanohana anay izay nanampy betsaka anay:
- toerana fihaonambe IT «»ho an'ny tranokalan'ny fihaonambe.
- Kalandrie momba ny hetsika IT ary publication"Β» ho fanohanana vaovao sy vaovao.
- Β«"ho fanomezana.
- ho fiarahana famoronana.
- "Association for Electronic Communications" ho an'ny fandraisana anjara sy traikefa.
- mpanohana lehibe - ho an'ny rehetra!
Source: www.habr.com