Monitoramento e registro de logs

Colocando IA em Produção com FastAPI

Matt Eckerle

Software and Data Engineering Leader

Por que monitorar e registrar logs?

 

  • Não dá para depurar em produção
  • O supervisor do app precisa de um health check simples
  • Registrar métricas-chave ao longo do tempo

Software de monitoramento e logging

Colocando IA em Produção com FastAPI

Configurando logs personalizados

 

 

  • Carregar o logger de erro do uvicorn

 

  • Adicionar logs personalizados na inicialização do app

 

  • Adicionar logs personalizados nos endpoints
from fastapi import FastAPI
import logging

logger = logging.getLogger(
    'uvicorn.error'
)

app = FastAPI() logger.info("App is running!")
@app.get('/') async def main(): logger.debug('GET /') return 'ok'
Colocando IA em Produção com FastAPI

Registrando quando um modelo é carregado

from fastapi import FastAPI
import logging
import joblib 

logger = logging.getLogger('uvicorn.error')

model = joblib.load('penguin_classifier.pkl') logger.info("Penguin classifier loaded successfully.") app = FastAPI()
Colocando IA em Produção com FastAPI

Registrando o tempo de processamento com middleware

from fastapi import FastAPI, Request
import logging
import time
logger = logging.getLogger('uvicorn.error')
app = FastAPI()

@app.middleware("http")
async def log_process_time(request: Request, call_next):
    start_time = time.perf_counter()
    response = await call_next(request)
    process_time = time.perf_counter() - start_time
    logger.info(f"Process time was {process_time} seconds.")
    return response
1 https://fastapi.tiangolo.com/tutorial/middleware/
Colocando IA em Produção com FastAPI

Definindo o nível de logging

 

Níveis de logging do Python

uvicorn main:app --log-level debug
Colocando IA em Produção com FastAPI

Monitoramento

 

from fastapi import FastAPI

app = FastAPI()

@app.get("/health") async def get_health(): return {"status": "OK"}

 

 

 

  • "Estou bem!"
Colocando IA em Produção com FastAPI

Compartilhando parâmetros do modelo com o monitoramento

from fastapi import FastAPI
import joblib

model = joblib.load(
    'penguin_classifier.pkl'
)
app = FastAPI()

@app.get("/health") async def get_health(): params = model.get_params() return {"status": "OK", "params": params}

 

 

 

 

 

  • "Estou bem!"
  • "Aqui vão alguns fatos legais sobre mim!"
Colocando IA em Produção com FastAPI

Vamos praticar!

Colocando IA em Produção com FastAPI

Preparing Video For Download...