Monitorowanie i logowanie

Wdrażanie AI na produkcję z FastAPI

Matt Eckerle

Software and Data Engineering Leader

Dlaczego warto monitorować i logować?

 

  • Brak możliwości debugowania na produkcji
  • Supervisor aplikacji potrzebuje prostego health checku
  • Logowanie kluczowych metryk w czasie

Oprogramowanie do monitorowania i logowania

Wdrażanie AI na produkcję z FastAPI

Konfiguracja niestandardowego logowania

 

 

  • Załadowanie loggera błędów uvicorn

 

  • Dodanie własnych logów przy starcie aplikacji

 

  • Dodanie własnych logów do endpointów
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'
Wdrażanie AI na produkcję z FastAPI

Logowanie załadowania modelu

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()
Wdrażanie AI na produkcję z FastAPI

Logowanie czasu przetwarzania za pomocą 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/
Wdrażanie AI na produkcję z FastAPI

Ustawianie poziomu logowania

 

Poziomy logowania w Pythonie

uvicorn main:app --log-level debug
Wdrażanie AI na produkcję z FastAPI

Monitorowanie

 

from fastapi import FastAPI

app = FastAPI()

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

 

 

 

  • "Wszystko w porządku!"
Wdrażanie AI na produkcję z FastAPI

Udostępnianie parametrów modelu w monitorowaniu

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}

 

 

 

 

 

  • "Wszystko w porządku!"
  • "Oto kilka informacji o mnie!"
Wdrażanie AI na produkcję z FastAPI

Czas na ćwiczenia!

Wdrażanie AI na produkcję z FastAPI

Preparing Video For Download...