Monitorizare și jurnalizare

Deployment AI în producție cu FastAPI

Matt Eckerle

Software and Data Engineering Leader

De ce monitorizare și jurnalizare?

 

  • Nu se poate depana în producție
  • Supervizorul aplicației are nevoie de o verificare simplă a stării
  • Jurnalizarea metricilor cheie în timp

Software de monitorizare și jurnalizare

Deployment AI în producție cu FastAPI

Configurarea jurnalizării personalizate

 

 

  • Încărcarea jurnalizatorului de erori uvicorn

 

  • Adăugarea de jurnale personalizate la pornirea aplicației

 

  • Adăugarea de jurnale personalizate la endpoint-uri
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'
Deployment AI în producție cu FastAPI

Jurnalizarea încărcării unui model

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()
Deployment AI în producție cu FastAPI

Jurnalizarea timpului de procesare cu 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/
Deployment AI în producție cu FastAPI

Setarea nivelului de jurnalizare

 

Niveluri de jurnalizare Python

uvicorn main:app --log-level debug
Deployment AI în producție cu FastAPI

Monitorizare

 

from fastapi import FastAPI

app = FastAPI()

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

 

 

 

  • "Sunt funcțional!"
Deployment AI în producție cu FastAPI

Partajarea parametrilor modelului prin monitorizare

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}

 

 

 

 

 

  • "Sunt funcțional!"
  • "Iată câteva detalii despre mine!"
Deployment AI în producție cu FastAPI

Să exersăm!

Deployment AI în producție cu FastAPI

Preparing Video For Download...