Мониторинг и логирование

Развёртывание ИИ в производственной среде с помощью FastAPI

Matt Eckerle

Software and Data Engineering Leader

Зачем нужны мониторинг и логирование?

 

  • В продакшене отлаживаться невозможно
  • Супервизору приложения нужна простая проверка работоспособности
  • Логирование ключевых метрик с течением времени

Программы для мониторинга и логирования

Развёртывание ИИ в производственной среде с помощью FastAPI

Настройка пользовательского логирования

 

 

  • Загрузить логгер ошибок uvicorn

 

  • Добавить пользовательские логи при запуске приложения

 

  • Добавить пользовательские логи к эндпоинтам
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'
Развёртывание ИИ в производственной среде с помощью FastAPI

Логирование загрузки модели

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()
Развёртывание ИИ в производственной среде с помощью FastAPI

Логирование времени обработки с помощью 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/
Развёртывание ИИ в производственной среде с помощью FastAPI

Настройка уровня логирования

 

Уровни логирования Python

uvicorn main:app --log-level debug
Развёртывание ИИ в производственной среде с помощью FastAPI

Мониторинг

 

from fastapi import FastAPI

app = FastAPI()

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

 

 

 

  • «Всё в порядке!»
Развёртывание ИИ в производственной среде с помощью FastAPI

Передача параметров модели через мониторинг

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}

 

 

 

 

 

  • «Всё в порядке!»
  • «А вот несколько интересных фактов обо мне!»
Развёртывание ИИ в производственной среде с помощью FastAPI

Давайте потренируемся!

Развёртывание ИИ в производственной среде с помощью FastAPI

Preparing Video For Download...