Update README

Change-Id: Ibe5059be50e111ee80fa966832809dc6269cd617

Update README
Change-Id: Ibe5059be50e111ee80fa966832809dc6269cd617
2ed3094a · wangguibao · cddf5e6c · 2ed3094a
隐藏空白更改
内联并排

Showing with 338 addition and 1 deletion

README.md README.md +338 -1

未找到文件。
--- a/README.md
+++ b/README.md
-# Paddle-serving cmake project
+[TOC]
+# 概述
+PaddlePaddle是公司开源的机器学习框架，广泛支持各种深度学习模型的定制化开发;
+Paddle cloud是基于PaddlePaddle框架实现的一整套云平台，对外提供全流程的AI开发平台，对内托管集团内各产品线的机器学习云服务。
+Paddle serving是Paddle cloud的在线预测部分，与Paddle cloud模型训练环节无缝衔接，对外提供机器学习预测共有云服务，对内为公司各业务线提供统一的模型预测开发框架和云服务。
+# Getting Started
+## 运行示例
+说明：Imagenet图像分类模型，默认采用CPU模式（GPU模式请修改BCLOUD配置项，并用Dockerfile构建运行环境，[Docker部署请参考Wiki](http://agroup.baidu.com/share/md/044f552e866f4078900be503784e2468)）。
+Step1：启动Server端：
+```shell
+git clone ssh://icode.baidu.com:8235/baidu/paddle-serving/serving  ~/my_paddle_serving/baidu/paddle-serving/serving && cd ~/my_paddle_serving/baidu/paddle-serving/serving && bcloud build &&  ./output/bin/image_class &
+```
+Step2：启动Client端：
+```shell
+git clone ssh://icode.baidu.com:8235/baidu/paddle-serving/sdk-cpp ~/my_paddle_serving/baidu/paddle-serving/sdk-cpp && cd ~/my_paddle_serving/baidu/paddle-serving/sdk-cpp && bcloud build &&  ./output/bin/ximage && pkill image_class
+```
+## 示例说明
+### 预测接口定义
+```c++
+syntax="proto2";
+package baidu.paddle_serving.predictor.image_class;
+option cc_generic_services = true;
+// x-image request相关（批量接口）
+message XImageReqInstance {
+    required bytes image_binary = 1;
+    required uint32 image_length = 2;
+};
+message Request {
+    repeated XImageReqInstance instances = 1;
+};
+// x-image response相关（批量接口）
+message DensePrediction {
+    repeated float categories = 1;
+};
+message ClassResponse {
+    repeated DensePrediction predictions = 1;
+};
+message XImageResInstance {
+    required string response_json = 1;
+};
+message Response {
+    // Each json string is serialized from ClassResponse
+    repeated XImageResInstance predictions = 1;
+};
+// Service/method相关
+service ImageClassifyService {
+    rpc inference(Request) returns (Response);
+    rpc debug(Request) returns (Response);
+};
+```
+### Server端实现
+用户只需定制或配置以下三类信息的实现，即可快速搭建完整的Paddle-Serving预测模块。
+#### 接口改造([proto目录](http://icode.baidu.com/repos/baidu/paddle-serving/serving/tree/master:proto/))
+Server端需对预测接口作如下修改即可：
+```c++
+// 改动1：依赖paddle-serving option接口文件
+import "pds_option.proto";
+...
+service ClassService {
+    rpc inference(Request) returns (Response);
+    rpc debug(Request) returns (Response);
+    // 改动2：打开generate_impl开关(以支持配置驱动)
+    option (pds.options).generate_impl = true;
+};
+```
+#### 示例配置([conf目录](http://icode.baidu.com/repos/baidu/paddle-serving/serving/tree/master:conf/))
+- gflags配置项
+| name | 默认值 | 含义 |
+|------|--------|------|
+| workflow_path | ./conf | workflow配置目录名 |
+|workflow_file|workflow.conf|workflow配置文件名|
+|inferservice_path|./conf|service配置目录名|
+|inferservice_file|service.conf|service配置文件名|
+|logger_path|./conf|日志配置目录名|
+|logger_file|log.conf|日志配置文件名|
+|resource_path|./conf|资源管理器目录名|
+|resource_file|resource.conf|资源管理器文件名|
+|reload_interval_s|10|重载线程间隔时间(s)|
+- 配置文件实例(Image图像分类demo)
+```shell
+# >>> service.conf
+[@Service]
+name: ImageClassifyService
+@workflow: workflow_image_classification
+# >>> workflow.conf
+[@Workflow]
+name: workflow_image_classification
+path: ./conf
+file: imagec_dag.conf
+# >>> imagec_dag.conf
+workflow_type: Sequence
+[@Node]
+name: image_reader_op
+type: ImageReaderOp
+[@Node]
+name: image_classify_op
+type: ImageClassifyOp
+[.@Depend]
+name: image_reader_op
+mode: RO
+[@Node]
+name: write_json_op
+type: WriteJsonOp
+[.@Depend]
+name: image_classify_op
+mode: RO
+# >>> resource.conf
+model_manager_path: ./conf
+model_manager_file: model_toolkit.conf
+```
+#### 定制Op算子([op目录](http://icode.baidu.com/repos/baidu/paddle-serving/serving/tree/master:op/))
+- 预处理算子(ImageReaderOp)：从Request中读取图像字节流，通过opencv解码，填充tensor对象并输出到channel；
+- 预测调用算子(ImageClassifyOp)：从ImageReaderOp的channel获得输入tensor，临时申请输出tensor，调用ModelToolkit进行预测，并将输出tensor写入channel
+- 后处理算子(WriteJsonOp)：从ImageClassifyop的channel获得输出tensor，将其序列化为json字符串，写入作为rpc的output；
+### Client端实现
+用户只需定制或配置以下三类信息，即可方便的接入预估请求，并在本地配置多套服务连接：
+#### 接口改造([proto目录](http://icode.baidu.com/repos/baidu/paddle-serving/sdk-cpp/tree/master:proto))
+Client端接口只需对预测接口作如下修改即可：
+```c++
+// 改动1：依赖paddle-serving option接口文件
+import "pds_option.proto";
+...
+service ImageClassifyService {
+    rpc inference(Request) returns (Response);
+    rpc debug(Request) returns (Response);
+    // 改动2：打开generate_stub开关(以支持配置驱动)
+    option (pds.options).generate_stub = true;
+};
+```
+#### 连接配置([conf目录](http://icode.baidu.com/repos/baidu/paddle-serving/sdk-cpp/tree/master:conf))
+```shell
+# predictions.conf
+## 默认配置共享
+[DefaultVariantInfo]
+Tag : default
+[.Connection]
+ConnectTimeoutMicroSec : 200
+ReadTimeoutMicroSec : 2000
+WriteTimeoutMicroSec : 500
+ConnectRetryCount : 2
+MaxConnectionPerHost : 100
+HedgeRequestTimeoutMicroSec : -1
+HedgeFetchRetryCount : 2
+BnsReloadIntervalSeconds : 10
+ConnectionType : pooled
+[.NamingInfo]
+ClusterFilterStrategy : Default
+LoadBalanceStrategy : la
+[.RpcParameter]
+# 0-NONE, 1-SNAPPY, 2-GZIP, 3-ZLIB, 4-LZ4
+CompressType : 0
+Protocol : baidu_std
+MaxChannelPerRequest : 3
+[@Predictor]
+name : ximage
+service_name : baidu.paddle_serving.predictor.image_class.ImageClassifyService
+endpoint_router : WeightedRandomRender
+[.WeightedRandomRender]
+VariantWeightList : 30|70 # 30% vs 70% pvs
+[.@VariantInfo]
+Tag : var1  # 变体版本标识，提供上游辨识
+[..NamingInfo]
+Cluster : list://127.0.0.1:8010
+[.@VariantInfo]
+Tag : var2
+[..NamingInfo]
+Cluster : list://127.0.0.1:8011
+```
+#### 请求逻辑([demo/ximage.cpp](http://icode.baidu.com/repos/baidu/paddle-serving/sdk-cpp/blob/master:demo/ximage.cpp))
+```c++
+// 进程级初始化
+assert(PredictorAPI::instance().create("./conf/predictions.conf") == 0);
+// 线程级预测调用：
+Request req;
+// fill request
+// ...
+Response res;
+Predictor* ximage = PredictorAPI::instance().fetch_predictor("ximage");
+assert(ximage != NULL);
+ximage->inference(req, res);
+// parse response
+// ...
+assert(PredictorAPI::instance().free_predictor(ximage) == 0);
+// 进程级销毁
+assert(PredictorAPI::instance().destroy() == 0);
+```
+## 凤巢协议兼容
+Paddle Serving由凤巢观星框架发展而来，而之前框架的通信协议是nshead+compack+idl，为方便新老接口的兼容，Paddle Serving的server和client均支持向后兼容：
+- 老API访问新Server，为适配老观星客户端数据包格式，新Server需通过mcpack2pb生成能解析idl格式的pb对象，详见：[wtitleq server实现](http://icode.baidu.com/repos/baidu/paddle-serving/lr-model/tree/master)
+- 新SDK访问老Server，为能够访问老观星server服务，SDK需通过mcpack2pb插件生成基于idl格式的序列化逻辑；详见：[wtitleq api实现](http://icode.baidu.com/repos/baidu/infinite-inference/as-wtitleq-demo/tree/master)。
+凤巢广告拆包支持：Paddle Serving的SDK-Cpp为用户提供了简单易用的拆包功能，通过修改proto/conf文件开启：
+```c++
+// interface.proto文件
+message PredictorRequest {
+    message AdvRequest {
+        // 广告级别字段
+        repeated uint32 ideaid = 1;
+        repeated string title = 2;
+    }
+    // query级别字段
+    required uint64 sid = 1;
+    required string query = 2;
+    // ...
+    // 广告级别字段
+    repeated AdvRequest advs = 3 [(pds.pack_on)=true]; // 改动1：对advs字段进行拆包
+} 
+// ...
+service WtitleqService {
+    rpc ...
+    rpc ...
+    option (pds.options).package_size = 10; // 改动2：限制单包大小
+}
+```
+[wtitleq sdk的proto实例](http://icode.baidu.com/repos/baidu/infinite-inference/as-wtitleq-demo/blob/master:proto/predictor_api.proto)。
+```bash
+# predictions.conf文件
+[@Predictor]
+# ...
+[.@VariantInfo]
+#...
+[..RpcParameter]
+Protocol : itp # 改动3：修改rpc请求参数为itp协议
+```
+[wtitleq sdk的conf实例](http://icode.baidu.com/repos/baidu/infinite-inference/as-wtitleq-demo/blob/master:conf/predictors.conf)。
+# 框架简介
+![图片](http://agroup-bos.cdn.bcebos.com/63a5076471e96a08124b89101e12c1a0ec7b642a)
+- 基础框架：屏蔽一个RPC服务所需的所有元素，让用户只关注自己的业务算子的开发；
+- 业务框架：基于Protobuf定制请求接口，基于有限DAG定制业务逻辑，并行化调度；
+- 模型框架：CPU/FPGA/GPU等硬件异构，多模型间异步优先级调度，新引擎灵活扩展，配置化驱动；
+- 用户接口：搭建服务=定义proto文件+实现/复用Op+撰写配置，支持sdk/http请求；
+## 名词解释
+- 预测引擎：对PaddlePaddle/Abacus/Tensorflow等各种推理计算Lib的封装，屏蔽预测模型动态Reload细节，对上层暴露统一的预测接口；
+- 预测模型：由离线训练框架生成、在线预测引擎加载的数据文件或目录，以PaddleFluid模型为例，通常包括拓扑文件和参数文件；
+- Op 算子：Paddle-serving对在线(预处理/后处理等)业务逻辑的最小粒度封装，框架提供OpWithChannel和OpWithChannelAndConf这两种常用的Op基类；框架默认实现通用Op算子；
+- Node：由某个Op算子类结合参数配置组成的Op算子实例，也是Workflow中的一个执行单元；
+- DAG/Workflow：由若干个相互依赖的Node组成，每个Node均可通过特定接口获得Request对象，节点Op通过依赖关系获得其前置Op的输出对象，最后一个Node的输出默认就是Response对象；
+- Service：对一次pv的请求封装，可配置若干条Workflow，彼此之间复用当前PV的Request对象，然后各自并行/串行执行，最后将Response写入对应的输出slot中；一个Paddle-serving进程可配置多套Service接口，上游根据ServiceName决定当前访问的Service接口。
+![图片](http://agroup-bos.cdn.bcebos.com/2e5e3cdcc9426d16e2090e64e7d33098ae5ad826)
+## 主要功能
+Paddle serving框架为策略工程师提供以下三层面的功能性扩展：
+### 模型
+- 预测引擎：集成PaddlePaddle、Abacus、Tensorrt、Anakin、Tensorflow等常用机器学习框架的预测Lib；
+- 模型种类：支持PaddlePaddle(V1、V2、Fluid)、TensorrtUFF、Anakin、Tensorflow、Caffe等常见模型格式；
+- 用户接口：支持模型加载、重载的配置化驱动，不同种类模型的预测接口完全一致；
+- 模型调度：支持基于异步线程模型的多模型预估调度，实现异构资源的优先级调度；
+### 业务
+- 预测流程：通过有限DAG图描述一次预测从Request到Response的业务流程，节点Node是一个最小逻辑单元——OP；
+- 预测逻辑：框架封装常用预处理、预测计算、后处理等常用OP，用户通过自定义OP算子实现特化处理逻辑；
+### 服务
+- RPC：底层通过Baidu-rpc封装网络交互，Server端可配置化启动多个独立Service，框架会搜集Service粒度的详细业务指标，并按照BVar接口对接到Noah等监控平台；
+- SDK：基于Baidu-rpc的client进行封装，提供多下游连接管理、可扩展路由策略、可定制参数实验、自动分包等机制，支持同步、半同步、纯异步等交互模式，以及多种兼容协议，所有连接策略均通过配置驱动
+# 平台简介
+![图片](http://agroup-bos.cdn.bcebos.com/42a0e34a7c6b36976e3932639209fd823d8f25e0)
+- [运维API](http://agroup.baidu.com/share/md/e582f543fb574e9b92445286955a976d)
+- [预测API](http://agroup.baidu.com/share/md/eb91a51739514319844ceccdb331564c)
+## 名词解释
+- 用户（User）：云平台注册用户，可基于平台Dashboard对账户下的端点信息进行增、删、查、改；
+- 端点（Endpoit）：对一个预测需求的逻辑抽象，通常包含一到多个服务变体，以方便多版本模型管理；
+- 变体（Variant）：一套同质化的Paddle-serving集群服务，每个实例起一个Paddle-serving进程；
+- 实验（A/B Test）：支持变体实验和参数化实验两种模式，变体实验根据Endpoint所属变体流量百分比实现流量随机抽样；参数化实验通过对pv绑定实验参数、由Paddle-serving进程解析参数、选择不同的代码分支进行实验；
+## 主要功能
+在公有云落地场景为Infinite（天衍）云平台，主要为策略工程师提供以下三方面的全流程托管：
+- 统一接入代理：提供代理服务，通过zk和云平台实时同步元信息，支持多模型版本管理和A/B测试路由策略，提供统一入口和标准预测API；
+- 自动化部署：对接K8S/Opera等常见PaaS部署平台，支持服务的一键部署、回滚、下线等运维操作，支持endpoint/variant/model等维度的资源管理；
+- 可视化运维：对接console、notebook、dashboard等前端工具和页面，满足可视化运维需求；
+# 设计文档
+- [总体设计文档](http://agroup.baidu.com/paddleserving/view/office/895070)
+- [框架详设文档](http://agroup.baidu.com:8964/static/a3/e40876e464ba08ae5de14aa7710cf326456751.pdf?filename=PaddleServing%E6%9C%8D%E5%8A%A1%E6%A1%86%E6%9E%B6%E8%AF%A6%E7%BB%86%E8%AE%BE%E8%AE%A1%E6%96%87%E6%A1%A3v0_1.pdf)
+- [平台详设文档](http://agroup.baidu.com/share/office/042a0941579e49adb8c255c8b5e92d51)
+# FAQ
+1. 如何修改端口配置？
+- 使用该框架搭建的服务需要申请一个端口，可以通过以下方式修改端口号：
+- 如果在inferservice_file里指定了port:xxx，那么就去申请该端口号；
+- 否则，如果在gflags.conf里指定了--port:xxx，那就去申请该端口号；
+- 否则，使用程序里指定的默认端口号：8010。
+2. 如何在部署的时候配置动态端口？
+- 如果使用FCCI部署协议(凤巢检索端内部的部署协议)，需要(1)通过inferservice_file指定端口号；(2)修改[Rakefile.opera](http://wiki.baidu.com/pages/viewpage.action?pageId=399979183#id-%E4%BB%8E%E9%9B%B6%E5%BC%80%E5%A7%8B%E5%86%99production-%E7%BC%96%E5%86%99Rakefile)的dynamic_port_config配置
+- `@dynamic_port_config为动态端口配置，向Opera申请名为:name的动态端口，其端口号会被写到:conf文件中的:target配置项。`例子如下：
+```
+@dynamic_port_config = [
+    {:name => 'main', :conf => 'framework/service.conf', :target => 'port'}, // 部署时自动向Opera申请端口，服务将会监听这个端口
+    {:name => 'main', :conf => 'predictor_valid.conf', :target => 'port'}, // valid工具向这个端口发送测试请求，确保服务已正常启动
+]  
+```