複数のモデルをモデルサービングエンドポイントでサーブする

この記事では、 Databricksモデルサービングを利用する CPU サービングエンドポイントに複数のモデルを提供する方法について説明します。

外部モデルによって提供されるものなど、複数の生成AIモデルを提供する場合は、「エンドポイントに複数の外部モデルを提供する」を参照してください。

要件

モデルサービングエンドポイントの作成の要件を参照してください。

モデルサービングエンドポイントのアクセス制御オプションとエンドポイント管理のベストプラクティスガイダンスを理解するには、「モデルサービングエンドポイント ACL」を参照してください。

エンドポイントを作成し、初期トラフィック分割を設定する

Databricks Machine LearningサービングAPIまたはDatabricks Machine Learning UIを使用して、モデルサービングエンドポイントを作成できます。エンドポイントはに登録されている任意のPythonMLflow モデルを提供できます。Model Registry

次の API 例では、2 つのモデルを持つ 1 つのエンドポイントを作成し、それらのモデル間でエンドポイントトラフィックを分割するように設定します。サーブドモデル currentはバージョン 1 of model-A をホストし、エンドポイントトラフィックの 90% を取得し、もう 1 つのサービスモデル challengerはバージョン 1 of model-B をホストし、エンドポイントトラフィックの 10% を取得します。

POST /api/2.0/serving-endpoints

{
   "name":"multi-model"
   "config":{
      "served_entities":[
         {
            "name":"current",
            "entity_name":"model-A",
            "entity_version":"1",
            "workload_size":"Small",
            "scale_to_zero_enabled":true
         },
         {
            "name":"challenger",
            "entity_name":"model-B",
            "entity_version":"1",
            "workload_size":"Small",
            "scale_to_zero_enabled":true
         }
      ],
      "traffic_config":{
         "routes":[
            {
               "served_model_name":"current",
               "traffic_percentage":"90"
            },
            {
               "served_model_name":"challenger",
               "traffic_percentage":"10"
            }
         ]
      }
   }
}

配信モデル間のトラフィック分割の更新

また、配信モデル間のトラフィック分割を更新することもできます。次の API の例では、エンドポイントトラフィックの 50% を取得するようにサービスモデル currentを設定し、残りのトラフィックの残りの 50% を取得するように他のモデル challengerを設定します。

この更新は、 Databricks Machine Learning UI の [配信 ] タブから [ 構成の編集 ] ボタンを使用して行うこともできます。

PUT /api/2.0/serving-endpoints/{name}/config

{
   "served_entities":[
      {
         "name":"current",
         "entity_name":"model-A",
         "entity_version":"1",
         "workload_size":"Small",
         "scale_to_zero_enabled":true
      },
      {
         "name":"challenger",
         "entity_name":"model-B",
         "entity_version":"1",
         "workload_size":"Small",
         "scale_to_zero_enabled":true
      }
   ],
   "traffic_config":{
      "routes":[
         {
            "served_model_name":"current",
            "traffic_percentage":"50"
         },
         {
            "served_model_name":"challenger",
            "traffic_percentage":"50"
         }
      ]
   }
}

エンドポイントの背後にある個々のモデルをクエリーする

シナリオによっては、エンドポイントの背後にある個々のモデルをクエリーしたい場合があります。

これを行うには、以下を使用します。

POST /serving-endpoints/{endpoint-name}/served-models/{served-model-name}/invocations

ここで提供される特定のモデルはクエリーです。要求の形式は、エンドポイントのクエリと同じです。個々のサービスモデルを照会している間、トラフィック設定は無視されます。

multi-model エンドポイントの例のコンテキストでは、すべての要求が /serving-endpoints/multi-model/served-models/challenger/invocationsに送信された場合、すべての要求は challenger サービスモデルによって処理されます。