| 编辑推荐: |
本文主要介绍了人工智能与机器学习、机器学习算法原理与实现及云机器学习平台架构实践，希望对你的学习有帮助。
本文来自于CSDN，由火龙果软件Linda编辑、推荐。 |
|
人工智能与机器学习介绍
图 1 这些是人工智能吗
机械自动化。昨天洪教授讲到了第一工业革命就是蒸汽机，第二次是流水线。其实很早以前我们就有机械自动化，我们就用电控制舵机做一些重复的操作。但是最近我们看到了更多是把机械自动化描述成人工智能工厂。然而很多工厂只是用到了机械，但是却被描述成智能工厂。
字符串生成。前一阵子还发生一个笑话，Facebook他们生成字符串的应用有个bug，导致生成乱码，却被媒体宣称为机器人自己发明的一种语言，它们在交流。其实并不是，在那种模型里面他们用机器学习生成字符串，但生成字符串并不需要人工智能，还有很多别的方法。
验证码识别。还有比较可笑的验证码识别，这也是很多年前的技术了，但被某电视台的新闻栏目，宣称他们抓获了全球第一例人工智能黑客技术犯罪，其实是有人提供验证码自动识别的服务而已。
作为我们行业内的人来看，这些都不是人工智能，只是满足PR或者行业投资的需求，从技术实现的角度，这些绝大部分都不是人工智能。
图1的右边是我生成的一个Numpy数组，可以用表示一个AlphaGo的模型。有人以为AlphaGo会自己跟自己下棋，并且自学了围棋的规则，甚至开玩笑说自己悄悄地用网络对战平台和别人下棋。但从专业的角度来看，AlphaGo只是这样一个多维数组，里面有很多浮点数代表了模型的权重。如果把AlphaGo打印出来，它就是一个数组，它的输入就是一个表示棋盘的Tensor，输出是下子的概率和赢棋的概率。而且AlphaGo围棋的规则是程序员编码硬实现的，包括怎么判断游戏的输赢。这些都是目前人工智能或者说机器学习不可能解决的。
图2 机器学习定义
我们来看一下人智能它比较经典的定义，这是一本机器学习教材，作者Mitchell被公认是机器学习之父。它对机器学习的定义：一个计算机程序，它在某一个task里面，根据以前的经验experience，可以通过计算来提高performance。总结一下就是：在一定的场景里面，我们定义一个指标，如果我们有标记好的数据，也就是样本，然后通过计算得到一个模型。模型的输入是样本，输出是预测的概率。所谓的机器学习就是一个计算的过程，无论是训练还是预测。
图3 机器学习应用
图3是一些典型的机器学习应用。给我1000张标记为猫的照片，得到一个识别猫的模型，并且正确率越高越好。给我1000万盘围棋的棋局，得到一个AlphoGo模型。给我信用卡的历史操作记录，得到一个反欺诈模型。
怎么得到这个模型其实是最复杂的。数据往往是非结构化的，有各种类型，我们没有一个得到模型的统一方式。而且有些是分类模型（识别猫），有些是生成的模型（GAN），它们的应用场景都不一样。
图4 得到机器学习应用1
模型的训练过程很复杂。我们都知道给我1000张猫的图片，能得到一个识别猫的模型。问题是能不能训练出一个比GoogleNet或者ResNet效果更好的模型。真正做机器学习应用的，都需要做到图4中的过程，并不是说给我猫的图片就可以得到很好的模型。一般的过程，包括这几个部分：
定义模型的使用场景，也就是业务逻辑。场景定义有很多种，包括二分类，多分类。很多时候我们在做一些银行的业务，目标是提高利润。但这并不是机器学习业务能理解的东西。假设这是一个营销的业务，系统会给用户发送理财产品推荐的短信。我们把场景定义成二分类，即推荐什么样的理财产品用户的购买概率更高，对这个理财产品可以做模型预测，即买或是不买的概率。
数据清洗。数据清洗跟传统的大数据处理其实没什么区别，有些特征可能需要补全或者去掉。用到的技术就是，MR（MapReduce）或者Spark，还会用到Knowledge
Graph的领域知识。
特征抽取。我们要从数据里生成一些特征，特征其实也是数据的字段，但只是用于机器学习。例如数据里可能有人的性别和年龄，但生成的特征可能是几十万维甚至几百万维的。例如对于线性模型，我们不能将原始数据直接放进去。怎么做特征抽取呢？这跟后面使用的模型框架有关，我们必须生成框架支持的格式。在真正做的时候我么会定义一个特征抽取的DSL，用户通过简单的描述就可以将生成Spark任务。对DSL我们做了一个AST的parser，可以支持像libsvm或者TensorFlow的TFRecord格式。
模型训练。在训练的时候选择就很多了，业界已经证明的一些机器学习算法有LR、GBDT、DNN、NB（Naive
Bayes）等。还有我们自研的将离散值转连续值的算法HETreeNet，因为树模型对连续值支持更好。我们可以使用不同的框架，例如TensorFlow就是一个很好的DNN框架。
模型上线。模型上线以后就是一个服务，我们可以部成一个微服务或者单机起的一个进程。我们目前用Thrift
server。上线以后同样要解决例如负载均衡和高可用的问题，还有认证授权，我们使用AKSK的加密方法。
自学习。跟普通的应用不一样，大部分机器学习模型都是有时效性的。例如头条里面的推荐，最近一个月大家都在关注娱乐，那么娱乐特征可能是重要的，那我们就要拿增量的数据来继续训练模型。这里我们就需要一些SDK的功能，还要支持不同的数据源。模型训练可能是离线的，我们从Database里取出数据就可以了，在自学习时可能就要接Kafka或者一些Streaming的数据。我们模型的框架还支持online
learning，也就是在线更新模型权重。
今天会花比较多时间给大家介绍两部分，第一个是机器学习的算法，第二是怎么搭建一个机器学习的平台。
机器学习算法
图5 逻辑回归1
机器学习的算法很多，这里不能一一介绍。主要给大家介绍逻辑回归的实现。现在DNN很火，大家都在聊DNN、CNN、LSTM。做图像、自然语言还有语音处理这些非结构化的数据里面会用到CNN或者LSTM。但在我的工作场景里面，大部分都是银行的业务，我们用的最多的模型是LR（逻辑回归），包括我同事在百度凤巢做的CTR预估。不同的机器学习算法都可以解决像二分类或者回归的问题，但实现原理和针对的数据是不一样的。如果大家有看AlphaZero论文，就知道它的算法并不是用逻辑回归，而是用ResNet，等一下会介绍AlphaZero的实现。但是这里面有一个问题，我们可不可以用逻辑回归来代替ResNet？答案是可以的，其实AlphaGo是一个蒙特卡洛搜索和一个NN神经网络，之所以不用逻辑回归是由于逻辑回归是一个线性模型，没有很强的表达能力，如果我们的特征做的足够复杂，也可以训练一下模型LR-based的AlphaZero模型，但肯定达不到DeepMind的效果了。
这里介绍一下逻辑回归的实现。LR是一个监督模型，也就是必须要有训练样本。 LR也是一个线性模型，就是说你给的特征是有线性关系的，例如我们训练一个模型，可以根据年龄来预测收入。我们通常认为年龄越高收入越高，其实并不是这样的，例如超过了60岁，年龄跟收入是成反比的，这里就不能只用年龄了作为特征。它是高性能的，等一下会介绍，只需要做一个加法就可以了。LR是高性能的，因为一次预测只需一次加法运算，这跟神经网络要做矩阵的乘法和加法是不一样的。LR的可解析性强，它的每个权重都是人可以理解的，有一定的含义。LR的扩拓展性强，很容易实现一个分布式的LR，支持亿万维的特征。即使是TensorFlow也无法支持这么高维度的模型。
图6 逻辑回归2
图6是一个例子。逻辑回归需要的样本是用数字编码好的，我们原始的输入可能是字符串，男和女，或者是一个英文，这就需要特征抽取进行编码。像年龄，刚才提到了，因为逻辑回归是一个线性的模型，因此并不会把年龄作为特征，这里简单做了一个分桶。这里有一个隐藏的含义，假设年龄0到30，预测它的收入是大于50万，两者是线性相关的。如果是成正比的话，这个权重就会大于0，年龄越大这个权重得到的越大，实际上并不是这样的，做机器学习里面有很对trick，比如说这个分桶不一定有效的，我们把它做成多分桶的，甚至每一岁做一个特征，这里可能就有80个特征。这是一个简单的例子，如果我们可以收集到这样一些样本，把它进行0-1编码，我们就可以训练一个LR的模型。实际上模型是什么？DNN的模型是一个矩阵，而LR的模型就是一维的数组，数组的长度跟特征的维度一样多的，每个特征都对应一个权重。
图7 逻辑回归3
当我们来一个新的样本，知道他的性别男，年龄27岁。怎么预测他的收入是不是大于50呢？逻辑回归的算法很简单了，数据维度跟特征维度是一样，乘以样本，把对应维度里面的值相加。如果场景是二分类，经过激活函数得到一个值，大于1的我们就认为是1；如果它是一个回归的问题，就不需要激活函数了，得到的就是一个预测值。
LR是很简单的，前面我们看到图象分类，AlphaGo的下棋都可以用这个简单的模型。包括我们做的信用卡的反欺诈，可以把用户信息、消费记录，包括消费的时间地点进行编码。更复杂的情况，我们把年龄和性别做一个组合，会生成新的特征，即男30到60岁，女30到60岁等。我们可能会发现只有在特定的性别和年龄的组合上，权重才是更高的。我们如果把原始特征这样编码，LR学不出这种非线性的变换，这个时候需要有更强大的特征工程能力，可以对这种特征做任意的组合，或者根据我们的业务经验生成更好的特征。以前在凤巢的时候就是不断地做特征，不断地加，最后发现效果特别好的特征，最后准确率就提高了。现在大家都说DNN可以自动调参，但在真实场景下这个过程是不可避免的。即使用很复杂的模型，我们的特征不做分桶交叉，也很难得到很好的模型。
如果是做图像处理，我们就在每一维里记录图像的像素值，然后把像素值最为一个特征。如果做图象分类，肯定不会用逻辑回归，因为图象的特征，它并不是跟你的目标线性相关的，我们只能用更复杂的模型如CNN和DNN来表达这种能力。
图8 逻辑回归3
怎么实现逻辑的回归？如果用TensorFlow实现就很简单，图8就是一个完整的实现逻辑回归模型，可以把图片加载进来进行多分类。标出来的部分（第一个红框）定义了一些Variable，这里面就是我们的所谓的模型，这里定义了一个矩阵，维度是784×10。为什么784？因为我们用的数据集是手写的数据识别的数据集，大小是28×28，它的象素就有784个，它的模型也是784，因为它是10分类，它的模型其实就是784×10，把这个分类模型打印出来，得到的是一个矩阵，有784行，每一行有10列。
下面（第二个红框所示）定义的是我们模型训练的方法，我们可以定义不同的损失函数。 给一个模型，不同的权重乘以图片的输入，再跟真实的Label来比，它们相差多少，不同模型可以用不同的指标。图像分类我们经常会用这种交叉商；如果是一个回归的问题，例如相乘以后得到一个预测收入（前文的例子），这边是实际的收入，我们怎么描述它们的差别，我们可以做一个相减，然后求平方或者绝对值。这里是为了让TesnorFlow知道你怎么描述loss，tenserflow有一个自己求梯度的系统，会给你求函数的梯度，让模型往梯度最低的地方走，然后让loss降低，loss越低表示预测值和真实值相差越小。实际上我们可以自己实现一个自动求梯度的框架。
图9 逻辑回归4
总结一下，逻辑回归是一个简单而强大的机器学习算法，广泛用于推荐系统，CTR等场景。LR是一个线性模型，所以使用前需要一些特征工程的步骤。LR的模型是一维数组，数组里面的权重可以用浮点数或者双精度浮点数来表示，数组的长度和特征的维度相同。LR要定义loss函数作为指标，如CrossEntropy。LR训练时要优化loss，流行的方法是梯度下降算法，它有很多优化器，比如Adagrad优化器。
LR特别容易训练，预测的性能特别高，也很容易实现分布式训练。怎么实现分布式训练呢？一般我们会有一个Parameter
server，存它的模型，它的模型就是数组，我们把这个存起来，这个模型可以很大。Parameter
server在工程上就是一个KV数据库，可以用HBase，如果单机放得下也会用Redis，甚至在内存里面也可以实现Parameter
server。一般不会用NoSQL去实现， 昨天洪教授也提到了权重更新可能很频繁，并不需要每训练一次就把真实的值写到NoSQL里面，写到NoSQL里面会落盘，但我们并没有一致性的要求。实际上我们很多Parameter
server都是基于内存实现的，它挂了会有丢数据的情况，但我们可以定期做snapshot，保证只有最新数据就可以了，哪怕挂了通过重新训练也可以达到类似的效果。
图10 AlphaZero
AlphaZero是AlphaGo最近的升级版。大家看pr稿上说AlphaGo用了一些人类的知识，而AlphaZero则摒弃了人类的知识，通过自我博弈得到更好的效果。其实AlphaZero只是把棋局预测输赢的部分用一个神经网络替代了。AlphaGo每下一步棋该怎么评判这一步棋好不好？AlphaGo里面有一个快速走子网络，输入一个棋局，预测一下这个点，看赢的概率是多少？这个快速走子网络是用一些人工的规则，例如以前根据人类的棋局得到一个公式，不一定是神经网络。输入棋局然后输出一个结果，这一部分以前是依赖于人类的一些历史棋局。而AlphaZero变化的部分是把规则给去掉，不用以前人类的数据，而是用神经网络，让神经网络学习。如果我们只给一个棋局，我们正在比赛，下一个下棋，不管用CNN还是什么，不可能知道这个棋赢的概率多少。所以在AlphaZero里面，每个样本产生出来，不可能每下一步棋就生成一个样本，然后告诉你下这步棋赢的概率，而是必须把整盘棋下完，这里面有700步棋，一直让它自动下，下完以后，最后赢了，那么这700步棋里面赢的概率会加1，最后是用统计的方法。
AlphaZero里面的算法最重要的是蒙特卡罗树搜索，把它打印出来是神经网络。其实也可以用简单的模型来替代。AlphaZero使用蒙特卡罗树定义围棋规则，例如机器人不知道我已经下子的地方不能再下，这是在写代码的时候写死的。
AlphaZero是有监督的学习，并不是无师自通，或者自我博弈。其实自我博弈一开始随便下，下了一些棋局，根据这些棋局来学习的，但它比其他监督学习好的地方是不需要人类去标数据。它这个学习相当于模仿前面的棋局，用神经网络很容易做，把AlphaGo以前训练好的棋局，然后写一个DNN，得到一个跟以前棋局下法拟合地最好的模型。
AlphaZero用到了增强学习，自己跟自己下，把赢棋的那部分拿出来，认为这部分是好的样本。然后去学好的样本，得到一个新的模型，新的模型与旧的模型对比，赢出来的就作为一个新的好样本。它其实是用了一个增强学习，生成更好的样本，而且是用有监督学习的方法生成这个样本。大家不要觉得它很神奇，它并不是真的掌握了围棋的规则，其实都是计算出来的。但计算很有技巧，样本不是随便给的，也不是人类最顶尖的棋局给他，而是自己跟自己比，把赢的棋局作为样本。其实训练了很多的模型，有的模型训练完了以后效果不如前一个模型，到后面直接扔了。
最后怎么表达这个模型呢？给一个棋局要怎么告诉我赢棋的概率是多少？里面是用一个ResNet，它的好处是层数可以做得特别多。这个模型就是一个function，输入特征，也就是当前棋局的形势，输出概率。这个效果比我们用专家规则好。
AlphaGo只适用于Combination game。零和，即一定会有输赢，没有合作的机制；完全信息，即双方都可以看到棋局；无随机，即每一个操作都是确定的。它不能迁移到德州扑克，麻将之类的游戏。
图11 MinMax
这里介绍博弈论里面比较简单的算法，通过简单的MinMax算法，然后过渡到AlphaGo的蒙特卡罗树搜索。每个圆圈表示你的下法，可以选择左边或者右边。当你选择到左边或者右边以后，对手也可以选择左边到右边。这个棋局很小，我们可以枚举所有可能的情况。我们的目标是让最终得分最高。显然正无穷是最高分，但是上一局是对手的回合，对手看到正无穷肯定只会选10，下一回合我会在10和5中选择10，但到再下一句对手会选择-10。
这种博弈的游戏并不是自己找一个最优解就可以了，你得考虑对方。对方有可能很傻，直接让你赢，也有可能跟你一样聪明。在这个游戏里面我们既可以枚举所有情况，也可以用一个MinMax的算法找最优解。这个算法很好理解，在某个阶段是对手的回合，我们假设对手很聪明的，总会选择最低分（min）。我们的回合里面就在可以选择的范围里面选择一个最高分（max）。假设对手是很聪明的，就会选择一个更低分的给我。如果我们玩这个游戏，我们一开始应该选择右边，这里就达到了博弈论里面的纳什均衡点。我们做出决策，对手也做出决策，当双方不能通过改变决策拿到一个更优解的时候，我们就达到了一个均衡点。这是解决博弈论里面的算法，你要遍历所有的情况才能找到最优解。大家听到过alpha-beta剪枝，其实就是优化MinMax的算法，不需要每个值都算一遍。
图12 蒙特卡洛搜索树
围棋可以这样做吗？刚才说了基于蒙特卡罗树，也是一个数的结构。这是一个棋盘，有361种可能，当我下某一个子时候，对方有360种可能，这样我们可以得到一个维度超高的树结构。假设计算能力足够，我们知道最后一个回合是输还是赢，我们假设对方让我输，就不选择这种方法了，每次都选择自己最优的，假设对手也让我选择输的，理论上可以用MinMax算法解决AlphaGo的问题。这个算法很简单，但是不能用在AlphaGo里面，因为它的维度很大，每个点都有300多个选择，300多层，几乎不可能遍历，即使有alpha-beta剪枝也解决不了。
图12就是一个蒙特卡罗搜索树。我们要在一定的computation budget里面，找到效果比较好的分支，我们可以自己模拟下棋，下完发现这一个分支赢了，那就认为这个可能是好的分支，但对方改变一下策略你可能就输了。蒙特卡罗树要解决的问题是怎么样找到一个好的分支，你可以尝试很多次，但是你不能无限次的尝试。换言之就是怎么权衡Exploration和Exploitation的问题。Exploration就是有的棋没有下过，所以会尽可能探索一下，但是却不可能穷尽。如果我们只有探索的策略，就是一个随机的策略，哪儿没有探索过就去探索一下，这种算法效率很低的，没有启发式的，就是盲目的探索，得到的有效的样本是很少的。Exploitation就是当我发现走这边可以赢，我尽可能前面都走这边，下面不断的稍微调整一下，把这一块都搞清楚了，以后如果继续都这样下，后面就会赢，探索空间很小，有些是没有探索过的。怎么解决这两个问题呢？比较简单的就是给一个权重，比如说0.01，我们每次生成一个随机数，1%的机会会去探索新的节点，否则就会利用旧的节点。
图13 蒙特卡洛搜索树
MCTS是一种启发式的搜索算法，在有限的计算空间里面可以找到相对好的结果。它这里并不一定能够给你找到绝对值。能不能证明AlphaGo一定是最好的下法？肯定不能，因为它并没有探索完。但是通过这种方法，找到了一种胜率又高，探索过的地方又比较多的算法。图13是原生的MCTS的四个阶段。包含了几个函数：
选择（selection），上面有一些数字，左边是赢的次数，右边是被访问的次数，父节点是子节点的和。例如最右边的节点是0/3，表示这个节点已经探讨过3次，但一次都没赢。例如围棋的第一步就下在边角，真正测试过边角的情况，测了几次，每次都输，这个时候下在边角的概率其实很低的，但是它的概率又不能低为0。MCTS会选择赢的概率大但访问次数不是很多的节点。例如这里选择了3/3节点。找赢的概率最大，并且访问次数不是很多的节点，
扩展（expansion），在刚才选节点里面增加一个新的节点，然后初始化为0/0。
模拟（simulation），用这个节点跑一次，相当于围棋里面真正下这一步了。我们这里用的是快速走子网络，下到这儿以后，我用一些专家规则让它跑，最后发现很可能到这儿是输的
反馈（Backpropagation）反馈到上面，这条路多访问一次，赢棋的次数并没有增加。
这是一种启发式的算法，访问次数也是一个参考的因素，若发现访问次数太低，会先忽略胜率，我去试一下看会不会赢。这就是数搜索里面的一种启发式算法，现在的计算能力很强，这种算法就很好的。
图14 AlphaZero
图14是从AlphaZero论文里面截取出来的，它也有四个阶段，名字与前文中的类似，因为它用的就是MCTS。一开始的神经网络的预测是很不准的，初始化会随机生成一些浮点数，乘起来发现赢棋概率和真实概率并不一样，我们就要训练这个模型，就需要生成样本。模型里面有一个值但不知道这个值好不好，就需要把整个棋局下完，如果赢概率就设为1，否则设为0。最后是loss函数的实现，这里用了两个神经网络，有两个权重，所以loss会有两部分。
图15 AlphaZero
图15中有一些公式和定义，这里不一一介绍了，大家可以感受一下。围棋是一棵树，怎么选节点考虑到两个因素，一是节点赢棋的概率，比如说70%的赢棋，赢棋概率越大，下次多选这个；C是一个常亮参数；P和V都是神经网络生成的参数。标准的UCB里面有一个权重（1/C），访问次数越大，UCB值越小；你的访问次数越小，这个值越大，大到一定的程度可能就不会考虑这个因素了，让他去多探索。除了这些还有一些优化，让它尽可能的早期的时候多探索。
图16 自动求导
用户在写tenserflow代码的时候只是把loss函数写上去了，但在训练的时候要让loss变低，需要求导。tenserflow其实做了这个事情，我们自己也可以做。这是很简单的数学问题，算子的求导在数学上已经有一个公式了（变量的加减乘除求导公式）。使用tenserflow时会定义很多的op（加减乘除），在op的实现里面就给你实现了求导的规则。把所有数学上可能用到的一些操作，把它的算法写出来，可能用到数学上面的链式法则。我们其实也可实现自动求导。梯度下降的方式其实就是求导完以后让所有权重加上梯度乘以learning
rate。
图17 自动求导
我们自己做了求导的实现，发现用纯Python的实现会比tensorflow快很多，做10万次加法大概是12秒，用Miniflow大概是0.16秒。包括跑减法还有逻辑回归的训练，这是特定场景下的测试，没有考虑分布式和GPU。tenserflow后端是C++实现的，它的主要开销在python和C++的交互，这一步非常耗时，比纯python实现的op性能还要低很多。
云机器学习平台架构实现
图18 架构设计
只用tensorflow就可以搭建云机器学习平台了吗？tensorflow实现LR可以在单机上训练10亿维稀疏模型。大家知道10亿维的模型大小是一个十亿维的浮点数数组，如果内存够大我们可以支持更多，但是单机不可能支持10万亿维，因为10万亿维就是400T的量级，即使用分布式的训练也很难找到400T的内存。解决方案是考虑到定义模型时会初始化，没有出现过的值都用0表示，我们自己实现的框架样本格式可以很灵活。开源框架与自研框架的集成。
我们自己的平台架构设计里面要考虑的是支持开源的tenserflow，因为它很流行，我们可以在上面实现很多模型。另外我们自研的C++机器学习框架也要支持。
对异构计算集群的支持，比如DNN需要GPU。我们需要支持异构计算集群（CPU、GPU、虚拟机、云平台）。
最后一个是机器学习工作流的支持。机器学习的工作流是确定的，应该有更好的工具来支持。
图18 架构设计2
机器学习平台分类有：
IaaS只提供虚拟机服务；
PaaS可以解决什么问题呢？你把代码写好提交到这个平台上面，它会给你起相应的运行环境，把模型训练出来。但并没有解决前面做数据清洗，特征抽取，包括自学习这些都没有包括。
MLaaS是介于PaSS和IaaS之间的，它有一个工作流的引擎。可以把整个机器学习工作流实现。
图19 机器学习平台
图19是我们自己实现的平台。上层是我们的业务，有非结构化的数据，有传统的推荐系统。底层是我们的计算资源，包括公有云、私有云、GPU。我们底层最依赖的是两个调度框架：Kubernetes
Executor和Hadoop Executor。在调度框架上面实现我们的模型训练、模型服务、数据管理、特征抽取、模型评估、自学习服务，对外提供API。
如果我们只是要实现Google CloudML的功能，其实很简单。我们都知道Kubernete是一个通用的任务调度服务。对于tenserflow的运行环境我们打包成一个Docker镜像，并不直接用Kubernete的API，我们可以对API做一定的封装。
图20 工作流
我们真正做一个业务，除了做训练，我们还需要做数据引入、特征抽取、模型评估。模型训练只是简单的部分。其实这一部分在小米的时候，我们让用户自己做的，自己做一些需求。在第四范式我们希望用户通过拖拽的方法定义一个工作流。工作流的算子应该是可拓展的。
图21 工作流2
这是工作流的截图，没有做动画。这边有数据引入、数据拆分、特征工程、训练算法、模型预测，有几个模块，用户可以通过这个模块把算子拖出来。只要你懂这机器学习业务，不需要自己去写spark，不需要写LR算法的实现，你只要拖一个算子过来，把这个线连起来，单机跑一下，就可以完成机器学习的业务了。
图22 算子
我们设计上，希望算子通用的，可以解决任意的问题。机器学习其实是一种计算的方式，数据拆分特征抽取也是。我们定义了最简单的抽象接口，用户要实现自己的算子，只需要实现execute的方法就可以了。
我们现在大约提供了十种数据处理算子，十多种机器学习算子，以及三种autoML的算子。
图23 高可用
我们在做平台的时候一定会考虑高可用和多租户。一个系统的高可用肯定是它各个组件的高可用。我们知道k8s依赖etcd，etcd本身有一个Raft协议，所以通过部署多个节点，它本身就是高可用的。用户实现的是一个API
server，目前是一个java应用，依赖于Zookeeper或者是etcd实现的一个主从集群。DB我们用的是MySQL的高可用方案。
图24 多租户
平台是给企业或者其他云平台用户用的，所以要实现多租户。有两个概念：认证和授权。认证我们支持多种方式：用户名/密码，AK/SK，后者是一种更高的认证方式。LDAP是满足企业用户的需要。授权使我们自己实现的RBAC的方法。
图25 多租户2
为什么要用RBAC呢？我们把用户和权限分开了，没有在数据库写死哪个用户有什么权限，而是在数据插入用户跟role的关系，role里面维护role和permission的关系。
图26 多租户3
我们并没有把组和权限有糅合在一起，组是一个单独的概念。我们有一个Group表，有一个user和group的relation表。组和user其实都是一个entity，我们可以对entity进行授权。所以组跟permission是一个解耦的关系。
最后总结一下，搭建完整的云深度学习平台需要有良好的架构，还需要实现高性能、高可用、授权认证等功能组件，希望大家对底层基础架构和算法原理有进一步的了解，看完这次分享也有一定的收获，谢谢。
|
