AI算法服务的DevOps开发方法技术

本申请实施例提供了一种AI算法服务的DevOps开发方法，通过获取编译配置文件，根据编译配置文件生成编译任务，基于预设的调度器为编译任务从Kubernetes集群的多个节点中筛选出第一目标节点，并在第一目标节点创建第一容器，获取目标算法的程序代码，将程序代码导入第一容器，执行编译任务以对第一容器中的程序代码进行编译，得到编译结果，对编译结果进行测试，得到测试结果，根据测试结果对目标算法进行处理，能够避免研发和运维处于隔离的状态，实现了算法研发运维闭环，通过将研发和运维相结合，能够提高算法研发效率、降低运维难度，实现了算法的快速落地和规模化应用。实现了算法的快速落地和规模化应用。实现了算法的快速落地和规模化应用。

【技术实现步骤摘要】
AI算法服务的DevOps开发方法


[0001]本申请涉及互联网
，尤其涉及一种AI算法服务的DevOps开发方法和装置、电子设备及存储介质。

技术介绍

[0002]目前，采用算法研发和运维模型对算法进行研发和维护，但是算法研发和运维模型中研发和运维隔离，导致算法的上线周期延长，算法的研发效率低，算法版本迭代的运维难度大，难以实现算法的快速落地和规模化应用。

技术实现思路

[0003]本申请实施例的主要目的在于提出一种AI算法服务的DevOps开发方法和装置、电子设备及存储介质，旨在提高算法研发效率，实现算法快速落地和规模化应用。
[0004]为实现上述目的，本申请实施例的第一方面提出了一种AI算法服务的DevOps开发方法，所述方法包括：
[0005]获取编译配置文件，根据所述编译配置文件生成编译任务；
[0006]基于预设的调度器为所述编译任务从Kubernetes集群的多个节点中筛选出第一目标节点，并在所述第一目标节点创建第一容器；
[0007]获取目标算法的程序代码，将所述程序代码导入所述第一容器；
[0008]执行所述编译任务以对所述第一容器中的所述程序代码进行编译，得到编译结果；
[0009]对所述编译结果进行测试，得到测试结果；
[0010]根据所述测试结果对所述目标算法进行处理。
[0011]在一些实施例，所述编译任务包括计算资源配置信息和算法标识，所述基于预设的调度器为所述编译任务从Kubernetes集群的多个节点中筛选出第一目标节点，并在所述第一目标节点创建第一容器，包括：
[0012]基于预设的调度器根据所述计算资源配置信息，为所述编译任务从所述Kubernetes集群的多个节点中筛选出第一目标节点；
[0013]根据所述算法标识获取目标镜像；
[0014]根据所述目标镜像在所述第一目标节点创建所述第一容器。
[0015]在一些实施例，所述根据所述算法标识获取目标镜像，包括：
[0016]根据所述算法标识从算法仓库中获取目标算法对应的算法信息；
[0017]根据所述算法信息确定所述目标算法对应的基础镜像、运行环境和配置参数；
[0018]调用预设的镜像构建引擎对所述基础镜像、所述运行环境和所述配置参数进行封装，得到目标镜像；
[0019]将所述目标镜像存储至镜像仓库，从所述镜像仓库中获取所述目标镜像。
[0020]在一些实施例，所述获取目标算法的程序代码，包括：
[0021]根据所述算法信息得到所述目标算法对应的程序代码的地址；
[0022]根据所述地址从代码仓库中获取所述程序代码。
[0023]在一些实施例，所述对所述编译结果进行测试，得到测试结果，包括：
[0024]获取测试脚本文件，根据所述测试脚本文件生成测试任务；
[0025]执行所述测试任务对所述编译结果进行测试，得到测试结果。
[0026]在一些实施例，所述编译结果包括可执行文件，所述执行所述测试任务对所述编译结果进行测试，得到测试结果，包括：
[0027]基于所述调度器为所述测试任务从Kubernetes集群的多个节点中筛选出第二目标节点，并在所述第二目标节点创建第二容器；
[0028]将所述可执行文件导入所述第二容器；
[0029]执行所述测试任务，对所述第二容器中的所述可执行文件进行测试，得到测试结果。
[0030]在一些实施例，所述根据所述测试结果对所述目标算法进行处理，包括：
[0031]若所述测试结果与期望结果匹配，则生成算法发布任务，并将所述目标算法存储至算法仓库；
[0032]若所述测试结果与期望结果不匹配，则获取更新后的所述程序代码，对更新后的所述程序代码重新进行算法处理。
[0033]为实现上述目的，本申请实施例的第二方面提出了一种AI算法服务的DevOps开发装置，所述装置包括：
[0034]第一获取模块，用于获取编译配置文件，根据所述编译配置文件生成编译任务；
[0035]容器创建模块，基于预设的调度器为所述编译任务从Kubernetes集群的多个节点中筛选出第一目标节点，并在所述第一目标节点创建第一容器；
[0036]第二获取模块，用于获取目标算法的程序代码，将所述程序代码导入所述第一容器；
[0037]编译模块，用于执行所述编译任务以对所述第一容器中的所述程序代码进行编译，得到编译结果；
[0038]测试模块，用于对所述编译结果进行测试，得到测试结果；
[0039]算法处理模块，用于根据所述测试结果对所述目标算法进行处理。
[0040]为实现上述目的，本申请实施例的第三方面提出了一种电子设备，所述电子设备包括存储器、处理器、存储在所述存储器上并可在所述处理器上运行的程序以及用于实现所述处理器和所述存储器之间的连接通信的数据总线，所述程序被所述处理器执行时实现上述第一方面所述的方法。
[0041]为实现上述目的，本申请实施例的第四方面提出了一种存储介质，所述存储介质为计算机可读存储介质，用于计算机可读存储，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现上述第一方面所述的方法。
[0042]本申请提出的AI算法服务的DevOps开发方法和装置、电子设备及存储介质，其通过获取编译配置文件，根据编译配置文件生成编译任务，为了获取Kubernetes集群中执行编译任务的节点，基于预设的调度器为编译任务从Kubernetes集群的多个节点中筛选出第一目标节点，并在第一目标节点创建第一容器，为了测试算法的正确性，获取目标算法的程
序代码，将程序代码导入第一容器，执行编译任务以对第一容器中的程序代码进行编译，得到编译结果，对编译结果进行测试，得到测试结果，根据测试结果对目标算法进行处理，由于编译操作属于研发流程，测试操作属于运维流程，本申请实施例通过将编译和测试结合，以将研发和运维结合，能够避免研发和运维处于隔离的状态，实现了算法研发运维闭环，能够提高算法研发效率、降低运维难度，实现了算法的快速落地和规模化应用。
附图说明
[0043]图1是本申请实施例提供的AI算法服务的DevOps开发方法的流程图；
[0044]图2是图1中的步骤S120的流程图；
[0045]图3是图2中的步骤S220的流程图；
[0046]图4是图1中的步骤S130的流程图；
[0047]图5是图1中的步骤S150的流程图；
[0048]图6是图5中的步骤S520的流程图；
[0049]图7是图1中的步骤S160的流程图；
[0050]图8是本申请实施例提供的AI算法服务的DevOps开发装置的结构示意图。
具体实施方式
[0051]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.AI算法服务的DevOps开发方法，其特征在于，所述方法包括：获取编译配置文件，根据所述编译配置文件生成编译任务；基于预设的调度器为所述编译任务从Kubernetes集群的多个节点中筛选出第一目标节点，并在所述第一目标节点创建第一容器；获取目标算法的程序代码，将所述程序代码导入所述第一容器；执行所述编译任务以对所述第一容器中的所述程序代码进行编译，得到编译结果；对所述编译结果进行测试，得到测试结果；根据所述测试结果对所述目标算法进行处理。2.根据权利要求1所述的AI算法服务的DevOps开发方法，其特征在于，所述编译任务包括计算资源配置信息和算法标识，所述基于预设的调度器为所述编译任务从Kubernetes集群的多个节点中筛选出第一目标节点，并在所述第一目标节点创建第一容器，包括：基于预设的调度器根据所述计算资源配置信息，为所述编译任务从所述Kubernetes集群的多个节点中筛选出第一目标节点；根据所述算法标识获取目标镜像；根据所述目标镜像在所述第一目标节点创建所述第一容器。3.根据权利要求2所述的AI算法服务的DevOps开发方法，其特征在于，所述根据所述算法标识获取目标镜像，包括：根据所述算法标识从算法仓库中获取目标算法对应的算法信息；根据所述算法信息确定所述目标算法对应的基础镜像、运行环境和配置参数；调用预设的镜像构建引擎对所述基础镜像、所述运行环境和所述配置参数进行封装，得到目标镜像；将所述目标镜像存储至镜像仓库，从所述镜像仓库中获取所述目标镜像。4.根据权利要求3所述的AI算法服务的DevOps开发方法，其特征在于，所述获取目标算法的程序代码，包括：根据所述算法信息得到所述目标算法对应的程序代码的地址；根据所述地址从代码仓库中获取所述程序代码。5.根据权利要求1所述的AI算法服务的DevOps开发方法，其特征在于，所述对所述编译结果进行测试，得到测试结果，包括：获取测试脚本文件，根据所述测试脚本文件生成测试任务；执行所述测试任务对所述编译结果进行测试，得到测试结果。6.根...

【专利技术属性】
技术研发人员：李皈颖，陆舜，杨鹏，姚新，唐珂，
申请(专利权)人：南方科技大学，
类型：发明
国别省市：