一种面向大规模人工智能服务容器化的镜像部署方法技术

一种面向大规模人工智能服务容器化的镜像部署方法，所述镜像部署方法基于容器化服务系统，所述容器化服务系统包括镜像文件单元、第一元数据库meta.db、第二元数据库metadata.db和镜像快照文件层，所述镜像文件单元用于读入.tar格式的镜像压缩文件，包括如下步骤：所述智能服务容器系统建立加载镜像为I{L<subgt;1</subgt;，L<subgt;2</subgt;，…，L<subgt;N</subgt;}；将overlayfs目录下metadata.db的v1/snapshots子桶的序列号seqnum读出，令I<subgt;s</subgt;←seqnum+1；从镜像配置文件中读取镜像的相关信息更新到第一元数据库meta.db和第二元数据metadata.db的对应位置；所述镜像快照文件层读取第三配置文件的Layers列表获得镜像I的分层总数N；所述镜像快照文件层新建N个目录D<subgt;1</subgt;，D<subgt;2</subgt;，…，D<subgt;N</subgt;；所述镜像快照文件层通过N个go‑routine，让第i个go‑routine负责将B<subgt;i</subgt;解压到D<subgt;i</subgt;/fS目录下；本发明专利技术面向大规模人工智能业务的部署场景，在容器化服务对镜像的提取过程实现异步、并行地进行加载，从而提高了镜像提取的效率和性能。

【技术实现步骤摘要】

本专利技术属于容器化服务的，尤其涉及一种面向大规模人工智能服务容器化的镜像快速部署方法。

技术介绍

1、近年来，大模型技术使aigc得到深度发展与进步，被广泛应用于自动文本摘要、机器翻译、对话系统、创作助手等各种应用场景。而容器服务为大模型的训练与部署提供了更加灵活、可移植的方式。它对大模型的部署过程进行了简化，并提供了基于k8s等编排工具的弹性扩展和依赖管理的能力，使得大模型的应用更加高效和可靠。因此，对容器镜像的部署过程进行加速具有重要意义。

2、本专利技术所涉及的
技术介绍
包括以下几方面：

3、对于containerd而言，原生的镜像提取方案是将镜像的所有层下载到本地后，再对每一层进行串行加载，因此加载过程通常需要消耗大量时间。本专利技术能够实现加速容器部署和启动过程，从而提高应用开发和部署的效率，改善应用程序的响应、部署的性能和资源利用。

4、containerd是一个开源的容器运行时，它可以管理容器的生命周期，包括容器的创建、启动、停止、删除等操作。containerd提供了一组api，用于创建、启动、停止和删除本文档来自技高网...

【技术保护点】

1.一种面向大规模人工智能服务容器化的镜像部署方法，其特征在于，所述镜像部署方法基于容器化服务系统，所述容器化服务系统包括镜像文件单元、第一元数据库meta.db、第二元数据库metadata.db和镜像快照文件层，其中：

2.根据权利要求1所述的一种面向大规模人工智能服务容器化的镜像部署方法，其特征在于，从镜像配置文件中读取镜像的相关信息更新到第一元数据库meta.db对应位置过程；包括：

3.根据权利要求1所述的一种面向大规模人工智能服务容器化的镜像部署方法，其特征在于，从镜像配置文件中读取镜像的相关信息更新到第二元数据metadata.db的对应位置过程；包...

【技术特征摘要】

1.一种面向大规模人工智能服务容器化的镜像部署方法，其特征在于，所述镜像部署方法基于容器化服务系统，所述容器化服务系统包括镜像文件单元、第一元数据库meta.db、第二元数据库metadata.db和镜像快照文件层，其中：

2.根据权利要求1所述的一种面向大规模人工智能服务容器化的镜像部...

【专利技术属性】
技术研发人员：王晓飞，蔡铭骏，沈仕浩，
申请(专利权)人：天津大学，
类型：发明
国别省市：