Установка и запуск контейнеров Docker для API Детектора аномалий

Контейнеры позволяют использовать API Детектора аномалий в собственной среде. Контейнеры соответствуют конкретным требованиям к безопасности и управлению данными. В этой статье вы узнаете, как скачать, установить и запустить контейнер Детектора аномалий.

Детектор аномалий предлагает один контейнер Docker для локального использования API. Контейнер позволяет выполнять следующие задачи:

• использовать алгоритмы Детектора аномалий для данных;
• отслеживать потоковые данные и выявлять аномалии в режиме реального времени;
• Обнаружение аномалий набора данных в пакетном режиме.
• обнаруживать точки изменения тенденций в наборе данных в пакетном режиме;
• настраивать чувствительность алгоритма к обнаружению аномалий в соответствии со своими данными.

Подробные сведения об API см. в следующей статье.

• Дополнительные сведения о детекторе аномалий службы API

Если у вас нет подписки Azure, создайте бесплатную учетную запись, прежде чем приступить к работе.

Необходимые компоненты

Прежде чем использовать контейнеры Детектора аномалий, необходимо выполнить следующие условия.

Сбор обязательных параметров

Требуются три основных параметра для всех контейнеров ИИ Azure. Для условий лицензионного соглашения на использование программного обеспечения корпорации Майкрософт должно быть задано значение accept. Также требуются URI конечной точки и ключ API.

URI конечной точки

Это {ENDPOINT_URI} значение доступно на странице обзора портал Azure соответствующего ресурса служб ИИ Azure. Перейдите на страницу обзора, наведите указатель мыши на конечную точку и появится значок копирования в буфер обмена. Скопируйте и используйте конечную точку по мере необходимости.

Ключи

Значение {API_KEY} используется для запуска контейнера и доступно на странице ключей портал Azure соответствующего ресурса служб ИИ Azure. Перейдите на страницу "Ключи" и щелкните значок копирования в буфер обмена.

Главный компьютер

Узел — это 64-разрядный компьютер, на котором выполняется контейнер Docker. Это может быть компьютер в локальной среде или служба размещения Docker в Azure, включая следующие решения:

• Служба Azure Kubernetes.
• Экземпляры контейнеров Azure.
• Кластер Kubernetes, развернутый в Azure Stack. Дополнительные сведения см. в статье Развертывание Kubernetes в Azure Stack.

Требования к контейнеру и рекомендации

В приведенной ниже таблице описаны минимальное и рекомендуемое число ядра ЦП и памяти для каждого контейнера Детектора аномалий.

Частота каждого ядра должна быть минимум 2,6 ГГц.

Ядро и память соответствуют параметрам --cpus и --memory, которые используются как часть команды docker run.

Получение образа контейнера с помощью docker pull

Образ контейнера Детектор аномалий можно найти в mcr.microsoft.com синдикате реестра контейнеров. Он находится в репозитории azure-cognitive-services/decision и называется anomaly-detector. Полное имя образа контейнера: mcr.microsoft.com/azure-cognitive-services/decision/anomaly-detector.

Чтобы использовать последнюю версию контейнера, можно использовать latest тег. Вы также можете найти полный список тегов изображений в MCR.

Воспользуйтесь командой docker pull, чтобы скачать образ контейнера.

docker images --format "table {{.ID}}\t{{.Repository}}\t{{.Tag}}"

IMAGE ID         REPOSITORY                TAG
<image-id>       <repository-path/name>    <tag-name>

Извлечение контейнера Детектора аномалий из Docker

docker pull mcr.microsoft.com/azure-cognitive-services/anomaly-detector:latest

Использование контейнера

После размещения контейнера на главном компьютере воспользуйтесь следующей процедурой для работы с ним.

1. Запустите контейнер с необходимыми настройками выставления счетов. Доступны дополнительные примеры команды docker run.
2. Запрос конечной точки прогнозирования контейнера.

Запуск контейнера с помощью команды docker run

Воспользуйтесь командой docker run для запуска контейнера. Дополнительные сведения о том, как получить значения {ENDPOINT_URI} и {API_KEY}, см. в разделе Сбор обязательных параметров.

Имеются примеры команды docker run.

docker run --rm -it -p 5000:5000 --memory 4g --cpus 1 \
mcr.microsoft.com/azure-cognitive-services/decision/anomaly-detector:latest \
Eula=accept \
Billing={ENDPOINT_URI} \
ApiKey={API_KEY}

Команда:

• Запуск контейнера Детектора аномалий из образа контейнера.
• выделяет одно ядро ЦП и 4 ГБ памяти;
• предоставляет TCP-порт 5000 и выделяет псевдотелетайп для контейнера;
• автоматически удаляет контейнер после завершения его работы. Образ контейнера остается доступным на главном компьютере.

Запуск нескольких контейнеров на одном узле

Если вы планируете запускать несколько контейнеров при открытых портах, обязательно назначьте каждому контейнеру отдельный порт. Например, запускайте первый контейнер на порте 5000, а второй — на порте 5001.

Замените <container-registry> и <container-name> значениями используемых контейнеров. При этом можно использовать разные контейнеры. Вы можете одновременно запустить на узле контейнер Детектора аномалий и контейнер LUIS или же несколько контейнеров Детектора аномалий.

Выполните первый контейнер на главном порте 5000.

docker run --rm -it -p 5000:5000 --memory 4g --cpus 1 \
<container-registry>/microsoft/<container-name> \
Eula=accept \
Billing={ENDPOINT_URI} \
ApiKey={API_KEY}

Выполните второй контейнер на главном порте 5001.

docker run --rm -it -p 5001:5000 --memory 4g --cpus 1 \
<container-registry>/microsoft/<container-name> \
Eula=accept \
Billing={ENDPOINT_URI} \
ApiKey={API_KEY}

Каждому последующему контейнеру должен быть назначен отдельный порт.

Запрос конечной точки прогнозирования контейнера

Контейнер предоставляет интерфейсы REST API конечной точки прогнозирования запросов.

Используйте узел http://localhost:5000 для API контейнера.

Проверка состояния контейнера

Проверить это можно несколькими способами. Получите адрес и открытый порт для рассматриваемого контейнера из его параметра Внешний IP-адрес и запустите веб-браузер. Используйте приведенные ниже URL-адреса запросов, чтобы убедиться, что контейнер работает. В примерах в качестве URL-адресов запросов используется значение http://localhost:5000, однако ваш конкретный контейнер может иметь отличия. Убедитесь в правильности внешнего IP-адреса и открытого порта контейнера.

Остановка контейнера

Чтобы завершить работу контейнера, в среде командной строки, где выполняется контейнер, нажмите комбинацию клавиш Ctrl+C.

Устранение неполадок

Если контейнер запускается с выходным подключением и включенным ведением журнала, контейнер создает файлы журнала, которые удобно использовать для устранения неполадок, возникающих во время запуска или работы контейнера.

Если у вас возникли проблемы с запуском контейнера служб искусственного интеллекта Azure, можно попробовать использовать контейнер Microsoft диагностика. Используйте этот контейнер для диагностики распространенных ошибок в среде развертывания, которые могут предотвратить работу контейнеров ИИ Azure должным образом.

Чтобы получить контейнер, используйте следующую команду docker pull:

docker pull mcr.microsoft.com/azure-cognitive-services/diagnostic

Затем запустите контейнер. Замените {ENDPOINT_URI} на URI конечной точки, а {API_KEY} — на свой ключ для ресурса:

docker run --rm mcr.microsoft.com/azure-cognitive-services/diagnostic \
eula=accept \
Billing={ENDPOINT_URI} \
ApiKey={API_KEY}

Контейнер проверит сетевое подключение к конечной точке выставления счетов.

Выставление счетов

Контейнеры Детектора аномалий отправляют сведения о выставлении счетов в Azure с помощью ресурса Детектор аномалий в учетной записи Azure.

Запросы к контейнеру оплачиваются согласно ценовой категории ресурса Azure, используемого для параметра ApiKey.

Контейнеры служб искусственного интеллекта Azure не лицензируются для запуска без подключения к конечной точке измерения или выставления счетов. Вам необходимо разрешить контейнерам непрерывную передачу данных для выставления счетов в конечную точку выставления счетов. Контейнеры служб искусственного интеллекта Azure не отправляют данные клиентов, такие как изображение или текст, которые анализируются, в корпорацию Майкрософт.

Подключение к Azure

Для запуска контейнера необходимо указать значения аргументов, касающихся выставления счетов. Эти значения обеспечивают подключение контейнера к конечной точке выставления счетов. Отчеты об использовании контейнера примерно каждые 10—15 минут. Если контейнер не подключится к Azure в течение допустимого периода времени, контейнер будет продолжать работать, но не будет обслуживать запросы, пока не будет восстановлена конечная точка выставления счетов. Попытки подключения выполняются 10 раз на протяжении одинакового интервала времени (10–15 минут). Если контейнеру не удается подключиться к конечной точке выставления счетов за 10 попыток, он останавливает запросы на обслуживание. Дополнительные сведения о выставлении счетов см. в контейнере служб искусственного интеллекта Azure.

Аргументы для выставления счетов

Команда docker run запустит контейнер, когда все три из следующих параметров предоставляются допустимыми значениями:

Дополнительные сведения об этих параметрах см. в статье Настройка контейнеров.

Итоги

В этой статье вы узнали основные понятия и рабочий процесс для скачивания, установки и выполнения контейнеров Детектора аномалий. Сводка:

• Детектор аномалий предоставляет один контейнер Linux для Docker, в котором инкапсулируются возможности обнаружения аномалий в пакетных или потоковых данных, вывода ожидаемого диапазона и настройки чувствительности.
• Образы контейнера скачиваются из закрытого Реестра контейнеров Azure, выделенного для контейнеров.
• Образы контейнеров выполняются в Docker.
• Указав URI узла контейнера, вы можете применять или пакет SDK, или REST API для вызова операций из контейнеров Детектора аномалий.
• При создании экземпляра контейнера нужно указать данные для выставления счетов.

Следующие шаги

• Ознакомьтесь со статьей о конфигурации контейнеров.
• Разверните контейнер детектора аномалий в экземплярах контейнера Azure
• Дополнительные сведения о детекторе аномалий службы API