معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Build BentoML Services into Images on K8S

ویژگی	مقدار
سیستم عامل	-
نام فایل	bentobuild-0.0.5
نام	bentobuild
نسخه کتابخانه	0.0.5
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Ian Coffey
ایمیل نویسنده	icoffey@vmware.com
آدرس صفحه اصلی	https://github.com/iancoffey/bentoml-builder
آدرس اینترنتی	https://pypi.org/project/bentobuild/
مجوز	-

# bentobuild A helper which provides a simple api to launching pods to create docker images from BentoML Services in a Kubernetes clister, by making use of BentoMLs [YataiService](https://docs.bentoml.org/en/latest/concepts.html#customizing-model-repository). This does not use the `bentoml containerize` command because it requires Docker daemon and build containers most commonly wont have a running a docker daemon. Instead, this package creates a custom Kubernetes Job, which uses` bentoml retrieve` alongside [`Kaniko executor`](https://github.com/GoogleContainerTools/kaniko) to build the BentoML context and artifacts into a docker image and push it to your desired docker image and tag. The resulting image can be served via KFServing inferenceservice or via the bundled serving experiment. The builder schedules a standard Kubernetes Job with several containers to build the image. ## YataiService Required This project really only makes sense when using BentoML with a [`YataiService`](https://docs.bentoml.org/en/latest/concepts.html#customizing-model-repository), as multiple pods will need to access the model storage backend. I would suggest running the `YataiService` so it is only open to local cluster traffic, and refer to it via its `cluster.local` domain name. ## Builder In the example below, the builder will create a new Kubernetes Job, which will produce an image, tag it and push it the registry. ``` from bentobuild.job import BentoJobBuilder builder = bentobuild.BentoJobBuilder() # safe_build requires a BentoML Service ID, an image tag and your build namespace. # This is the namespace where your docker credentials need to exist - see below. builder.safe_build('FastaiDemo:20201105133154_04F821', 'iancoffey/mydemo:latest', 'test1') # resources begin running builder.status() # prints some output from the Job status ``` ## Installation `pip install bentobuild` ### Docker Credentials It is important to configure Docker credentials for the builder to use to push to your desired repo. To do this, the project supports mounting a configmap containting a Docker `config.json` into the build environment. See the [Kaniko documentation](https://github.com/GoogleContainerTools/kaniko/blob/master/README.md#pushing-to-different-registries) for more info on how to format and create this secret.

زبان مورد نیاز

مقدار	نام
>=3.6	Python

نحوه نصب

نصب پکیج whl bentobuild-0.0.5:

pip install bentobuild-0.0.5.whl

نصب پکیج tar.gz bentobuild-0.0.5:

pip install bentobuild-0.0.5.tar.gz