CN110297659A - 算法模型部署上线方法和装置 - Google Patents

Abstract

本发明公开了算法模型部署上线方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：审查待部署的算法模型，审查通过后将所述算法模型合并至待部署的服务架构，生成预发版本包；通过预发布的测试环境对所述预发版本包进行模型验证；基于验证通过的所述预发版本包实现算法模型部署上线。该实施方式将算法模型与服务架构解耦，能够实现算法模型的自动敏捷上线，从而及时更新推荐预测服务的算法模型，上线流程简单，上线效率高、风险低。

Description

算法模型部署上线方法和装置

技术领域

本发明涉及计算机技术领域，尤其涉及算法模型部署上线方法和装置。

背景技术

随着互联网技术的发展，个性化推荐已经成为重要的吸引用户流量的手段。当前的推荐架构进行了技术革新——推荐预测服务项目。该服务可以根据活动、用户本身等实时调节推荐结果，并且可以设置实验位，通过少量真实流量来评估算法模型是否准确。为了保证预测服务的优越性，即能够推出更为合适的结果，算法模型需要频繁上线进行验证调优。

现有技术算法模型进行调整时，需要将算法模型合并入预测服务架构，然后进行预测服务整体上线。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

(1)无法支持频繁上线，造成推荐预测服务的算法模型无法及时更新；

(2)通过开发、测试和运维等人员进行人工上线，上线风险高；

(3)每次上线都需要将待部署的算法模型合并入预测服务架构，然后进行预测服务整体上线，上线流程繁琐，上线效率低。

发明内容

有鉴于此，本发明实施例提供一种算法模型部署上线方法和装置，能够实现算法模型的自动敏捷上线，从而及时更新推荐预测服务的算法模型，上线流程简单，上线效率高、风险低。

为实现上述目的，根据本发明实施例的一个方面，提供了一种算法模型部署上线方法，包括：

审查待部署的算法模型，审查通过后将所述算法模型合并至待部署的服务架构，生成预发版本包；

通过预发布的测试环境对所述预发版本包进行模型验证；

基于验证通过的所述预发版本包实现算法模型部署上线。

可选地，所述审查待部署的算法模型包括：获取待部署的算法模型的算法模型文件；对所述算法模型文件进行预编译，生成算法模型的模型代码；对所述模型代码进行单元测试，测试通过后对所述模型代码进行代码走读。

可选地，所述算法模型文件包括：模型文件、特征重要性文件、特征文件和说明文件。

可选地，所述生成预发版本包，包括：按照预设周期检测所述待部署的服务架构；当检测到所述服务架构中有新合并的算法模型时，根据合并后的服务架构进行编译以生成预发版本包。

可选地，所述通过预发布的测试环境对所述预发版本包进行模型验证之前，还包括：向用户发送测试提示消息；接收用户基于所述测试提示消息输入的配置信息；基于所述配置信息生成所述预发布的测试环境。

可选地，所述基于验证通过的所述预发版本包实现算法模型部署上线，包括：

按照如下步骤将所述预发版本包部署至待部署设备中：探活，以确认待部署设备中用于运行待部署算法模型的进程可用；下载新模型，以将所述预发版本包下载至所述待部署设备；解压新模型，以解压下载的预发版本包；拷贝新模型，以安装解压后的预发版本包；同步配置，以同步所述算法模型的配置文件；

将线上流量切换至所述预发版本包对应的算法模型的实验位，以实现所述算法模型的预发版本包的上线。

可选地，所述下载新模型之前，还包括：删除旧模型，以从所述待部署设备中删除所述预发版本包对应的算法模型的旧版本包。

可选地，采用灰度切换方式将线上流量切换至所述预发版本包对应的算法模型的实验位。

可选地，所述基于验证通过的所述预发版本包实现算法模型部署上线，还包括：监控所述算法模型的预发版本包部署和/或上线的运行状态，当运行异常时，将所述预发版本包对应的算法模型的旧版本包部署至待部署设备中，将线上流量切换至所述旧版本包对应的算法模型的实验位，以实现所述算法模型的旧版本包的上线。

根据本发明实施例的再一个方面，提供了一种算法模型部署上线装置，包括：

模型审查模块，审查待部署的算法模型，审查通过后将所述算法模型合并至待部署的服务架构，生成预发版本包；

模型验证模块，通过预发布的测试环境对所述预发版本包进行模型验证；

部署上线模块，基于验证通过的所述预发版本包实现算法模型部署上线。

可选地，所述模型审查模块审查待部署的算法模型包括：获取待部署的算法模型的算法模型文件；对所述算法模型文件进行预编译，生成算法模型的模型代码；对所述模型代码进行单元测试，测试通过后对所述模型代码进行代码走读。

可选地，所述算法模型文件包括：模型文件、特征重要性文件、特征文件和说明文件。

可选地，所述模型审查模块还用于：按照预设周期检测所述待部署的服务架构；当检测到所述服务架构中有新合并的算法模型时，根据合并后的服务架构进行编译以生成预发版本包。

可选地，所述通过预发布的测试环境对所述预发版本包进行模型验证之前，所述模型验证模块还用于：向用户发送测试提示消息；接收用户基于所述测试提示消息输入的配置信息；基于所述配置信息生成所述预发布的测试环境。

可选地，所述部署上线模块还用于：

按照如下步骤将所述预发版本包部署至待部署设备中：探活，以确认待部署设备中用于运行待部署算法模型的进程可用；下载新模型，以将所述预发版本包下载至所述待部署设备；解压新模型，以解压下载的预发版本包；拷贝新模型，以安装解压后的预发版本包；同步配置，以同步所述算法模型的配置文件；

将线上流量切换至所述预发版本包对应的算法模型的实验位，以实现所述算法模型的预发版本包的上线。

可选地，所述下载新模型之前，所述部署上线模块还用于：删除旧模型，以从所述待部署设备中删除所述预发版本包对应的算法模型的旧版本包。

可选地，所述部署上线模块还用于：采用灰度切换方式将线上流量切换至所述预发版本包对应的算法模型的实验位。

可选地，所述部署上线模块还用于：监控所述算法模型的预发版本包部署和/或上线的运行状态，当运行异常时，将所述预发版本包对应的算法模型的旧版本包部署至待部署设备中，将线上流量切换至所述旧版本包对应的算法模型的实验位，以实现所述算法模型的旧版本包的上线。

根据本发明实施例的另一个方面，一种算法模型部署上线电子设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明实施例第一方面提供的算法模型部署上线方法。

根据本发明实施例的还一个方面，提供一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现本发明实施例第一方面提供的算法模型部署上线方法。

上述发明中的一个实施例具有如下优点或有益效果：

(1)将算法模型与服务架构解耦，算法模型审查通过后再合并至待部署的服务架构，能够优化算法模型的持续集成和持续部署流程，实现自动敏捷上线，从而及时更新推荐预测服务的算法模型，上线流程简单，上线效率高、风险低；

(2)按照预设周期检测所述待部署的服务架构，能够实现算法模型的持续部署上线；

(3)向用户发送测试提示消息，基于用户输入的配置信息生成测试环境，便于调整测试环境，实现算法模型的敏捷上线；

(4)将部署过程拆分成多个子任务，能够实现自动化部署；通过分析每个子任务的执行状态能够到位异常问题，便于实现自动化测试；

(5)采用灰度切换方式上线，能够保证线上服务的正常运行；

(6)当运行异常时，将预发版本包对应的算法模型的旧版本包部署至待部署设备，能够快速切换至算法模型的稳定版本，保证线上服务的正常运行。

上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。

附图说明

附图用于更好地理解本发明，不构成对本发明的不当限定。其中：

图1是根据本发明实施例的算法模型部署上线方法的主要流程的示意图；

图2是根据本发明可选实施例的算法模型部署上线方法的主要步骤的示意图；

图3是根据本发明实施例的算法模型部署上线装置的主要模块的示意图；

图4是本发明实施例可以应用于其中的示例性系统架构图；

图5是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。

具体实施方式

以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

基于现有技术中存在的缺陷，本发明基于算法模型和推荐架构解耦合，设计完整流程，实现自动敏捷的上线，解决现有技术中繁琐冗余的上线流程，减缓开发、测试和运维人员的工作，同时保证代码质量，满足算法人员的调优实验要求。

根据本发明实施例的一个方面，提供了一种算法模型部署上线方法。

图1是根据本发明实施例的算法模型部署上线方法的主要流程的示意图，如图1所示，算法模型部署上线方法，包括：

步骤S101、审查待部署的算法模型，审查通过后将所述算法模型合并至待部署的服务架构，生成预发版本包；

步骤S102、通过预发布的测试环境对所述预发版本包进行模型验证；

步骤S103、基于验证通过的所述预发版本包实现算法模型部署上线。

实际应用过程中，为了保证预测服务的优越性，算法模型需要频繁上线进行验证调优。现有技术需要将算法模型合并入预测服务架构代码，然后进行整体流程的上线。一方面，每次上线都需要将待部署的算法模型合并入预测服务架构，上线流程繁琐，上线效率低。另一方面，需要通过开发、测试和运维等人员进行人工上线，上线风险高。还一方面，上线需要耗费算法、开发、测试和运维很多人员，线流程耗时严重，无法支持频繁上线，造成推荐预测服务的算法模型无法及时更新。本发明实施例在编写算法模型时将算法代码和服务架构分离，实现算法模型与服务架构解耦，能够优化算法模型的持续集成和持续部署流程，实现自动敏捷上线，从而及时更新推荐预测服务的算法模型，上线流程简单，上线效率高、风险低。此外，由于算法模型审查通过后再合并至待部署的服务架构，因此能够在保证上线质量的前提下，大大节省上线过程的人力消耗，提高上线效率，支持频繁上线。

审查待部署的算法模型可以包括：获取待部署的算法模型的算法模型文件；对所述算法模型文件进行预编译，生成算法模型的模型代码；对所述模型代码进行单元测试，测试通过后对所述模型代码进行代码走读review。

预编译又称为预处理，是指对算法模型的代码进行文本替换工作，以检测待部署算法模型的代码是否正确。实际应用过程中可以通过C++编译脚本实现预编译。

单元测试是指对软件中的最小可测试单元进行检查和验证。对于单元测试中单元的含义，一般来说，要根据实际情况去判定其具体含义，如C语言中单元指一个函数，Java里单元指一个类，图形化的软件中可以指一个窗口或一个菜单等。总的来说，单元就是人为规定的最小的被测功能模块。单元测试是在软件开发过程中要进行的最低级别的测试活动，软件的独立单元将在与程序的其他部分相隔离的情况下进行测试。单元测试用于检测待部署算法模型是否能够被加载调用、以及是否符合服务架构的代码写法、代码结构等架构要求。

代码走读review是指开发人员之间随机的互相阅读代码，检查其编写正确与否的代码检查方式。实际应用过程中，可以由算法模型工程师编写模型代码，由该项目中的其他人员进行代码review。

采用上述方式能够实现算法模型的自动化审查，进一步优化算法模型的持续集成和持续部署流程，实现自动敏捷上线。

算法模型文件可以包括：模型文件、特征重要性文件、特征文件和说明文件。模型文件是描述算法模型的算法代码的文件，特征文件是描述算法模型中所涉及的各个特征，特征重要性文件是描述算法模型中各个特征的重要性的文件，说明文件是与算法模型有关的文字性描述文件。实际应用过程个中可以采用不同的后缀代表文件类型。例如算法模型包括：模型文件.gdbt,特征重要性文件.imp,特征文件.schema和说明文件.md。其中，后缀.gdbt表示决策树算法；后缀.imp表示压缩文件；.schema Schema是用于描述和规范XML文档的逻辑结构的一种语言；.md是markdown的缩写，表示一种标记语言。在进行部署上线之前，可以预先提交各个待部署的算法模型的相关文件。

所述生成预发版本包，可以包括：按照预设周期检测所述待部署的服务架构；当检测到所述服务架构中有新合并的算法模型时，根据合并后的服务架构进行编译以生成预发版本包。例如，监测Master主分支用于进行算法模型部署上线，从Master分支中提取审查分支用于审查算法模型。每五分钟检测Master分支中是否有新的代码提交，即检测待部署的服务架构的代码是否发生变动，若有，则触发算法模型文件的打包，并上传到云系统中。每一次的Master分支编译都会生成对应的算法模型预发版本包。然后触发部署测试环境的任务进行部署。部署任务时，将根据上游任务传下的版本号从云系统上拉取对应的预发版本进行部署。预发布的测试环境将部署最新的模型文件，并自动重启加载。按照预设周期检测所述待部署的服务架构，能够实现算法模型的持续部署上线。

通过预发布的测试环境对所述预发版本包进行模型验证之前，还可以包括：向用户发送测试提示消息；接收用户基于所述测试提示消息输入的配置信息；基于所述配置信息生成所述预发布的测试环境。例如，生成预发版本包后触发一封邮件或一条即时通讯信息生成，然后发给算法工程师。算法工程师填写需要同步的线上实验位配置。填写后，程序将自动去线上的配置管理器拉取对应的实验位信息同步到测试环境中。此时算法工程师可以通过预发布的测试环境进行模型验证。向用户发送测试提示消息，基于用户输入的配置信息生成测试环境，便于调整测试环境，实现算法模型的敏捷上线。

基于验证通过的所述预发版本包实现算法模型部署上线，可以包括：

按照如下步骤将所述预发版本包部署至待部署设备中：探活，以确认待部署设备中用于运行待部署算法模型的进程可用；下载新模型，以将所述预发版本包下载至所述待部署设备；解压新模型，以解压下载的预发版本包；拷贝新模型，以安装解压后的预发版本包；同步配置，以同步所述算法模型的配置文件；

将线上流量切换至所述预发版本包对应的算法模型的实验位，以实现所述算法模型的预发版本包的上线。

Ansible是基于Python开发的自动化运维工具，集合了众多运维工具(puppet、cfengine、chef、func、fabric)的优点，实现了批量系统配置、批量程序部署、批量运行命令等功能。因此，可以采用Ansible将算法模型拆分成数个子任务完成自动部署。将部署过程拆分成多个子任务，能够实现自动化部署。实际应用过程中，通过分析每个子任务的执行状态，还能够到位异常问题，便于实现自动化测试。

下载新模型之前，还可以包括：删除旧模型，以从所述待部署设备中删除所述预发版本包对应的算法模型的旧版本包。新旧模型的有些命令的名字相同内容不同，不同模型之间的内容不一定相同，等等。通过删除旧模型步骤，能够避免由于存在旧模型而导致的各种异常，当首次部署算法模型时，可以忽略此步骤。

可选地，采用灰度切换方式将线上流量切换至所述预发版本包对应的算法模型的实验位。例如，算法工程师对单台机器进行预期验证，验证通过后将切换线上流量到新实验位，在此期间，流量切换采取灰度切换，即新算法模型所服务的线上流量比例逐步增大，最终完成100％流量切换。采用灰度切换方式上线，能够保证线上服务的正常运行。

基于验证通过的所述预发版本包实现算法模型部署上线，还可以包括：监控所述算法模型的预发版本包部署和/或上线的运行状态，当运行异常时，将所述预发版本包对应的算法模型的旧版本包部署至待部署设备中，将线上流量切换至所述旧版本包对应的算法模型的实验位，以实现所述算法模型的旧版本包的上线。如果途中出现不符合预期的情况，可以通过回滚机制快速切换至稳定版本。当运行异常时，将预发版本包对应的算法模型的旧版本包部署至待部署设备，能够快速切换至算法模型的稳定版本，保证线上服务的正常运行。

图2是根据本发明可选实施例的算法模型部署上线方法的主要步骤的示意图。如图2所示，算法模型部署上线方法的主要步骤包括：

算法工程师将算法模型部分隔离出一个专门的代码库，提交该算法模型的算法模型文件，使得算法模型变动；

采用Gerrit(Gerrit提供一种易于代码review的审查系统，可绑定持续集成系统Jenkins，人工和自动化审查同时进行，然后进行代码合并)对新提交的算法模型进行预编译和单元测试，测试通过后进行代码review；否则结束流程，继续监控算法模型变动；

代码review通过后，采用Jenkins检测是否有新的代码提交，若有，则将算法模型合并至服务架构以生成预发版本包；

算法模型工程师输入配置信息以生成测试环境，通过测试环境进行模型验证；

判断模型验证是否通过；若通过，则将预发版本包部署至线上以进行线上验证；否则，结束流程，继续监控算法模型变动；

判断线上验证是否通过；若通过，则采用灰度切换方式切换线上流量至预发版本包对应的算法模型的实验位；否则，回滚至旧版本包。

本发明技术方案在保证上线质量的前提下，大大提高了模型上线效率和节省人力资源。只需算法工程师本人，即可完成效率高和质量高的上线任务。

根据本发明实施例的再一个方面，提供了一种算法模型部署上线装置。

图3是根据本发明实施例的算法模型部署上线装置的主要模块的示意图。如图3所示，算法模型部署上线装置300包括：

模型审查模块301，审查待部署的算法模型，审查通过后将所述算法模型合并至待部署的服务架构，生成预发版本包；

模型验证模块302，通过预发布的测试环境对所述预发版本包进行模型验证；

部署上线模块303，基于验证通过的所述预发版本包实现算法模型部署上线。

可选地，所述模型审查模块审查待部署的算法模型包括：获取待部署的算法模型的算法模型文件；对所述算法模型文件进行预编译，生成算法模型的模型代码；对所述模型代码进行单元测试，测试通过后对所述模型代码进行代码走读review。

可选地，所述算法模型文件包括：模型文件、特征重要性文件、特征文件和说明文件。

可选地，所述模型审查模块还用于：按照预设周期检测所述待部署的服务架构；当检测到所述服务架构中有新合并的算法模型时，根据合并后的服务架构进行编译以生成预发版本包。

可选地，所述通过预发布的测试环境对所述预发版本包进行模型验证之前，所述模型验证模块还用于：向用户发送测试提示消息；接收用户基于所述测试提示消息输入的配置信息；基于所述配置信息生成所述预发布的测试环境。

可选地，所述部署上线模块还用于：

按照如下步骤将所述预发版本包部署至待部署设备中：探活，以确认待部署设备中用于运行待部署算法模型的进程可用；下载新模型，以将所述预发版本包下载至所述待部署设备；解压新模型，以解压下载的预发版本包；拷贝新模型，以安装解压后的预发版本包；同步配置，以同步所述算法模型的配置文件；

将线上流量切换至所述预发版本包对应的算法模型的实验位，以实现所述算法模型的预发版本包的上线。

可选地，所述下载新模型之前，所述部署上线模块还用于：删除旧模型，以从所述待部署设备中删除所述预发版本包对应的算法模型的旧版本包。

可选地，所述部署上线模块还用于：采用灰度切换方式将线上流量切换至所述预发版本包对应的算法模型的实验位。

可选地，所述部署上线模块还用于：监控所述算法模型的预发版本包部署和/或上线的运行状态，当运行异常时，将所述预发版本包对应的算法模型的旧版本包部署至待部署设备中，将线上流量切换至所述旧版本包对应的算法模型的实验位，以实现所述算法模型的旧版本包的上线。

根据本发明实施例的另一个方面，一种算法模型部署上线电子设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明实施例第一方面提供的算法模型部署上线方法。

图4示出了可以应用本发明实施例的算法模型部署上线方法或算法模型部署上线装置的示例性系统架构400。

如图4所示，系统架构400可以包括终端设备401、402、403，网络404和服务器405。网络404用以在终端设备401、402、403和服务器405之间提供通信链路的介质。网络404可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备401、402、403通过网络404与服务器405交互，以接收或发送消息等。终端设备401、402、403上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。

终端设备401、402、403可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器405可以是提供各种服务的服务器，例如对用户利用终端设备401、402、403所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理，并将处理结果(例如目标推送信息、产品信息--仅为示例)反馈给终端设备。

需要说明的是，本发明实施例所提供的算法模型部署上线方法一般由服务器405执行，相应地，算法模型部署上线装置一般设置于服务器405中。

应该理解，图4中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

下面参考图5，其示出了适于用来实现本发明实施例的终端设备的计算机系统500的结构示意图。图5示出的终端设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图5所示，计算机系统500包括中央处理单元(CPU)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有系统500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

以下部件连接至I/O接口505：包括键盘、鼠标等的输入部分506；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507；包括硬盘等的存储部分508；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器510上，以便于从其上读出的计算机程序根据需要被安装入存储部分508。

特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分509从网络上被下载和安装，和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时，执行本发明的系统中限定的上述功能。

需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括：模型审查模块，审查待部署的算法模型，审查通过后将所述算法模型合并至待部署的服务架构，生成预发版本包；模型验证模块，通过预发布的测试环境对所述预发版本包进行模型验证；部署上线模块，基于验证通过的所述预发版本包实现算法模型部署上线。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定，例如，模型审查模块还可以被描述为“通过预发布的测试环境对所述预发版本包进行模型验证的模块”。

作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：审查待部署的算法模型，审查通过后将所述算法模型合并至待部署的服务架构，生成预发版本包；

通过预发布的测试环境对所述预发版本包进行模型验证；

基于验证通过的所述预发版本包实现算法模型部署上线。

根据本发明实施例的技术方案，具有如下有益效果：

(1)将算法模型与服务架构解耦，算法模型审查通过后再合并至待部署的服务架构，能够优化算法模型的持续集成和持续部署流程，实现自动敏捷上线，从而及时更新推荐预测服务的算法模型，上线流程简单，上线效率高、风险低；

(2)按照预设周期检测所述待部署的服务架构，能够实现算法模型的持续部署上线；

(3)向用户发送测试提示消息，基于用户输入的配置信息生成测试环境，便于调整测试环境，实现算法模型的敏捷上线；

(4)将部署过程拆分成多个子任务，能够实现自动化部署；通过分析每个子任务的执行状态能够到位异常问题，便于实现自动化测试；

(5)采用灰度切换方式上线，能够保证线上服务的正常运行；

(6)当运行异常时，将预发版本包对应的算法模型的旧版本包部署至待部署设备，能够快速切换至算法模型的稳定版本，保证线上服务的正常运行。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (20)

1.一种算法模型部署上线方法，其特征在于，包括：

审查待部署的算法模型，审查通过后将所述算法模型合并至待部署的服务架构，生成预发版本包；

通过预发布的测试环境对所述预发版本包进行模型验证；

基于验证通过的所述预发版本包实现算法模型部署上线。

2.如权利要求1所述的方法，其特征在于，所述审查待部署的算法模型包括：获取待部署的算法模型的算法模型文件；对所述算法模型文件进行预编译，生成算法模型的模型代码；对所述模型代码进行单元测试，测试通过后对所述模型代码进行代码走读。

3.如权利要求2所述的方法，其特征在于，所述算法模型文件包括：模型文件、特征重要性文件、特征文件和说明文件。

4.如权利要求1所述的方法，其特征在于，所述生成预发版本包，包括：按照预设周期检测所述待部署的服务架构；当检测到所述服务架构中有新合并的算法模型时，根据合并后的服务架构进行编译以生成预发版本包。

5.如权利要求1所述的方法，其特征在于，所述通过预发布的测试环境对所述预发版本包进行模型验证之前，还包括：向用户发送测试提示消息；接收用户基于所述测试提示消息输入的配置信息；基于所述配置信息生成所述预发布的测试环境。

6.如权利要求1所述的方法，其特征在于，所述基于验证通过的所述预发版本包实现算法模型部署上线，包括：

按照如下步骤将所述预发版本包部署至待部署设备中：探活，以确认待部署设备中用于运行待部署算法模型的进程可用；下载新模型，以将所述预发版本包下载至所述待部署设备；解压新模型，以解压下载的预发版本包；拷贝新模型，以安装解压后的预发版本包；同步配置，以同步所述算法模型的配置文件；

将线上流量切换至所述预发版本包对应的算法模型的实验位，以实现所述算法模型的预发版本包的上线。

7.如权利要求6所述的方法，其特征在于，所述下载新模型之前，还包括：删除旧模型，以从所述待部署设备中删除所述预发版本包对应的算法模型的旧版本包。

8.如权利要求6所述的方法，其特征在于，采用灰度切换方式将线上流量切换至所述预发版本包对应的算法模型的实验位。

9.如权利要求6-8任一所述的方法，其特征在于，所述基于验证通过的所述预发版本包实现算法模型部署上线，还包括：监控所述算法模型的预发版本包部署和/或上线的运行状态，当运行异常时，将所述预发版本包对应的算法模型的旧版本包部署至待部署设备中，将线上流量切换至所述旧版本包对应的算法模型的实验位，以实现所述算法模型的旧版本包的上线。

10.一种算法模型部署上线装置，其特征在于，包括：

模型审查模块，审查待部署的算法模型，审查通过后将所述算法模型合并至待部署的服务架构，生成预发版本包；

模型验证模块，通过预发布的测试环境对所述预发版本包进行模型验证；

部署上线模块，基于验证通过的所述预发版本包实现算法模型部署上线。

11.如权利要求10所述的装置，其特征在于，所述模型审查模块审查待部署的算法模型包括：获取待部署的算法模型的算法模型文件；对所述算法模型文件进行预编译，生成算法模型的模型代码；对所述模型代码进行单元测试，测试通过后对所述模型代码进行代码走读。

12.如权利要求11所述的装置，其特征在于，所述算法模型文件包括：模型文件、特征重要性文件、特征文件和说明文件。

13.如权利要求10所述的装置，其特征在于，所述模型审查模块还用于：按照预设周期检测所述待部署的服务架构；当检测到所述服务架构中有新合并的算法模型时，根据合并后的服务架构进行编译以生成预发版本包。

14.如权利要求10所述的装置，其特征在于，所述通过预发布的测试环境对所述预发版本包进行模型验证之前，所述模型验证模块还用于：向用户发送测试提示消息；接收用户基于所述测试提示消息输入的配置信息；基于所述配置信息生成所述预发布的测试环境。

15.如权利要求10所述的装置，其特征在于，所述部署上线模块还用于：

按照如下步骤将所述预发版本包部署至待部署设备中：探活，以确认待部署设备中用于运行待部署算法模型的进程可用；下载新模型，以将所述预发版本包下载至所述待部署设备；解压新模型，以解压下载的预发版本包；拷贝新模型，以安装解压后的预发版本包；同步配置，以同步所述算法模型的配置文件；

将线上流量切换至所述预发版本包对应的算法模型的实验位，以实现所述算法模型的预发版本包的上线。

16.如权利要求15所述的装置，其特征在于，所述下载新模型之前，所述部署上线模块还用于：删除旧模型，以从所述待部署设备中删除所述预发版本包对应的算法模型的旧版本包。

17.如权利要求15所述的装置，其特征在于，所述部署上线模块还用于：采用灰度切换方式将线上流量切换至所述预发版本包对应的算法模型的实验位。

18.如权利要求15-17任一所述的装置，其特征在于，所述部署上线模块还用于：监控所述算法模型的预发版本包部署和/或上线的运行状态，当运行异常时，将所述预发版本包对应的算法模型的旧版本包部署至待部署设备中，将线上流量切换至所述旧版本包对应的算法模型的实验位，以实现所述算法模型的旧版本包的上线。

19.一种算法模型部署上线电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-9中任一所述的方法。

20.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-9中任一所述的方法。