乐趣区

关于serverless:假期充电用阿里云-Serverless-K8s-AIGC-搭建私人代码助理

jiezi

AI 技术正在引领科技翻新浪潮，随着 ChatGPT 和 Midjourney 的走红，AIGC 技术正在世界范畴内掀起一股 AI 技术浪潮。开源畛域也涌现了许多相似模型，如 FastGPT、Moss、Stable Diffusion 等。这些模型展现出的惊人成果吸引企业和开发者们投身其中，然而简单繁琐的部署形式成为了拦路虎。阿里云 ASK 提供 Serverless 化的容器服务，用户无需关怀资源及环境配置，能够帮忙开发者们零门槛疾速部署 AI 模型。本文以开源的 FastChat 为例，具体展现如何在 ASK 中疾速搭建一个私人代码助理。

成果预览

Cursor + GPT-4 的代码生成是不是感觉很智能，咱们通过 FastChat + VSCode 插件也能做到一样的成果！

  • 疾速生成一个 Golang Hello World

地址：https://intranetproxy.alipay.com/skylark/lark/0/2023/gif/1143…

  • 疾速生成一个 Kubernetes Deployment

地址：https://intranetproxy.alipay.com/skylark/lark/0/2023/gif/1143…

背景介绍

ASK(Alibaba Serverless Kubernetes)是阿里云容器服务团队提供的一款面向 Serverless 场景的容器产品。用户能够应用 Kubernetes API 间接创立 Workload，免去节点运维懊恼。ASK 作为容器 Serverless 平台，具备免运维、弹性扩容、兼容 K8s 社区、强隔离四大个性。

大规模 AI 利用训练和部署次要面临以下挑战。

  • GPU 资源受限且训练老本较高

大规模 AI 利用在训练及推理时都须要应用 GPU，然而很多开发者短少 GPU 资源。独自购买 GPU 卡，或者购买 ECS 实例都须要较高老本。

  • 资源异构

并行训练时须要大量的 GPU 资源，这些 GPU 往往是不同系列的。不同 GPU 反对的 CUDA 版本不同，且跟内核版本、nvidia-container-cli 版本互相绑定，开发者须要关注底层资源，为 AI 利用开发减少了许多难度。

  • 镜像加载慢

AI 类利用镜像常常有几十 GB，下载往往须要几十分钟甚至数小时。

针对上述问题，ASK 提供了完满的解决方案。在 ASK 中能够通过 Kubernetes Workload 非常不便的应用 GPU 资源，无需其前置筹备应用，用完即可立刻开释，应用成本低。ASK 屏蔽了底层资源，用户无需关怀 GPU、CUDA 版本等等的依赖问题，只需关怀 AI 利用的本身逻辑即可。同时，ASK 默认就提供了镜像缓存能力，当 Pod 第 2 次创立时能够秒级启动。

部署流程

1. 前提条件

已创立 ASK 集群。具体操作，请参见创立 ASK 集群 [1]。
下载 llama-7b 模型并上传到 OSS。具体操作，请参见本文附录局部。

2. 应用 Kubectl 创立

替换 yaml 文件中变量

${your-ak} 您的 AK

${your-sk} 您的 SK

${oss-endpoint-url} OSS 的 enpoint

${llama-oss-path} 替换为寄存 llama-7b 模型的地址（门路开端不须要 /），如 oss://xxxx/llama-7b-hf

apiVersion: v1
kind: Secret
metadata:
  name: oss-secret
type: Opaque
stringData:
  .ossutilconfig: |
    [Credentials]
    language=ch
    accessKeyID=${your-ak}
    accessKeySecret=${your-sk}
    endpoint=${oss-endpoint-url}
---
apiVersion: apps/v1
kind: Deployment
metadata:
  labels:
    app: fastchat
  name: fastchat
  namespace: default
spec:
  replicas: 1
  selector:
    matchLabels:
      app: fastchat
  strategy:
    rollingUpdate:
      maxSurge: 100%
      maxUnavailable: 100%
    type: RollingUpdate
  template:
    metadata:
      labels:
        app: fastchat
        alibabacloud.com/eci: "true" 
      annotations:
        k8s.aliyun.com/eci-use-specs: ecs.gn6e-c12g1.3xlarge
    spec:
      volumes:
      - name: data
        emptyDir: {}
      - name: oss-volume
        secret:
          secretName: oss-secret
      dnsPolicy: Default
      initContainers:
      - name: llama-7b
        image: yunqi-registry.cn-shanghai.cr.aliyuncs.com/lab/ossutil:v1
        volumeMounts:
          - name: data
            mountPath: /data
          - name: oss-volume
            mountPath: /root/
            readOnly: true
        command: 
        - sh
        - -c
        - ossutil cp -r ${llama-oss-path} /data/
        resources:
          limits:
            ephemeral-storage: 50Gi
      containers:
      - command:
        - sh
        - -c 
        - "/root/webui.sh"
        image: yunqi-registry.cn-shanghai.cr.aliyuncs.com/lab/fastchat:v1.0.0
        imagePullPolicy: IfNotPresent
        name: fastchat
        ports:
        - containerPort: 7860
          protocol: TCP
        - containerPort: 8000
          protocol: TCP
        readinessProbe:
          failureThreshold: 3
          initialDelaySeconds: 5
          periodSeconds: 10
          successThreshold: 1
          tcpSocket:
            port: 7860
          timeoutSeconds: 1
        resources:
          requests:
            cpu: "4"
            memory: 8Gi
          limits:
            nvidia.com/gpu: 1
            ephemeral-storage: 100Gi
        volumeMounts:
        - mountPath: /data
          name: data
---
apiVersion: v1
kind: Service
metadata:
  annotations:
    service.beta.kubernetes.io/alibaba-cloud-loadbalancer-address-type: internet
    service.beta.kubernetes.io/alibaba-cloud-loadbalancer-instance-charge-type: PayByCLCU
  name: fastchat
  namespace: default
spec:
  externalTrafficPolicy: Local
  ports:
  - port: 7860
    protocol: TCP
    targetPort: 7860
    name: web
  - port: 8000
    protocol: TCP
    targetPort: 8000
    name: api
  selector:
    app: fastchat
  type: LoadBalancer

3. 期待 FastChat Ready

期待 pod ready 后，在浏览器中拜访 http://${externa-ip}:7860

启动后须要下载 vicuna-7b 模型，模型大小约 13GB

下载模型工夫大略耗时约 20 分钟左右，如果提前做好磁盘快照，通过磁盘快照创立磁盘并挂载到 pod，就是秒级失效

kubectl get po |grep fastchat

# NAME                        READY   STATUS    RESTARTS   AGE
# fastchat-69ff78cf46-tpbvp   1/1     Running   0          20m

kubectl get svc fastchat
# NAME       TYPE           CLUSTER-IP        EXTERNAL-IP    PORT(S)          AGE
# fastchat   LoadBalancer   192.168.230.108   xxx.xx.x.xxx   7860:31444/TCP   22m

成果展现

Case 1：通过控制台应用 FastChat

在浏览器中拜访 http://${externa-ip}:7860，能够间接测试聊天性能。比方应用自然语言让 FastChat 写一段代码。

输出：基于 Nginx 镜像编写 Kubernetes Deployment Yaml 文件

FastChat 输入如下图所示。

Case 2：通过 API 应用 FastChat

FastChat API 监听在 8000 端口，如下所示，通过 curl 发动一个 API 调用，而后返回后果。

  • curl 命令
kubectl get po |grep fastchat

# NAME                        READY   STATUS    RESTARTS   AGE
# fastchat-69ff78cf46-tpbvp   1/1     Running   0          20m

kubectl get svc fastchat
# NAME       TYPE           CLUSTER-IP        EXTERNAL-IP    PORT(S)          AGE
# fastchat   LoadBalancer   192.168.230.108   xxx.xx.x.xxx   7860:31444/TCP   22m

输入后果

{"id":"3xqtJcXSLnBomSWocuLW2b","object":"chat.completion","created":1682574393,"choices":[{"index":0,"message":{"role":"assistant","content":"上面是应用 Go 语言生成 \"Hello, World!\"的代码：\n```go\npackage main\n\nimport \"fmt\"\n\nfunc main() {\n    fmt.Println(\"Hello, World!\")\n}\n```\n 运行该代码后，会输入 \"Hello, World!\"。"},"finish_reason":"stop"}],"usage":null}

Case 3: VSCode 插件

既然有了 API 接口，在 IDE 中怎么疾速集成这个能力呢。你是不是想到了 Copilot、Cursor、Tabnine，那咱们就通过 VSCode 插件集成一下 FastChat 看看吧。VSCode 插件几个外围文件：src/extension.ts、package.json 和 tsconfig.json

这三个文件的内容别离如下：

  • src/extension.ts
import * as vscode from 'vscode';
import axios from 'axios';

import {ExtensionContext, commands, window} from "vscode";
const editor = window.activeTextEditor
export function activate(context: vscode.ExtensionContext) {let fastchat = async () => {vscode.window.showInputBox({ prompt: '请输出代码提醒语'}).then((inputValue) => {if (!inputValue) {return;}

            vscode.window.withProgress({
                location: vscode.ProgressLocation.Notification,
                title: '正在申请...',
                cancellable: false
            }, (progress, token) => {
                return axios.post('http://example.com:8000/v1/chat/completions', {
                    model: 'vicuna-7b-v1.1',
                    messages: [{role: 'user', content: inputValue}]
                }, {
                    headers: {'Content-Type': 'application/json'}
                }).then((response) => {// const content = JSON.stringify(response.data);
                    const content = response.data.choices[0].message.content;
                    console.log(response.data)
                    const regex = /```.*\n([\s\S]*?)```/
                    const matches = content.match(regex)
                    if (matches && matches.length > 1) {
                        editor?.edit(editBuilder => {
                            let position = editor.selection.active;
                            position && editBuilder.insert(position, matches[1].trim())
                        })
                    }
                }).catch((error) => {console.log(error);
                });
            });
        });

    }
    let command = commands.registerCommand(
        "fastchat",
        fastchat
    )
    context.subscriptions.push(command)
}
  • package.json
{
    "name": "fastchat",
    "version": "1.0.0",
    "publisher": "yourname",
    "engines": {"vscode": "^1.0.0"},
    "categories": ["Other"],
    "activationEvents": ["onCommand:fastchat"],
    "main": "./dist/extension.js",
    "contributes": {
        "commands": [
            {
                "command": "fastchat",
                "title": "fastchat code generator"
            }
        ]
    },
    "devDependencies": {
        "@types/node": "^18.16.1",
        "@types/vscode": "^1.77.0",
        "axios": "^1.3.6",
        "typescript": "^5.0.4"
    }
}
  • tsconfig.json
{
    "compilerOptions": {
      "target": "ES2018",
      "module": "commonjs",
      "outDir": "./dist",
      "strict": true,
      "esModuleInterop": true,
      "resolveJsonModule": true,
      "declaration": true
    },
    "include": ["src/**/*"],
    "exclude": ["node_modules", "**/*.test.ts"]
  }

好，插件开发完咱们就看一下成果。

  • 疾速生成一个 Golang Hello World

地址：https://intranetproxy.alipay.com/skylark/lark/0/2023/gif/1143…

  • 疾速生成一个 Kubernetes Deployment

地址：https://intranetproxy.alipay.com/skylark/lark/0/2023/gif/1143…

总结

ASK 作为容器 Serverless 平台，具备免运维、弹性扩缩容、屏蔽异构资源、镜像减速等能力，非常适合 AI 大模型部署场景，欢送试用。

附录：

1. 下载 llama-7b 模型

模型地址：https://huggingface.co/decapoda-research/llama-7b-hf/tree/main

# 如果应用的是阿里云 ECS，须要运行如下命令装置 git-lfs
# yum install git-lfs

git clone https://huggingface.co/decapoda-research/llama-7b-hf
git lfs install
git lfs pull

2. 上传到 OSS

可参考文档：https://help.aliyun.com/document_detail/195960.html

参考文档：

[1] 创立 ASK 集群

https://help.aliyun.com/document_detail/86377.htm?spm=a2c4g.1…

[2] ASK 概述

https://help.aliyun.com/document_detail/86366.html?spm=a2c4g….

作者：子白、冬岛

原文链接

本文为阿里云原创内容，未经容许不得转载。

退出移动版