FATE使用笔记

一、上传数据

1.1 上传数据配置文件

//upload_data.json
{
    "file": "examples/data/breast_hetero_guest.csv", //所上传的csv文件
    "table_name": "hetero_breast_guest",             //存储数据表的表名
    "namespace": "experiment",                       //存储数据表的命名空间
    "head": 1,         //指定数据文件是否包含表头，1包含，0不包含
    "partition": 8,    // 指定用于存储数据的分区数
    "work_mode": 0,    //指定工作模式，0代表单机版，1代表集群版
    "backend": 0       //指定后端，0代表EGGROLL， 1代表SPARK加RabbitMQ， 2代表SPARK加Pulsar
}

1.2 上传数据命令

//使用python方式上传数据   (FATE版本1.6.0单机部署，docker:fate)
 python /fate/python/fate_flow/fate_flow_client.py -f upload -c upload_data.json
 
//使用fateflow方式上传数据 
//使用fateflow的第一步是先对fateflow进行init
flow init -c /data/projects/fate/python/conf/service_conf.yaml
或者flow init --ip 127.0.0.1 --port 9380
//上传数据
flow data upload -c upload_data.json --drop  //--drop代表覆盖已上传的同名文件

（不同版本fate_flow_client.py的位置可能不同）

二、任务配置和运行配置

版本1.5.0以前的FATE适用V1规则
版本1.5.0以后的FATE适用V2规则，可兼容V1

本章主要讲training job的配置
通过Flow Client提交conf & dsl来开始training job

2.1 DSL 配置文件

xxxx_dsl.json文件
components表示将会使用到的各个模块
每个独立的模块定义在在"components" 之下，使用模块名加 _num 作为对应模块的 key，如"dataio_0"
所有数据需要通过Reader模块从数据存储拿取数据，此模块仅有输出output

//xxxx_dsl.json
{
  "components" : { 
		  "reader_0": {
		      "module": "Reader",
		      "output": {
		          "data": ["train"]
			  }
		  }
  		  "dataio_0": {
		      "module": "DataIO",
		      "input": {
		          "data": {
		              "data": [
		                  "reader_0.train_data" //通过Reader模块拿数据
		              ]
		          }
		      },
		      "output": {
		          "data": ["train"],
		          "model": ["dataio"]
		      }
		  }

		  ...
     }
}

参数说明

• module
  指定使用的模块，需要和 federatedml/conf/setting_conf 下各个模块的文件名保持一致

• input
  分为两种输入类型，分别是 data 和 model
  data：有四种可能的输入类型：
  * data（一般被用于data_io 模块、feature_engineering 模块或者 evaluation 模块）
  * train_data（一般被用于 homo_lr, heero_lr 和 secure_boost 模块，出现train_data的任务将会被识别为一个fit任务）
  * validate_data（如果存在 train_data 字段，则 eval_data 指向的数据将会作为 validation set。若不存在 tra