优化目标:SLO合规性、成本效益
采取三大措施:1、动态性地对请求做批处理,2、使用预测性自动放缩来以低成本隐藏配置延迟,3、根据推理服务的无状态特性,使用无服务实例来处理难以预测的高请求率时刻
要建立一个Model Ark系统,提供低延迟、成本效益好的推理服务系统
大致是利用IaaS的成本效益好的特性,再利用FaaS的(高扩展性)突发请求处理能力()
对于EC2、ECS而言配置开销时间长,特别是加载大模型时,高启动开销,需要数十秒的启动开销,而FaaS能够快速生成推理实例并处理请求,而不会产生额外的开销
后续对IaaS,CaaS,FaaS的成本效益做出评价,最终选择IaaS作为主要model serving基础,再结合FaaS的高扩展性;后续还考量了IaaS在不同CPU类型下,不同IaaS实例大小情况下的工作性能,以及CPU,GPU,TPU的推理延迟和成本消耗,最后选出小型IaaS实例,并且采用GPU有更好的成本效益以及低处理延迟