OpenShift AI - 部署动态物体识别应用

dawnsky.liu

已于 2024-03-01 08:48:56 修改

阅读量955

点赞数 24

文章标签： openshift 人工智能 AI jupyter

于 2024-02-07 11:13:07 首次发布

本文链接：https://blog.csdn.net/weixin_43902588/article/details/135216674

版权

《OpenShift / RHEL / DevSecOps 汇总目录》
说明：本文已经在 OpenShift 4.15 + RHODS 2.7.0 的环境中验证

说明：请先完成《OpenShift AI - 部署静态物体识别 AI 应用》一文的内容。
注意：如无特殊说明，和 OpenShift AI 相关的 Blog 均无需 GPU。

配置 Kafka 环境

创建 Kafka 资源

使用默认选项安装 AMQ Streams Operator。
在 object-detect 项目中创建名为 object-detection 的 Kafka 集群实例。
在 object-detect 项目中创建以下 KafkaTopic 实例。

apiVersion: kafka.strimzi.io/v1beta2
kind: KafkaTopic
metadata:
  name: images
  labels:
    strimzi.io/cluster: object-detection
  namespace: object-detect
spec:
  config:
    retention.ms: 604800000
    segment.bytes: 1073741824
  partitions: 1
  replicas: 3

apiVersion: kafka.strimzi.io/v1beta2
kind: KafkaTopic
metadata:
  name: objects
  labels:
    strimzi.io/cluster: object-detection
  namespace: object-detect
spec:
  config:
    retention.ms: 604800000
    segment.bytes: 1073741824
  partitions: 1
  replicas: 3

apiVersion: kafka.strimzi.io/v1beta2
kind: KafkaTopic
metadata:
  name: notebook-test
  labels:
    strimzi.io/cluster: object-detection
  namespace: object-detect
spec:
  config:
    retention.ms: 604800000
    segment.bytes: 1073741824
  partitions: 1
  replicas: 3

执行命令查看运行的 kafkatopic。

$ oc get kafkatopic -n object-detect
NAME                                                                                               CLUSTER            PARTITIONS   REPLICATION FACTOR   READY
consumer-offsets---84e7a678d08f4bd226872e5cdd4eb527fadc1c6a                                        object-detection   50           3                    True
images                                                                                             object-detection   1            3					True
notebook-test                                                                                      object-detection   1            3					True
objects                                                                                            object-detection   1            3					True
strimzi-store-topic---effb8e3e057afce1ecf67c3f5d8e4e3ff177fc55                                     object-detection   1            3                    True
strimzi-topic-operator-kstreams-topic-store-changelog---b75e702040b99be8a9263134de3507fc0cc4017b   object-detection   1            3                    True

验证 Kafka 环境

在 Jupyter Notebook 中克隆 https://github.com/blues-man/object-detection-kafka-consumer。
打开 object-detection-kafka-consumer 目录下的 1_kafka_consumer.ipynb 和 2_kafka_producer.ipynb 文件，修改 KAFKA_BOOTSTRAP_SERVER 和 KAFKA_SECURITY_PROTOCOL 变量。

KAFKA_BOOTSTRAP_SERVER = os.environ.get('KAFKA_BOOTSTRAP_SERVER', 'object-detection-kafka-brokers.object-detect.svc.cluster.local:9092')
KAFKA_SECURITY_PROTOCOL = os.environ.get('KAFKA_SECURITY_PROTOCOL', 'PLAINTEXT')

其中 KAFKA_BOOTSTRAP_SERVER 变量的值是名为 object-detection 的 Kafka 对象中的 object-detection-kafka-brokers 服务对应的主机名和 tcp-clients 端口。
在这里插入图片描述

分别运行 1_kafka_consumer.ipynb 和 2_kafka_producer.ipynb，确认可以向 Kafka 发送和接受消息。

运行应用

部署新的应用模块

根据下面配置，使用 “从 Git 导入” 的方式部署 object-detection-kafka-consumer 模块。

Git Repo URL ：https://github.com/blues-man/object-detection-kafka-consumer
构建器镜像： “Python 3.9 (UBI 8)” 
创建路由：取消选项
CPU资源： 500 millicores - 1000 millicores
内存资源： 2200 Mi - 3000 Mi

为应用模块提供 Kafka 配置

根据以下 YAML 在 object-detect 项目中创建 Secret，其中 KAFKA_BOOTSTRAP_SERVER 为前面获取到的 object-detection-kafka-brokers 服务对应的地址+端口。

apiVersion: v1
kind: Secret
metadata:
  name: object-detection-kafka
  labels:
    app: object-detection
    app.kubernetes.io/component: object-detection
    app.kubernetes.io/instance: object-detection
    app.kubernetes.io/part-of: object-detection
data:
stringData:
  KAFKA_BOOTSTRAP_SERVER: object-detection-kafka-brokers.object-detect.svc.cluster.local:9092
  KAFKA_TOPIC_IMAGES: images
  KAFKA_TOPIC_OBJECTS: objects

进入 object-detection-kafka 页面，然后点击 “在工作负载中添加 Secret”。
在弹出窗口中的下拉框中选择 object-detection-ui，然后 “保存”。
这时 object-detection-ui 部署会更新 Pod。
可以在 object-detection-ui 部署的 “环境” 中查看到已添加的名为 object-detection-kafka 的 Secret。
重复以上 2-5 步操作，将名为 object-detection-kafka 的 Secret 添加到 object-detection-kafka-cunsumer 工作负载中。
完成后打开 object-detection-ui 路由地址。
完成后打开 object-detection-ui 路由地址，然后点击下图的图标进入视频模式。
确认可以对拍摄到的动态物体进行识别。