Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
machine learning with rancher and K8s on prem
Search
@ジュジュ
May 15, 2019
Technology
5
450
machine learning with rancher and K8s on prem
@ジュジュ
May 15, 2019
Tweet
Share
More Decks by @ジュジュ
See All by @ジュジュ
チーム分割においていかれたアラートをチームで責任を持てる形に再設計した
juju62q
0
150
ボトムアップでSLOを導入 2年半運用して分かった失敗と変化
juju62q
2
1.1k
Firecracker Snapshottingを調べてみた
juju62q
1
570
SLOを活用した技術的改善
juju62q
10
11k
IAM Role for Pods and Instance Meta Data Service
juju62q
1
1.6k
telepresence handson
juju62q
2
5.1k
Wanna Use Vitess in Orientation
juju62q
6
1.3k
docker-handson-for-researcher
juju62q
3
320
Getting Started to CRIU
juju62q
0
130
Other Decks in Technology
See All in Technology
AI時代を生き抜くエンジニアキャリアの築き方 (AI-Native 時代、エンジニアという道は 「最大の挑戦の場」となる) / Building an Engineering Career to Thrive in the Age of AI (In the AI-Native Era, the Path of Engineering Becomes the Ultimate Arena of Challenge)
jeongjaesoon
0
180
slog.Handlerのよくある実装ミス
sakiengineer
4
190
ハードウェアとソフトウェアをつなぐ全てを内製している企業の E2E テストの作り方 / How to create E2E tests for a company that builds everything connecting hardware and software in-house
bitkey
PRO
1
150
「Linux」という言葉が指すもの
sat
PRO
4
140
はじめてのOSS開発からみえたGo言語の強み
shibukazu
1
270
共有と分離 - Compose Multiplatform "本番導入" の設計指針
error96num
2
580
KotlinConf 2025_イベントレポート
sony
1
140
下手な強制、ダメ!絶対! 「ガードレール」を「檻」にさせない"ガバナンス"の取り方とは?
tsukaman
2
450
Webブラウザ向け動画配信プレイヤーの 大規模リプレイスから得た知見と学び
yud0uhu
0
230
AIのグローバルトレンド2025 #scrummikawa / global ai trend
kyonmm
PRO
1
290
AIエージェント開発用SDKとローカルLLMをLINE Botと組み合わせてみた / LINEを使ったLT大会 #14
you
PRO
0
120
Automating Web Accessibility Testing with AI Agents
maminami373
0
1.3k
Featured
See All Featured
Code Review Best Practice
trishagee
70
19k
Rails Girls Zürich Keynote
gr2m
95
14k
StorybookのUI Testing Handbookを読んだ
zakiyama
31
6.1k
Building Applications with DynamoDB
mza
96
6.6k
Making the Leap to Tech Lead
cromwellryan
135
9.5k
Put a Button on it: Removing Barriers to Going Fast.
kastner
60
4k
[RailsConf 2023] Rails as a piece of cake
palkan
57
5.8k
Performance Is Good for Brains [We Love Speed 2024]
tammyeverts
12
1.1k
Speed Design
sergeychernyshev
32
1.1k
Let's Do A Bunch of Simple Stuff to Make Websites Faster
chriscoyier
507
140k
Connecting the Dots Between Site Speed, User Experience & Your Business [WebExpo 2025]
tammyeverts
8
530
How to Ace a Technical Interview
jacobian
279
23k
Transcript
オンプレK8s & Rancher で作る機械学習基盤 2019/05/15 RancherMeetupDeepDive#1@LINE株式会社 岡野兼也
$ whoami name: - 岡野兼也 - @ジュジュ belonging: - CyberAgent
- OpenSaaS Studio role: - Backend Engineer - ほうれん草 エバンジェリスト interest: - CloudNative - DevOps dream: - 働かないこと hobbies: - 登山 - キャンプ 2
注意事項 今回の発表は入社前に株式会社キスモで やっていた内容です 3
お話しすること 1. MLOpsと目指した機械学習基盤 2. Rancherを使って作った機械学習基盤概要 3. なんで機械学習をオンプレで? 4. なんでRancherを? 4
お話しすること 1. MLOpsと目指した機械学習基盤 2. Rancherを使って作った機械学習基盤概要 3. なんで機械学習をオンプレで? 4. なんでRancherを? 5
機械学習の成果がユーザに届くまで 6 Data Collect Compute Delivery リソースを用意して学習 Webサービスや エッジデバイスからデータ収集 システムに組み込んで
ユーザに届ける
データサイエンティストがやりたいところ 7 Data Collect Compute Delivery - どんなデータを集めるか - どういう手法でモデルを作るか
データサイエンティストは専門職 8 - データについての圧倒的知識 - 普段追いかけているのは新たな統計的な手法など - 必ずしもweb技術、エンジニアリングに明るくなくても インパクトを出せる
データサイエンティストがやるべき 9 Data Collect Compute Delivery データサイエンスに注力してもらう それ以外はどうする???
MLOps Machine Learning + Operation DevOpsよろしく機械学習を効率的に利用できるようにする おそらく、会社の数だけ実態がある 10
MLOps 11 Data Collect Compute Delivery データサイエンスで生まれる価値をシームレスにユーザに届ける Fluentd BigQuery Kubernetes
Rekcurd SagerMaker Kubeflow etc etc etc etc
データサイエンティストが データサイエンスだけをしても ユーザに価値が届く仕組みを作る 12
MLOps 13 Data Collect Compute Delivery データサイエンスで生まれる価値をシームレスにユーザに届ける 今日話す部分
お話しすること 1. MLOpsと目指した機械学習基盤 2. Rancherを使って作った機械学習基盤概要 3. なんで機械学習をオンプレで? 4. なんでRancherを? 14
機械学習基盤の概要図 15
機械学習基盤の概要図 16 Jujuで必要なミドルウェアをパッケージング MAASで作られたイメージをマシンに展開
機械学習基盤の概要図 17 RKEでクラスタ作る GPUの管理コンテナをDaemonSetで展開 Rancherの展開
機械学習基盤の概要図 18 学習はJupyterやコンテナの中にexecして実行 リソース管理はK8sにお任せ
お話しすること 1. MLOpsと目指した機械学習基盤 2. Rancherを使って作った機械学習基盤概要 3. なんで機械学習をオンプレで? 4. なんでRancherを? 19
時代はクラウド全盛 • 数多くのマネージドサービス • 高い信頼性を誇るストレージ • 必要な時に必要な分のリソースを利用可能 • 課金対象も使った分だけ •
世界展開も容易 20
機械学習とクラウドの相性は? • 機械学習するときだけ高価なインスタンスを立てられる • SageMaker, Google Cloud ML Engineというような学習 からデプロイまで一気通貫に行うサービス
• 高機能なストレージサービスとも容易に連携 • 推論モデルのバージョン管理も簡単 21
なぜオンプレか 22
機械学習とクラウドの相性は? • 機械学習するときだけ高価なインスタンスを立てられる • SageMaker, Google Cloud ML Engineというような学習 からデプロイまで一気通貫に行うサービス
• 高機能なストレージサービスとも容易に連携 • 推論モデルのバージョン管理も簡単 23 精度の高いモデルを作るために、 機械学習リソースは常に必要になる場合もある
高い精度で高い生産性を出すには • データサイエンティストが数多くの引き出しを持っている • 類似の学習の経験がある 24 データサイエンティストが常に 様々なデータの解析を行うことで結果的に 早く、高い精度のモデルを作ることができる
どう経験を増やす? 25
Kaggle • 主に機械学習を利用したデータ分析の世界大会が 行われるプラットフォーム • 与えられたデータをもとに少しでも高い精度が出せる ように世界中のデータサイエンティストが研鑽している • 高い精度を目指して様々な話し合いが行われている 26
キスモでの機械学習の状況 • Kaggleは業務の一環 • スケールの設定してもほぼ常に業務かKaggleで リソース上限を利用した学習が回り続ける 27 • 機械学習するときだけ高価なインスタンスを立てられる というメリットの消失
• クラウドのメリットが価格面でのコストを下回ると判断
あるKaggler(キスモ役員)の名言 28
29 オフィスに来るなら広瀬すずより 計算資源がいい あるKaggler(キスモ役員)の名言
30 < あるKaggler(キスモ役員)の名言 これほどリソースが常に求められる
お話しすること 1. MLOpsと目指した機械学習基盤 2. Rancherを使って作った機械学習基盤概要 3. なんで機械学習をオンプレで? 4. なんでRancherを? 31
機械学習基盤を導入した結果 • 嬉しいこと ◦ データサイエンティストが空きリソース、 動作中の学習などを意識することがへった ◦ コンテナ化によって変化に強くなった ◦ 学習単位がマシンに縛られなくなった
• 嬉しくないこと ◦ データサイエンティストがK8sやらないといけない ◦ データの扱い面倒臭い 32
機械学習基盤を導入した結果 • 嬉しいこと ◦ データサイエンティストが空きリソース、 動作中の学習などを意識することがへった ◦ コンテナ化によって変化に強くなった ◦ 学習単位がマシンに縛られなくなった
• 嬉しくないこと ◦ データサイエンティストがK8sやらないといけない ◦ データの扱い面倒臭い 33 データサイエンスだけ すればいい世界との落差
Kubernetesを直感的に使うには…? • GUIを使う ◦ Rancherを使った時にK8sへの初期の嫌悪感がかなり 減った • kubectlをラップする ◦ CUIから使った方が効率的なケースもある
◦ リソースを管理して学習支援 34
まとめ • RancherやK8sを使ってCompute Resourceをリソース プールとして扱う • データサイエンティストの尖った部分の穴埋めをMLOps で補い、完成度の高いモデルをいち早くユーザに届ける • データサイエンティストの研鑽の手助けをして、届ける
価値を最大化する • なるべくアレルギーの出なさそうな方法を話し合いなが ら考えると良い 35
36 https://opensaas.studio OpenSaaS Studioでは開かれた文化で サービスと寄り添ってプロダクトを 作りたい人を募集しています!