Byzer 最强悍的地方在于，不需要任何开发就可以把 数据特征工程 和 模型预测 迁移到 API 服务上。

这是通过将 ET 快速注册为 UDF 实现的， 详情可以翻看 自定义 ET 插件开发。

本章节还会涉及 Byzer API 相关知识，详情可以翻看 Byzer Engine Rest API

设计和原理

使用 Byzer 完成模型训练后，部署模型并提供 API 服务是更为重要的一个环节。

通常，模型使用的场景有三个：

1. 批处理 比如对历史数据做统一做一次预测处理。
2. 流式计算 希望把模型部署在流式程序里。
3. API服务 希望通过API 对外提供模型预测服务（最常见）。

在 Byzer 中，所有的特征工程 ET（自定义 ET 插件开发）都可以被注册成UDF函数。

这样只要 API Server 支持注册这些函数，我们就可以通过这些函数的组合完成一个端到端的预测服务了。

部署流程

本章涉及 Byzer API 相关知识，详情可以翻看 Byzer Engine Rest API

经过优化，Byzer 的 Local 模式可以实现毫秒级的预测效果。

部署步骤

1. 启动 Byzer

关于 Byzer 的启动和部署，详情可以查看 Byzer-lang 安装与配置

使用 Local 模式，通常你可以认为这是一个标准的 Java 应用，启动脚本参考：

./bin/spark-submit   --class streaming.core.StreamingApp \
--master local[2] \
--name predict_service \
streamingpro-mlsql-x.x.xjar    \
-streaming.name predict_service    \
-streaming.platform spark   \
-streaming.rest true   \
-streaming.driver.port 9003   \
-streaming.spark.service true \
-streaming.thrift false \
-streaming.enableHiveSupport true \
-streaming.deploy.rest.api true 

其中最后一行 -streaming.deploy.rest.api true 开启了优化，可以让 Byzer 示例跑的更快。

2. 动态注册模型

访问 http://127.0.0.1:9003/run/script 接口在训练阶段生成的模型：

register TfIdfInPlace.`/tmp/tfidf_model` as tfidf_predict;
register RandomForest.`/tmp/rf_model` as bayes_predict;

3. 预测请求

访问：http://127.0.0.1:9003/model/predict进行：

请求参数为：

Property Name	Default	Meaning
dataType	vector	data字段的数据类型，目前只支持 vector/string/row
data	[]	你可以传递一个或者多个 vector/string/json ,必须符合 json 规范
sql	None	用 sql 的方式调用模型，其中如果是 vector/string ,则模型的参数 feature 是固定的字符串，如果是 row 则根据 key 决定
pipeline	None	用 pipeline 的方式调用模型，参数为用逗号分隔的模型名，通常只能支持 vector/string 模式

例子：

dataType=row
data=[{"feature":[1,2,3...]}]
sql=select bayes_predict(vec_dense(feature)) as p

完整示例

完整示例增加了数据准备、模型训练的相关内容，可以更清晰的查看全部流程。

1. 数据准备

--NaiveBayes
set jsonStr='''
{"features":[5.1,3.5,1.4,0.2],"label":0.0},
{"features":[5.1,3.5,1.4,0.2],"label":1.0}
{"features":[5.1,3.5,1.4,0.2],"label":0.0}
{"features":[4.4,2.9,1.4,0.2],"label":0.0}
{"features":[5.1,3.5,1.4,0.2],"label":1.0}
{"features":[5.1,3.5,1.4,0.2],"label":0.0}
{"features":[5.1,3.5,1.4,0.2],"label":0.0}
{"features":[4.7,3.2,1.3,0.2],"label":1.0}
{"features":[5.1,3.5,1.4,0.2],"label":0.0}
{"features":[5.1,3.5,1.4,0.2],"label":0.0}
''';
load jsonStr.`jsonStr` as data;
select vec_dense(features) as features ,label as label from data
as data1;

2. 模型训练

-- use RandomForest
train data1 as RandomForest.`/tmp/model` where

-- once set true,every time you run this script, MLSQL will generate new directory for you model
keepVersion="true" 

-- specicy the test dataset which will be used to feed evaluator to generate some metrics e.g. F1, Accurate
and evaluateTable="data1"

-- specify group 0 parameters
and `fitParam.0.labelCol`="features"
and `fitParam.0.featuresCol`="label"
and `fitParam.0.maxDepth`="2"

-- specify group 1 parameters
and `fitParam.1.featuresCol`="features"
and `fitParam.1.labelCol`="label"
and `fitParam.1.maxDepth`="10"
;

3. 启动 Byzer

同上面启动流程

4. 注册模型

register RandomForest.`/tmp/model` as rf_predict;

5. 外部调用

接着就可以外部调用 API 使用了,需要传递两个参数：

dataType=row
data=[{"feature":[1,2,3...]}]
sql=select rf_predict(vec_dense(feature)) as p
owner=admin
sessionPerUser=true

其中，sessionPerUser=true是控制按照租户区分session。

最后的预测结果为：

{
    "p": {
        "type": 1,
        "values": [
            1,
            0
        ]
    }
}

不仅仅是算法，大部分模块都可以通过这种方式进行注册和调用。 Byzer 实现了端到端的部署，也就是说，你也可以将预处理逻辑、预测模型同时部署。 通过 select 语法，你还可以完成一些更为复杂的预测逻辑。