问题描述
我正在尝试使用FastAPI和Gunicorn将机器学习模型(基于tensorflow和keras)作为服务进行部署,但是即使增加了Gunicorn工作者和线程的数量,我也无法从API获得足够的吞吐量。
我尝试了以下配置:
-
1工作人员:gunicorn 模型:app -k uvicorn.workers.UvicornWorker -b主机名:端口 这使我的吞吐量为15个响应/秒
-
5个工人:gunicorn 模型:app -k uvicorn.workers.UvicornWorker --workers = 5 -b主机名:端口 这使我的吞吐量为30个响应/秒
30个响应/秒是我能够获得的最大吞吐量,而我必须将其扩展到300个响应/秒左右。我也尝试增加线程数,但这也没有导致吞吐量增加。
当我与单个工作人员一起计时请求响应时:返回响应大约需要80毫秒(通过邮递员完成)
我正在尝试在Linux计算机上使用以下详细信息运行该程序:
- 操作系统-CentOS
- CPU-8
- 每个插槽的核心-4
- 每个核心的线程-2
- 内存-〜65Gig
当我尝试运行服务时,系统几乎处于空闲状态(CPU使用率低于5%)。
解决方法
暂无找到可以解决该程序问题的有效方法,小编努力寻找整理中!
如果你已经找到好的解决方法,欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@)