bentoml/yatai-service

BentoML Yatai Release Docker镜像

镜像概述和主要用途

本镜像适用于BentoML 0.13.x版本的Yatai组件。对于BentoML 1.0及以上版本，请使用新的Yatai项目：https://github.com/bentoml/yatai

BentoML是一个灵活、高性能的框架，用于服务、管理和部署机器学习模型。Yatai作为BentoML的核心组件，提供模型管理与部署自动化能力，桥接数据科学与DevOps工作流，通过标准化预测服务接口，简化模型推理的高效运行及与云基础设施的集成。

核心功能和特性

• 多ML框架支持：兼容Tensorflow、PyTorch、Keras、XGBoost等多种机器学习框架（详见：[***]
• 云原生部署：支持Docker、Kubernetes、AWS、Azure等多种部署环境（详见：[***]
• 高性能服务：提供低延迟的在线API服务和高效的离线批处理服务
• 模型管理工具：内置Web仪表板和API接口，用于模型注册、版本控制和部署监控

使用场景和适用范围

• 数据科学团队需要将训练好的模型快速部署为生产服务
• DevOps团队需要标准化机器学习模型的部署流程和基础设施集成
• 企业级应用中需要对多个机器学习模型进行统一管理和生命周期控制
• 需要在云环境或混合架构中实现模型服务的高可用性和可扩展性

使用方法和配置说明

快速开始

参考BentoML官方文档获取详细使用指南：

• 快速入门指南
• Google Colab快速入门

基本部署示例

Docker运行命令

bash
# 拉取Yatai镜像（请替换0.13.x为具体版本号）
docker pull bentoml/yatai:0.13.x

# 启动Yatai服务，映射默认端口
docker run -d -p 50051:50051 --name yatai-service bentoml/yatai:0.13.x

配置参数说明

Yatai服务支持通过环境变量进行配置，常用参数包括：

• YATAI_PORT：服务监听端口（默认50051）
• YATAI_STORAGE_PATH：模型存储路径
• YATAI_DATABASE_URL：数据库连接URL（默认使用SQLite）

进阶配置

对于生产环境部署，建议使用Docker Compose进行多容器协调：

yaml
version: '3'
services:
  yatai:
    image: bentoml/yatai:0.13.x
    ports:
      - "50051:50051"
    environment:
      - YATAI_DATABASE_URL=postgresql://user:password@db:5432/yatai
    volumes:
      - ./yatai-storage:/var/lib/yatai
    depends_on:
      - db
  db:
    image: postgres:13
    environment:
      - POSTGRES_USER=user
      - POSTGRES_PASSWORD=password
      - POSTGRES_DB=yatai
    volumes:
      - postgres-data:/var/lib/postgresql/data

volumes:
  postgres-data:

社区与资源

• https://github.com/bentoml/BentoML
• BentoML Slack社区
• https://github.com/bentoml/BentoML/discussions
• 官方文档