सतत पूर्वानुमान सटीकता सुनिश्चित करना:रेडिस के साथ डॉकरीकृत समय-श्रृंखला मॉडल में स्थिति को बनाए रखना

हम क्या कवर करेंगे:

• <पी> यह मार्गदर्शिका किसके लिए है?

• <पी> समस्या को समझना
  • <पी> तो, समय-श्रृंखला मॉडल क्या है?

  • <पी> 1. कंटेनर डिज़ाइन के अनुसार अल्पकालिक होते हैं

  • <पी> 2. भविष्यवाणियों के बीच खोया हुआ संदर्भ

  • <पी> 3. पुनरारंभ पर मॉडल भूलने की बीमारी

• <पी> समाधान:बाहरी राज्य स्टोर

• <पी> हाथों-हाथ कार्यान्वयन
  • <पी> टूटे हुए दृष्टिकोण से शुरुआत करें

  • <पी> वॉल्यूम के साथ इसे कैसे ठीक करें

  • <पी> कोड स्थिति को कैसे संभालता है

  • <पी> स्वास्थ्य समापन बिंदु का परीक्षण करें

• <पी> स्केलिंग के बारे में क्या?
  • <पी> रेडिस क्लस्टर के साथ क्षैतिज स्केलिंग

  • <पी> रेडिस सेंटिनल
    के साथ उच्च उपलब्धता
  • <पी> प्रबंधित रेडिस सेवाओं का उपयोग करें

• <पी> बचने के लिए सामान्य नुकसान
  • <पी> यह मत मानिए कि वॉल्यूम काम करता है

  • <पी> रेडिस मेमोरी सीमाओं को नजरअंदाज न करें

  • <पी> निगरानी न छोड़ें

• <पी> निष्कर्ष

यह मार्गदर्शिका किसके लिए है?

• <पी> इस प्रोजेक्ट के मुख्य उपकरण डॉकर और डॉकर कंपोज़ हैं। सुनिश्चित करें कि आपने उन्हें अपने कंप्यूटर पर इंस्टॉल और चालू कर लिया है।

• <पी> यदि आप डॉकर, पायथन और फ्लास्क वेब फ्रेमवर्क की बुनियादी बातों से सहज हैं तो आपके लिए इसका पालन करना भी आसान हो जाएगा। ट्यूटोरियल में कमांड चलाने के लिए कमांड-लाइन का थोड़ा अनुभव भी उपयोगी होगा।

• <पी> लेकिन अगर आपने पहले कभी रेडिस का उपयोग नहीं किया है तो चिंता न करें। आपको बस इतना जानना है कि यह एक तेज़, इन-मेमोरी डेटाबेस है। बाकी काम हम रास्ते में संभाल लेंगे।

समस्या को समझना

तो, समय-श्रृंखला मॉडल क्या है?

1. कंटेनर डिज़ाइन की दृष्टि से अल्पकालिक होते हैं

2. भविष्यवाणियों के बीच संदर्भ खो गया

• <पी> यह धीमा है. यदि आपके पास हजारों डेटा पॉइंट हैं
  तो यह वास्तव में धीमा है
• <पी> इसका पैमाना नहीं है. जब आपके पास एकाधिक श्रृंखला या उच्च अनुरोध मात्रा होती है, तो आप तेजी से प्रदर्शन स्तर तक पहुंच जाएंगे

3. पुनरारंभ पर मॉडल भूलने की बीमारी

समाधान:बाहरी राज्य स्टोर

Client Request → Flask API → Redis → Prediction with Context

हैंड-ऑन कार्यान्वयन

git clone https://github.com/ag-chirag/docker-redis-time-series
cd docker-redis-time-series

टूटे हुए दृष्टिकोण से शुरुआत करें

services:
 api:
 build: ./flask-api
 ports:
 - "5000:5000"
 redis:
 image: redis:alpine

docker compose -f docker-compose.initial.yml up

curl -X POST http://localhost:5000/predict \
 -H "Content-Type: application/json" \
 -d '{
 "series_id": "demo",
 "historical_data": [
 {"timestamp": "2024-01-01T12:00:00", "value": 10},
 {"timestamp": "2024-01-01T12:01:00", "value": 20},
 {"timestamp": "2024-01-01T12:02:00", "value": 30}
 ]
 }'

{
 "data_points_used": 3,
 "prediction": 40,
 "redis_connected": true
}

docker compose down
docker compose -f docker-compose.initial.yml up

वॉल्यूम के साथ इसे कैसे ठीक करें

services:
 api:
 build: ./flask-api
 ports:
 - "5000:5000"
 environment:
 - REDIS_HOST=redis
 redis:
 image: redis:alpine
 command: redis-server --appendonly yes
 volumes:
 - redis_data:/data
volumes:
 redis_data:

तो, वॉल्यूम क्या है और यह कैसे काम करता है?

1. <पी> डॉकर होस्ट मशीन पर एक विशेष भंडारण क्षेत्र बनाता है और प्रबंधित करता है, जो किसी भी कंटेनर के फाइल सिस्टम से पूरी तरह से अलग होता है। हमारे docker-compose.yml में, volumes: redis_data: नीचे का अनुभाग डॉकर को redis_data नामक नामित वॉल्यूम बनाने के लिए कहता है .

2. <पी> जब Redis कंटेनर प्रारंभ होता है, तो volumes: - redis_data:/data लाइन डॉकर को इस बाहरी हार्ड ड्राइव को "प्लग इन" करने के लिए कहती है। यह redis_data को जोड़ता है वॉल्यूम /data पर कंटेनर के अंदर निर्देशिका.

3. <पी> अब, जब भी कंटेनर के अंदर रेडिस प्रक्रिया अपने /data पर डेटा लिखती है निर्देशिका (जिसे हमने इसे करने के लिए कॉन्फ़िगर किया है), यह वास्तव में redis_data पर लिख रही है होस्ट मशीन पर वॉल्यूम.

4. <पी> जब आप डॉकर कंपोज़ डाउन चलाते हैं, तो रेडिस कंटेनर नष्ट हो जाता है, लेकिन redis_data वॉल्यूम अछूता है. यह बाहरी हार्ड ड्राइव को अनप्लग करने जैसा है, और डेटा अभी भी सुरक्षित है। अगली बार जब आप डॉकर कंपोज़ अप चलाते हैं, तो एक बिल्कुल नया रेडिस कंटेनर बनाया जाता है, वॉल्यूम फिर से जोड़ा जाता है, और रेडिस को अपना सारा पुराना डेटा वहीं मिल जाता है जहां उसने इसे छोड़ा था।

docker compose up --build

for i in {1..5}; do
 curl -X POST http://localhost:5000/predict \
 -H "Content-Type: application/json" \
 -d "{
 \"series_id\": \"demo\",
 \"historical_data\": [{\"timestamp\": \"2024-01-01T12:0$i:00\", \"value\": $((i*10))}]
 }"
done

docker compose down
docker compose up

कोड स्थिति को कैसे संभालता है

def store_data_point(series_id, timestamp, value):
 key = f"ts:{series_id}"
 redis_client.zadd(key, {json.dumps({"ts": timestamp, "val": value}): timestamp})

def get_recent_data(series_id, limit=100):
 key = f"ts:{series_id}"
 data = redis_client.zrange(key, -limit, -1)
 return [json.loads(d) for d in data]

स्वास्थ्य समापन बिंदु का परीक्षण करें

curl http://localhost:5000/health

{
 "model_loaded": true,
 "redis_connected": true,
 "status": "healthy"
}

स्केलिंग के बारे में क्या?

रेडिस क्लस्टर के साथ क्षैतिज स्केलिंग

रेडिस सेंटिनल के साथ उच्च उपलब्धता

प्रबंधित Redis सेवाओं का उपयोग करें

सामान्य नुकसानों से बचना चाहिए

यह न मानें कि वॉल्यूम काम करता है

रेडिस मेमोरी सीमाओं को नजरअंदाज न करें

निगरानी न छोड़ें

निष्कर्ष