生产中的NLP：创建Docker镜像

作者|Bruce H. Cottman, Ph.D.
编译|VK
来源|Towards Data Science

产品生命周期

在过去两年半的工作中，我们开发和维护了几个自然语言处理项目。我们为每个项目中的每个版本控制中心创建了Docker镜像：Dev、Test和Stage。我将详细介绍Docker解决方案来创建生产NLP项目。

代码开发、重构、bug修复和单元测试都是由Dev完成的。在提交Github Dev repo（sitory）之前，代码必须通过单元测试。其他开发团队在合并到Test Github repo（sitory）之前执行代码评审、集成测试。

项目阶段管理(Project stage management)触发从开发人员到Test 存储库的推送。项目发布管理(Project release management)触发从Test 到Stage 存储库的推送。市场发布管理(Marketing release management)触发了从stage到Prod存储库的推送和半自动连续部署（CD）的推出。

什么是Docker

1. 每个项目中有四个不同的版本控制中心：Dev，Test和Stage，Prod。只有需要支持三个不同的Docker镜像，因为最终阶段版本被推送到Prod，一旦Stage版本通过了安全和验收测试。Stage和Prod使用相同的Docker镜像。

2. Python和R用户希望Jupyter和RStudio Notebook和Nbextensions首选项出现在Docker镜像中。

3. 大多数Dev和所有Test都在本地使用PyCharm进行代码更新、调试和运行工具：单元测试（pytest）、类型检查（mypy）、覆盖率（cove）rage、PEP-8格式（黑色）和代码质量（pylint）。

4. Github操作用于CI/CD部署。Prod Docker镜像专门用于特定云的安全性、日志记录或计量服务。

注意：云扩展和故障转移管理需要修改。我们这里不讨论这些。

同时使用Docker和Docker Compose

Docker是用于管理应用程序的单个容器镜像。

Docker Compose用于同一应用程序同时管理多个容器。此工具提供与Docker相同的功能，但允许你有更复杂的应用程序。

Docker的Spacy和nltk：需要额外的步骤

根据上述说明，在上述文章中，spacy和nltk都是通过在Dev、Test和Stage的dockerfile的中间添加以下内容来导入的：

.
.
.
RUN python -m spacy download en
RUN python -m spacy download en_core_web_sm
RUN python -m spacy download en_core_web_lg
RUN python -m nltk.downloader stopwords && python -m nltk.downloader punkt  && 
    python -m nltk.downloader averaged_perceptron_tagger && 
    python -m nltk.downloader wordnet
.
.
.

将Jupyter支持添加到Dev dockerfile中：

.
.
.
RUN python -m pip install --upgrade --no-deps --force-reinstall notebook
#
RUN python -m pip install jupyterthemes
RUN python -m pip install --upgrade jupyterthemes
RUN python -m pip install jupyter_contrib_nbextensions
RUN jupyter contrib nbextension install --user
RUN jupyter nbextensions_configurator enable --user
RUN jupyter nbextension enable jupyter-js-widgets/extension
RUN jupyter nbextension enable jupyter-notebook-gist/notebook-extension
RUN jupyter nbextension enable contrib_nbextensions_help_item/main
RUN jupyter nbextension enable autosavetime/main
RUN jupyter nbextension enable codefolding/main
RUN jupyter nbextension enable code_font_size/code_font_size
RUN jupyter nbextension enable code_prettify/code_prettify
RUN jupyter nbextension enable collapsible_headings/main
RUN jupyter nbextension enable comment-uncomment/main
RUN jupyter nbextension enable equation-numbering/main
RUN jupyter nbextension enable execute_time/ExecuteTime 
RUN jupyter nbextension enable gist_it/main 
RUN jupyter nbextension enable hide_input/main 
RUN jupyter nbextension enable spellchecker/main
RUN jupyter nbextension enable toc2/main
RUN jupyter nbextension enable toggle_all_line_numbers/main

Dev、Test和Stage的requirements.txt：

###### Requirements without Version Specifiers ######
numpy
matplotlib
progressbar2
Pillow
keras
nilearn==0.5.0
pandas
xlrd
plotly
statsmodels
prettytable
requests
seaborn
joblib
dask
distributed==v2.22.0
bs4
spacy
textacy
nltk
spacy-transformers
spacymoji
pdfminer
urllib3==1.25.10

注：该要求.txt上面显示的文件是为我们的Dev、Test和Stage准备的。你可能不需要所有这些软件包，也可能需要其他软件包。。如果需要，可以随意删除或添加软件包。

注意：Pycharm配置了开发和测试工具pytest、pylint、black、mypy等。Jupyter用户可以使用!pip install 进行安装，然后安装可能需要的重要的额外包或工具。

存储库目录结构

一般的存储库结构是

|-- <project--repo-name>
        |-- docker
            |-- dev
              |--- Dockerfile
              |--- docker-compose.yml
              |--- requirements.txt
            |-- test
              |--- Dockerfile
              |--- docker-compose.yml
              |--- requirements.txt
            |-- stage
              |--- Dockerfile
              |--- docker-compose.yml
              |--- requirements.txt
        |-- src
        |-- test
        |--- requirements.txt
        |--- README.md
.
.

添加Jupyter Notebook扩展到Docker镜像

支持Jupyter的简要步骤：

• 在Jupyter用户Dockerfile中添加所需的Nbextensions.Nbextensions文件上面给出了名称和如何启用它们。

• 编辑dockerfile.yaml volume: - ./../../.。，如有必要。jupyter的后续启动使用./../../.作为其顶层目录。当你使用updev命令（在本文后面描述）时，docker-compose命令volume: - ./../../.使<path-to-projects>映射到/docker，该目录是docker镜像的内部目录。jupyter的后续发布版本使用<path-to-projects>作为其顶层目录。请使用上面显示的示例目录结构，或将本地目录结构替换为- ./../../. 。

• 最后，Juptyter Notebook启动Nbextensions。

常见问题解答：Docker命令附加功能

1. 从旧版和以前无用的镜像和容器版本中恢复磁盘空间：

!docker system prune

2. 查看Docker服务器中运行的Docker容器，每秒更新一次：

!docker stats
=>
CONTAINER ID        NAME                CPU %               MEM USAGE / LIMIT     MEM %               NET I/O             BLOCK I/O           PIDS
5d98fb8e8a66        dev_dev_1           0.11%               327.2MiB / 36.24GiB   0.88%               182MB / 9.62MB      0B / 0B             13

3. 如果你启动或重新启动，你可能会在任何Docker命令上看到以下错误消息：

Cannot connect to the Docker daemon at unix:///var/run/docker.sock. Is the docker daemon running?

修复方法是等待2-3分钟，等待Docker守护进程完成，然后再试一次。如果不是这样，Docker守护进程的启动就有问题，必须进行诊断和修复。一个可能的问题是检查Docker镜像内存或CPU分配是否适合底层主机硬件。

结尾

我详细介绍了我们如何为生产NLP应用程序生命周期设计和实现Docker解决方案。我展示了Dev、Test和Stage的目录结构和Docker代码。

本文中显示的所有代码都在这里：https://github.com/bcottman/NLP/tree/master/docker

原文链接：https://towardsdatascience.com/natural-language-processing-in-production-creating-docker-images-84bd86e161b4

欢迎关注磐创AI博客站：
http://panchuang.net/

sklearn机器学习中文官方文档：
http://sklearn123.com/

欢迎关注磐创博客资源汇总站：
http://docs.panchuang.net/