昨年末にリリースされたsagemakerは、(1)機械学習のモデルの構築　(2)トレーニング　そして嬉しいことに　(3)デプロイまでを手っ取り早くスケーラブルに実現できるフルマネージドなサービスです。

特に、機械学習のモデルを本番環境にデプロイすることは、非エンジニアのデータ解析者にとっては大変な作業です。なので、もしそこが解決されるならぜひ使いたいところではあります。

・・・とはいえ。
2018年2月現在、sagemakerはまだ東京リージョンに対応していなかったり、httpsプロトコル以外は積極的に対応していなかったりという状況です。なので「デプロイは簡単に見えるけど、速度面や性能面で本番投入に耐えうるのかな...？」ということが気になりました。

そこで、（デフォルトの設定¹でデプロイした）「sagemakerのエンドポイントは、どの程度の負荷まで耐えられるか？」ということをlocustという負荷試験ツールを使って検証してみました。リコメンドのようなリアルタイム性の求められるML系サービスをさくっと展開したい人は参考になるかも。

sagemakerの準備

• モデルの構築とトレーニング
  • sagemakerでJupyter Notebookを立ち上げたときにデフォルトで入っている、決定木を用いたアヤメの分類問題 をただ動かしただけ。
• デプロイ
  • これも上のjupyter notebookでtree.deployと書くだけ。インスタンスはml.m4.xlargeを1台指定。これでエンドポイントが作られる。
  • 一応裏方のサーバの仕組みとしてはこんな感じになっている模様（下図）。flaskからのresponseに応じて分類の結果（推定されたアヤメの種類）が返却される。

• エンドポイントの呼び方
  • ローカルからこんな感じで呼びます。

import boto3
import sagemaker
import numpy as np
from boto3 import Session
from sagemaker.predictor import csv_serializer

# session設定
# ＊awsのcredentialにprofile情報は事前に書いておく
profile = 'sm'
boto_session = Session(profile_name=profile)
tree_sm_session = sagemaker.Session(boto_session = boto_session)

# endpointの設定
tree_endpoint = '<自分のsagemakerのendpoint name>'

# 予測に用いるクラスの初期化
predictor = sagemaker.predictor.RealTimePredictor(
    sagemaker_session = tree_sm_session, 
    endpoint = tree_endpoint, 
    serializer = csv_serializer)

# 予測
data = np.random.rand(4)*10 # アヤメの属性を適当に生成
predictor.predict(data).strip()

# 結果
>> 10回平均で0.24秒くらいのresponse 

このケースだと0.24秒で返ってくるので早いのですが、負荷が集中した時にこれがどれくらい変わるかをlocustで調べてみます。

locustの準備

• locustとは？
  • 負荷試験用のpythonツールです。locustは「イナゴ」という意味で、群れでアクセスする様子を表しているそう。分散処理してアクセスしてくれます。
• 使い方
  • 下記の記事とかをご参照ください。
  • はじめてのAPIサーバー負荷試験で得た最低限の負荷試験知識
  • Locust入門記事の次に読む記事
• 利用したコード
  • 単純なhttpリクエストはlocustで簡単に書けるのですが、sagemakerのendpiontをlocustで叩けるようにするためには少し工夫が必要でした。下記に実際に使用したコードを挙げておきます。²
  • 実際に使ったlocust file (github)

結果

10ユーザが大体1秒おきにアクセスした時の場合

レスポンス速度は200~250[ms]、RPS(request/seqc)は7.9くらいをさばいています。³
（中段の単位は[ms]）

100ユーザにした場合

これでもまだ安定しています。250[ms]くらい。

1,000ユーザにした場合

性能が大幅にぶれて、返却速度も2秒にいくことも。

まとめ

• sagemakerのサンプルにある決定木の問題をデフォルト設定（ml.m4.xlargeを1台）のまま動かした。
• 100ユーザくらいまでは耐えられた（返却時間0.3秒くらい）が、500ユーザを超えたあたりで大幅な性能劣化が見られた(2秒超えも)。
• CPU/メモリ使用量などを見て、余裕を持った台数構成を指定しましょう。

感想

• スコアリングだけなら、デフォルト設定でも速度&性能的に使えそうかも。

追記

• gunicornの基本的な挙動についてまとめました。
• https://qiita.com/iceman-k/items/86d54b07defa47fd35a9

注