环境部署

前提条件

• 需要保证Vastbase处于正常状态，用户通过身份验证成功登录Vastbase。

• 用户执行的SQL语法正确无报错，且不会导致数据库异常等。

• 历史性能数据窗口内Vastbase并发量稳定，表结构、表数量不变，数据量无突变，涉及查询性能的GUC参数不变。

• 进行预测时，需要保证模型已训练并收敛。

• AiEngine运行环境稳定。

请求样例

AiEngine进程与内核进程使用https发送请求进行通信，请求样例如下：

curl -X POST -d '{"modelName":"modelname"}' -H 'Content-Type: application/json' 'https://IP-address:port/request-API'

表 1 AI-Engine对外接口

证书生成

请参考身份认证与通信加密。

环境准备

1、 将工具代码文件夹拷贝至目标环境。（其中安装路径为$INSTALL_FOLDER、目标环境路径为/home/ai_user）

scp -r $INSTALL_FOLDER/bin/dbmind/predictor  ai_user@127.0.0.1:path_to_Predictor

2、 拷贝CA证书文件夹至aiEngine环境中某路径下。

cp -r $GAUSSHOME/CA  ai_user@127.0.0.1:path_to_CA

3、 安装predictor/install/requirements(-gpu).txt工具（该功能比较特殊，与其他AI功能不同，需要独立安装依赖）。

• 有GPU：

  pip install -r requirements-gpu.txt
  

• 无GPU：

  pip install -r requirements.txt
  

拉起AiEngine

1、 切换至aiEngine环境（即拷贝predictor的目标环境 ai_user）。

设置predictor/python/settings.py 中的相关参数。

DEFAULT_FLASK_SERVER_HOST = '127.0.0.1' （aiEngine运行IP地址）
DEFAULT_FLASK_SERVER_PORT = '5000' （aiEngine运行端口号）

2、 运行aiEngine启动脚本。

python path_to_Predictor/python/run.py

此时，aiEngine即在相应端口保持拉起状态，等待内核侧时间预测功能的请求指令。

至此，aiEngine工具部署完成。