BentoML 1.2版本中Runner服务依赖注入的最佳实践
2025-05-29 19:07:09作者:郜逊炳
BentoML作为流行的机器学习模型服务框架,在1.2版本中对服务依赖注入机制进行了重要改进。本文将深入解析如何在新版本中正确使用Runner服务依赖注入功能。
依赖注入机制的变化
在BentoML 1.2之前的版本中,开发者可以直接在服务类的方法中使用Runner实例。然而,1.2版本引入了更严格的依赖注入机制,要求所有依赖必须声明为类属性。这一变化带来了更好的依赖管理和更清晰的服务结构。
新旧版本实现对比
旧版本(1.0-1.1.x)的典型实现方式是在服务类的方法中直接使用Runner实例。而在1.2版本中,正确的做法是将Runner服务声明为类级别的依赖属性。
1.2版本的实现要点包括:
- 首先创建Runner实例并转换为服务
- 在服务类中将Runner服务声明为类属性
- 在API方法中通过self访问该属性
完整示例代码
from __future__ import annotations
import bentoml
import torch
# 第一步:获取模型并创建Runner
sample_model_runner = bentoml.models.get("model:tag").to_runner()
# 第二步:将Runner转换为服务
TorchScriptRunnerService = bentoml.runner_service(runner=sample_model_runner)
@bentoml.service(
resources={"cpu": "2", "memory": "500MiB"},
workers=1,
traffic={"timeout": 10},
)
class SampleBentoService:
# 第三步:声明类级别依赖
sample_model_inner_svc = bentoml.depends(on=TorchScriptRunnerService)
@bentoml.api
async def predict(self, sample_input: SampleInput) -> str:
# 第四步:通过self访问依赖
res = await self.sample_model_inner_svc.to_async.__call__(torch.rand(3))
return str(res)
关键注意事项
- 依赖必须声明为类属性,不能在__init__方法中初始化
- 异步调用需要使用to_async转换
- 服务间通信推荐使用异步接口以提高性能
- 资源分配需要在服务装饰器中明确指定
迁移建议
对于从旧版本迁移的项目,建议按照以下步骤进行:
- 识别所有直接使用Runner实例的代码
- 将这些实例提取为类级别依赖
- 更新调用方式,确保通过self访问
- 测试服务功能确保兼容性
BentoML 1.2版本的这一改进使得服务依赖关系更加明确,有助于构建更健壮和可维护的模型服务架构。开发者应当尽快适应这一变化,以获得框架提供的最新功能和最佳实践。
登录后查看全文
热门项目推荐
相关项目推荐
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0370Hunyuan3D-Part
腾讯混元3D-Part00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++0102AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
205
2.19 K

暂无简介
Dart
514
115

React Native鸿蒙化仓库
C++
208
285

Ascend Extension for PyTorch
Python
62
95

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
976
575

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1

本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
550
86

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.02 K
399

本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
393
28