迈向可持续MLOps架构：一种自适应方法
软件工程
2024-04-09 v1
摘要
在当今动态的技术格局中，可持续性已成为一个关键问题，尤其是在设计机器学习系统（MLS）方面。许多机器学习模型在过渡到生产环境时失败，主要受到数据变化、需求演变和模型不稳定等不确定性的阻碍。机器学习运维（MLOps）通过增强MLS的适应性和技术可持续性提供了一种有前景的解决方案。然而，MLOps本身面临着环境影响、技术维护和经济问题等挑战。多年来，自适应已成为处理不确定性的一种潜在解决方案。本文介绍了一种新颖的方法，通过MAPE-K循环将自适应原则集成到MLOps架构中，以增强MLOps的可持续性。通过自主响应不确定性，包括数据、模型动态和环境变化，我们的方法旨在解决架构师在设计时确定的给定MLOps管道的可持续性问题。此外，我们针对一个智慧城市用例实现了该方法，以展示我们方法的能力。
引用
@article{arxiv.2404.04572,
title = {Towards Architecting Sustainable MLOps: A Self-Adaptation Approach},
author = {Hiya Bhatt and Shrikara Arun and Adyansh Kakran and Karthik Vaidhyanathan},
journal= {arXiv preprint arXiv:2404.04572},
year = {2024}
}
备注
To be published in ICSA-C 2024