R模型部署之道：基于OpenCpu Cloud Server

作者：数据取经团——数据栗子

数据取经团（公众号：zlx19930503）专注R、Python数据分析挖掘、可视化、机器学习等

内容概要：

1、搭建opencpu云服务

2、训练R模型，并打包

3、部署模型

正式内容：

搭建OpenCpu Cloud Server

上期探讨了R模型的pojo部署方法（详见：以莺尾花数据集为例，探讨R模型部署之道），今天探讨下如何使用opencpu搭建restful api，本次还是使用iris数据集。

测试环境：Ubuntu 16.04（14.04下亲测可用）

#requires Ubuntu 16.04 (Xenial)
sudo add-apt-repository -y ppa:opencpu/opencpu-2.0
sudo apt-get update
sudo apt-get upgrade


#install opencpu server
sudo apt-get install -y opencpu-server


#optional
sudo apt-get install -y rstudio-server

当然，除了cloud server版本之外，还有single-user版本（通过安装opencpu包来实现）。对云服务的管理有以下命令：

参考资料：https://www.opencpu.org/download.html

训练R模型，并打包

• 训练R模型

通过glmnet包构建多分类模型：

#加载包
library(glmnet)

#准备数据
x = as.matrix(iris[,1:4])
y = iris[,5]
y <- as.factor(y)

#建立模型
model = glmnet(x,y,family ="multinomial")
save(model, file='model.rda')

将模型保存为rda格式，以备后用。

• 编写预测函数，并将模型打包

#编写预测函数
predfunc = function(input){
    input = as.matrix(input)
       result = glmnet::predict.multnet(model,newx =input,type='class',s=0.01)
       as.character(result)
}

1、创建一个R project：test（推荐使用rstudio），将上面的预测函数写到R脚本中：

2、测试下预测函数是否可用：

#构建新数据，并预测
newx = data.frame(Sepal.Length=5.1,
                                Sepal.Width=3.5,
                                Petal.Length=1.4,
                                Petal.Width=0.2)
predfunc(newx)

3、将训练好的model.rda放在test文件下的data目录中（如果没有请自己新建一个test文件夹）

4、build package

点击Build下的more-Build Source Package

可以看到build成功，并保存在如下位置：

部署模型

1、为了能让opencpu调用这个包，需要将包安装在global library下

sudo R CMD INSTALL/home/lee/Desktop/test_0.1.0.tar.gz --library=/usr/local/lib/R/site-library

2、除了安装我们制作的包外，还需要安装模型依赖的包（比如：本文中的glmnet包）

依赖包可能存在更多的依赖（比如glmnet依赖foreach、iterators），除了下载后安装外（wget、sudo R CMD INSTALL），还可以通过以下方式实现自动解决依赖问题（切换用户安装）：

3、安装完毕后，可以通过如下方式查看：

通过制定预测函数所在位置、需要传入的新数据，就可以进行预测了，预测结果见右上方区域。

还可以通过curl的方式来进行调用：

curl http://192.168.26.137/ocpu/library/test/R/predfunc/json -H "Content-Type:application/json" -d '{"input" :[ {"Sepal.Length":1.1,"Sepal.Width" : 2.5, "Petal.Length":0.4,"Petal.Width":0.9}]}'

关于性能优化的建议

1、将涉及的依赖包preload

修改/etc/opencpu/server.conf

sudo vim  /etc/opencpu/server.conf

2、一些其他参数

timelimit.post (timeout)

rlimit.as (memlimit)

rlimit.fsize(disk limit)

rlimit.nproc (parallelprocess limit)

参考资料：https://www.opencpu.org/posts/scoring-engine/

PS：

本次临时添加了基于opencpu的实现方式，后期会对其他两种方式进行探讨，敬请期待。

微信回复关键字即可学习

回复 R              R语言快速入门免费视频 
回复 统计          统计方法及其在R中的实现
回复 用户画像   民生银行客户画像搭建与应用 
回复 大数据      大数据系列免费视频教程
回复 可视化      利用R语言做数据可视化
回复 数据挖掘   数据挖掘算法原理解释与应用
回复 机器学习   R&Python机器学习入门