一、前言

隨著深度學習在圖像、語言、廣告點擊率預估等各個領域不斷發展，很多團隊開始探索深度學習技術在業務層面的實踐與應用。而在廣告CTR預估方面，新模型也是層出不窮： Wide and Deep[1]、DeepCross Network[2]、DeepFM[3]、xDeepFM[4]，美團很多篇深度學習博客也做了詳細的介紹。但是，當離線模型需要上線時，就會遇見各種新的問題： 離線模型性能能否滿足線上要求、模型預估如何鑲入到原有工程系統等等。只有準確的理解深度學習框架，才能更好地將深度學習部署到線上，從而兼容原工程系統、滿足線上性能要求。

本文首先介紹下美團平臺用戶增長組業務場景及離線訓練流程，然后主要介紹我們使用TensorFlow Serving部署WDL模型到線上的全過程，以及如何優化線上服務性能，希望能對大家有所啟發。

二、業務場景及離線流程

?

2.1 業務場景

?

在廣告精排的場景下，針對每個用戶，最多會有幾百個廣告召回，模型會根據用戶特征與每一個廣告相關特征，分別預估該用戶對每條廣告的點擊率，從而進行排序。由于廣告交易平臺（AdExchange）對于DSP的超時時間限制，我們的排序模塊平均響應時間必須控制在10ms以內，同時美團DSP需要根據預估點擊率參與實時競價，因此對模型預估性能要求比較高。

?

2.2 離線訓練

?

離線數據方面，我們使用Spark生成TensorFlow[5]原生態的數據格式tfrecord，加快數據讀取。

模型方面，使用經典的Wide and Deep模型，特征包括用戶維度特征、場景維度特征、商品維度特征。Wide 部分有 80多特征輸入，Deep部分有60多特征輸入，經過Embedding輸入層大約有600維度，之后是3層256等寬全連接，模型參數一共有35萬參數，對應導出模型文件大小約11M。

離線訓練方面，使用TensorFlow同步 + Backup Workers[6]的分布式框架，解決異步更新延遲和同步更新性能慢的問題。

在分布式ps參數分配方面，使用GreedyLoadBalancing方式，根據預估參數大小分配參數，取代Round Robin取模分配的方法，可以使各個PS負載均衡。

計算設備方面，我們發現只使用CPU而不使用GPU，訓練速度會更快，這主要是因為盡管GPU計算上性能可能會提升，但是卻增加了CPU與GPU之間數據傳輸的開銷，當模型計算并不太復雜時，使用CPU效果會更好些。

同時我們使用了Estimator高級API，將數據讀取、分布式訓練、模型驗證、TensorFlow Serving模型導出進行封裝。

使用Estimator的主要好處在于：

單機訓練與分布式訓練可以很簡單的切換，而且在使用不同設備：CPU、GPU、TPU時，無需修改過多的代碼。

Estimator的框架十分清晰，便于開發者之間的交流。

初學者還可以直接使用一些已經構建好的Estimator模型：DNN模型、XGBoost模型、線性模型等。

?

三、TensorFlow Serving及性能優化

?

3.1 TensorFlow Serving介紹

?

TensorFlow Serving是一個用于機器學習模型Serving的高性能開源庫，它可以將訓練好的機器學習模型部署到線上，使用gRPC作為接口接受外部調用。TensorFlow Serving支持模型熱更新與自動模型版本管理，具有非常靈活的特點。

下圖為TensorFlow Serving整個框架圖。Client端會不斷給Manager發送請求，Manager會根據版本管理策略管理模型更新，并將最新的模型計算結果返回給Client端。

圖1. TensorFlow Serving架構，圖片來源于TensorFlow Serving官方文檔

美團內部由數據平臺提供專門TensorFlow Serving通過YARN分布式地跑在集群上，其周期性地掃描HDFS路徑來檢查模型版本，并自動進行更新。當然，每一臺本地機器都可以安裝TensorFlow Serving進行試驗。

在我們站外廣告精排的場景下，每來一位用戶時，線上請求端會把該用戶和召回所得100個廣告的所有信息，轉化成模型輸入格式，然后作為一個Batch發送給TensorFlow Serving，TensorFlow Serving接受請求后，經過計算得到CTR預估值，再返回給請求端。

部署TensorFlow Serving的第一版時，QPS大約200時，打包請求需要5ms，網絡開銷需要固定3ms左右，僅模型預估計算需要10ms，整個過程的TP50線大約18ms，性能完全達不到線上的要求。接下來詳細介紹下我們性能優化的過程。

3.2 性能優化

?

3.2.1 請求端優化

線上請求端優化主要是對一百個廣告進行并行處理，我們使用OpenMP多線程并行處理數據，將請求時間性能從5ms降低到2ms左右。

#pragma?omp?parallel?for? for?(int?i?=?0;?i?<?request->ad_feat_size();?++i)?{tensorflow::Example?example;data_processing(); }

?

3.2.2 構建模型OPS優化

在沒有進行優化之前，模型的輸入是未進行處理的原格式數據，例如，渠道特征取值可能為：'渠道1'、'渠道2' 這樣的string格式，然后在模型里面做One Hot處理。

最初模型使用了大量的高階tf.feature_column對數據進行處理， 轉為One Hot和embedding格式。 使用tf.feature_column的好處是，輸入時不需要對原數據做任何處理，可以通過feature_column API在模型內部對特征做很多常用的處理，例如：tf.feature_column.bucketized_column可以做分桶，tf.feature_column.crossed_column可以對類別特征做特征交叉。但特征處理的壓力就放在了模型里。

為了進一步分析使用feature_column的耗時，我們使用tf.profiler工具，對整個離線訓練流程耗時做了分析。在Estimator框架下使用tf.profiler是非常方便的，只需加一行代碼即可。

with?tf.contrib.tfprof.ProfileContext(job_dir?+?‘/tmp/train_dir’)?as?pctx:estimator?=?tf.estimator.Estimator(model_fn=get_model_fn(job_dir),config=run_config,params=hparams)????

下圖為使用tf.profiler，網絡在向前傳播的耗時分布圖，可以看出使用feature_column API的特征處理耗費了很大時間。

圖2. 優化前profiler記錄， 前向傳播的耗時占總訓練時間55.78%，主要耗費在feature_column OPS對原始數據的預處理

為了解決特征在模型內做處理耗時大的問題，我們在處理離線數據時，把所有string格式的原生數據，提前做好One Hot的映射，并且把映射關系落到本地feature_index文件，進而供線上線下使用。這樣就相當于把原本需要在模型端計算One Hot的過程省略掉，替代為使用詞典做O(1)的查找。同時在構建模型時候，使用更多性能有保證的低階API替代feature_column這樣的高階API。下圖為性能優化后，前向傳播耗時在整個訓練流程的占比。可以看出，前向傳播的耗時占比降低了很多。

圖3. 優化后profiler記錄，前向傳播耗時占總訓練時間39.53%

?

3.2.3 XLA，JIT編譯優化

TensorFlow采用有向數據流圖來表達整個計算過程，其中Node代表著操作（OPS），數據通過Tensor的方式來表達，不同Node間有向的邊表示數據流動方向，整個圖就是有向的數據流圖。

XLA（Accelerated Linear Algebra）是一種專門對TensorFlow中線性代數運算進行優化的編譯器，當打開JIT（Just In Time）編譯模式時，便會使用XLA編譯器。整個編譯流程如下圖所示：

圖4. TensorFlow計算流程

首先TensorFlow整個計算圖會經過優化，圖中冗余的計算會被剪掉。HLO（High Level Optimizer）會將優化后的計算圖生成HLO的原始操作，XLA編譯器會對HLO的原始操作進行一些優化，最后交給LLVM IR，進而根據不同的后端設備，生成不同的機器代碼。

JIT的使用，有助于LLVM IR根據 HLO原始操作生成更高效的機器碼；同時，對于多個可融合的HLO原始操作，會融合成一個更加高效的計算操作。但是JIT的編譯是在代碼運行時進行編譯，這也意味著運行代碼時會有一部分額外的編譯開銷。

圖5. 網絡結構、Batch Size對JIT性能影響[7]

上圖顯示為不同網絡結構，不同Batch Size下使用JIT編譯后與不使用JIT編譯的耗時之比。可以看出，較大的Batch Size性能優化比較明顯，層數與神經元個數變化對JIT編譯優化影響不大。

在實際的應用中，具體效果會因網絡結構、模型參數、硬件設備等原因而異。

3.2.4 最終性能

?

經過上述一系列的性能優化，模型預估時間從開始的10ms降低到1.1ms，請求時間從5ms降到2ms。整個流程從打包發送請求到收到結果，耗時大約6ms。

?

?

圖6. 模型計算時間相關參數：QPS:1308，50line:1.1ms，999line:3.0ms。下面四個圖分別為：耗時分布圖顯示大部分耗時控制在1ms內；請求次數顯示每分鐘請求大約8萬次，折合QPS為1308；平均耗時時間為1.1ms；成功率為100%

?

3.3 模型切換毛刺問題

?

通過監控發現，當模型進行更新時，會有大量的請求超時。如下圖所示，每次更新都會導致有大量請求超時，對系統的影響較大。通過TensorFlow Serving日志和代碼分析發現，超時問題主要源于兩個方面，一方面，更新、加載模型和處理TensorFlow Serving請求的線程共用一個線程池，導致切換模型時無法處理請求；另一方面，模型加載后，計算圖采用Lazy Initialization方式，導致第一次請求需要等待計算圖初始化。

?

圖7. 模型切換導致請求超時

問題一主要是因為加載和卸載模型線程池配置問題，在源代碼中：

uint32 num_load_threads = 0; uint32 num_unload_threads = 0;

這兩個參數默認為 0，表示不使用獨立線程池，和Serving Manager在同一個線程中運行。修改成1便可以有效解決此問題。

模型加載的核心操作為RestoreOp，包括從存儲讀取模型文件、分配內存、查找對應的Variable等操作，其通過調用Session的run方法來執行。而默認情況下，一個進程內所有Session的運算均使用同一個線程池。所以導致模型加載過程中加載操作和處理Serving請求的運算使用同一線程池，導致Serving請求延遲。解決方法是通過配置文件設置，可構造多個線程池，模型加載時指定使用獨立的線程池執行加載操作。

對于問題二，模型首次運行耗時較長的問題，采用在模型加載完成后提前進行一次Warm Up運算的方法，可以避免在請求時運算影響請求性能。這里使用Warm Up的方法是，根據導出模型時設置的Signature，拿出輸入數據的類型，然后構造出假的輸入數據來初始化模型。

通過上述兩方面的優化，模型切換后請求延遲問題得到很好的解決。如下圖所示，切換模型時毛刺由原來的84ms降低為4ms左右。

圖8. 優化后模型切換后，毛刺降低

?

四、總結與展望

本文主要介紹了用戶增長組基于Tensorflow Serving在深度學習線上預估的探索，對性能問題的定位、分析、解決；最終實現了高性能、穩定性強、支持各種深度學習模型的在線服務。

在具備完整的離線訓練與在線預估框架基礎之后，我們將會加快策略的快速迭代。在模型方面，我們可以快速嘗試新的模型，嘗試將強化學習與競價結合；在性能方面，結合工程要求，我們會對TensorFlow的圖優化、底層操作算子、操作融合等方面做進一步的探索；除此之外，TensorFlow Serving的預估功能可以用于模型分析，谷歌也基于此推出What-If-Tools來幫助模型開發者對模型深入分析。最后，我們也會結合模型分析，對數據、特征再做重新的審視。

參考文獻

?

[1] ?Cheng, H. T., Koc, L., Harmsen, J., Shaked, T., Chandra, T., Aradhye, H., … & Anil, R. (2016, September). Wide & deep learning for recommender systems. In Proceedings of the 1st Workshop on Deep Learning for Recommender Systems (pp. 7-10). ACM.

[2] ?Wang, R., Fu, B., Fu, G., & Wang, M. (2017, August). Deep & cross network for ad click predictions. In Proceedings of the ADKDD'17 (p. 12). ACM.?

[3] ?Guo, H., Tang, R., Ye, Y., Li, Z., & He, X. (2017). Deepfm: a factorization-machine based neural network for ctr prediction. arXiv preprint arXiv:1703.04247.

[4] ?Lian, J., Zhou, X., Zhang, F., Chen, Z., Xie, X., & Sun, G. (2018). xDeepFM: Combining Explicit and Implicit Feature Interactions for Recommender Systems. arXiv preprint arXiv:1803.05170.

[5] ?Abadi, M., Barham, P., Chen, J., Chen, Z., Davis, A., Dean, J., … & Kudlur, M. (2016, November). TensorFlow: a system for large-scale machine learning. In OSDI (Vol. 16, pp. 265-283).

[6] ?Goyal, P., Dollár, P., Girshick, R., Noordhuis, P., Wesolowski, L., Kyrola, A., … & He, K. (2017). Accurate, large minibatch SGD: training imagenet in 1 hour. arXiv preprint arXiv:1706.02677.

[7] ?Neill, R., Drebes, A., Pop, A. (2018). Performance Analysis of Just-in-Time Compilation for Training TensorFlow Multi-Layer Perceptrons.

創作挑戰賽新人創作獎勵來咯，堅持創作打卡瓜分現金大獎

總結

以上是生活随笔為你收集整理的基于TensorFlow Serving的深度学习在线预估的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。