MaxCompute ofrece la función de gestión de imágenes, que incluye imágenes integradas y personalizadas. Puede crear imágenes personalizadas o utilizar las integradas para análisis de datos, computación científica y aprendizaje automático, como Pandas, NumPy, Scikit-learn y XGBoost. Estas imágenes facilitan el uso de entornos existentes en escenarios de desarrollo con SQL UDF, PyODPS y MaxFrame, lo que elimina la necesidad de empaquetar y cargar recursos complejos.
Contexto
MaxCompute proporciona funciones definidas por el usuario (UDF) y capacidades de desarrollo en Python, como PyODPS y MaxFrame. Puede escribir UDF en Java o Python para cumplir distintos requisitos de desarrollo. Durante este proceso, debe preparar los entornos, empaquetar y descargar los paquetes de terceros dependientes, y cargarlos al proyecto de MaxCompute. MaxCompute ejecuta la UDF dentro de un contenedor seguro y monta las dependencias en su entorno de ejecución.
Es necesario resolver varios problemas durante el desarrollo:
Si un trabajo depende de numerosas bibliotecas externas, debe localizar todos los paquetes de terceros necesarios, empaquetarlos y cargarlos al proyecto de MaxCompute. Este proceso es complejo y genera costos elevados.
Cargar repetidamente las mismas dependencias de paquetes de terceros en distintos proyectos de MaxCompute incrementa los costos de gestión y el consumo de almacenamiento.
La gran variedad de versiones de paquetes y la falta de un entorno de desarrollo unificado complican el mantenimiento y pueden provocar conflictos por discrepancias en el entorno.
Para solucionar estos problemas, MaxCompute ofrece la función de gestión de imágenes. Esta función simplifica el desarrollo con SQL UDF y Python al permitir el uso de imágenes predefinidas como entornos de ejecución de trabajos, lo que acelera el desarrollo y mejora la capacidad de respuesta y el rendimiento del servicio.
Funciones
-
Amplia variedad de imágenes integradas
MaxCompute incorpora imágenes integradas con herramientas de computación científica y análisis de datos, como Pandas, NumPy, Scikit-learn y XGBoost. Puede utilizarlas en escenarios de análisis y minería de datos. Esto evita la tediosa configuración manual del entorno, así como el empaquetado y la carga de recursos. Para obtener más información sobre las imágenes integradas, consulte Built-in images.
-
Flexibilidad en imágenes personalizadas
Puede cargar y gestionar imágenes personalizadas según sus necesidades. Esto permite compartir recursos dentro del inquilino, reduce los costos de gestión y almacenamiento, y previene conflictos de desarrollo causados por inconsistencias en entornos y versiones. Para obtener más información sobre las imágenes personalizadas, consulte Custom images.
-
Uso eficiente y práctico
Especifique el parámetro Flag al invocar la UDF mediante SQL para aplicar una imagen a un trabajo. En el desarrollo con PyODPS (compatible solo con la versión 0.11.5 y posteriores) y MaxFrame, también puede especificar la imagen obligatoria mediante parámetros. Para obtener detalles sobre su uso, consulte Use cases.