Tüm Ürünler
Search
Belge Merkezi

Platform For AI:Custom processors FAQ

Son Güncelleme:Oct 04, 2026

Bu sayfa, Elastic Algorithm Service (EAS) üzerinde özel işleyicilerin dağıtımı ve çalıştırılmasıyla ilgili sık sorulan soruları yanıtlar.

Dağıtım sorunları

Çalışma zamanı sorunları

Kimlik doğrulama ve yapılandırma

Özel işleyici paketinin yükleme verimliliğini nasıl artırabilirim?

Çalışma zamanı ortamınızı ve büyük dosyaları paketlemek için Docker görüntülerini kullanın. Kodunuz değiştiğinde tüm paketi yeniden oluşturup göndermek yerine yalnızca değiştirilen katmanların yeniden oluşturulması ve gönderilmesi gerekir. Bu yaklaşım, geliştirme sırasında yineleme hızını önemli ölçüde artırır.

Ayrıntılar için bkz. Python kullanarak özel işleyiciler geliştirme.

cv2 içe aktarılırken oluşan "libSM.so.6: cannot open shared object file: No such file or directory" hatasını nasıl çözebilirim?

Standart pip install opencv paketi libXext, libSM ve libXrender kitaplıklarına bağımlıdır; bu kitaplıklar EAS çalışma zamanı ortamında önceden yüklü değildir. Paket yerel test ortamında çalışabilir ancak çevrimiçi olarak dağıtıldığında başarısız olabilir.

Bu sorunu aşağıdaki yaklaşımlardan birini kullanarak çözün:

  • Önerilen: Bunun yerine opencv-python-headless yükleyin. Bu varyant libXext, libSM veya libXrender kitaplıklarına bağımlı değildir.

    pip install opencv-python-headless
  • Alternatif: libXext, libSM ve libXrender ikili dosyalarını yerel sisteminizde bulun, bunları işleyici paketiniz içindeki ENV/lib dizinine kopyalayın ve paketi yükleyin.

    Not: Bu yaklaşım, ayrı olarak çözmeniz gerekebilecek ek bağımlılık sorunlarına yol açabilir.

EAS Python işleyicisinde ortam değişkenlerini nasıl yapılandırabilirim?

EAS, işleyici dizininin tüm alt dizinlerini otomatik olarak LD_LIBRARY_PATH değerine ekler; böylece işleyici dizinindeki herhangi bir yerde depolanan bağımlılık kitaplıkları otomatik olarak algılanır.

Diğer ortam değişkenleri için bunları Python kodunuzda programatik olarak ayarlayın:

import os
os.environ['key'] = 'val'

İşlenmemiş bir özel durum nedeniyle bir işlemin çıkmasını nasıl önleyebilirim?

İşlenmemiş özel durumların işlemi sonlandırmasını önlemek için hizmet mantığınızın kritik bölümlerini try-catch blokları içine alın.

İşlem herhangi bir nedenle çıkarsa EAS hizmet kullanılabilirliğini korumak için onu otomatik olarak yeniden başlatır. Uygulama düzeyindeki özel durum işleme, daha ince kontrollü olmanızı sağlar ve gereksiz yeniden başlatmaları önler.

AccessKey ve uç nokta nasıl yapılandırılır?

EAS tahmin hizmetleri kimlik doğrulaması için bir Alibaba Cloud AccessKey kullanır. AccessKey ID'nizi, AccessKey Secret bilginizi ve uç noktanızı eascmd64 config komutuyla yapılandırın:

./eascmd64 config -i <yourAccessKeyID> -k <yourAccessKeySecret> -e <endpoint>

Varsayılan uç nokta Çin (Şanghay) bölgesine bağlanır. Farklı bir bölgeye dağıtım yapmak için o bölgenin uç noktasını -e parametresiyle belirtin. Örneğin, Çin (Pekin) bölgesini kullanmak için:

./eascmd64 config -i <yourAccessKeyID> -k <yourAccessKeySecret> -e pai-eas.cn-beijing.aliyuncs.com

Neden EASCMD ile oluşturulan bir görev "[OK] Waiting [Total: 1, Pending: 1, Running: 0]" durumunda kalıyor?

Görev, kaynak grubunun istenen örnekleri başlatmak için yeterli kullanılabilir kaynağa sahip olmaması nedeniyle bekliyor.

Hizmet yapılandırma dosyanızda şunları kontrol edin:

  1. Bölge: metadata.region değerinin kaynak grubunuzun bulunduğu bölgeyle eşleştiğini onaylayın.

  2. Kaynak grubu adı: metadata.resource değerinin o bölge için doğru kaynak grubu adı olduğunu onaylayın (örneğin, EAS-LsFlrwBP56).

  3. Kullanılabilir kaynaklar: Kaynak grubunun, yapılandırdığınız instance sayısını karşılayacak kadar boş GPU, CPU ve belleğe sahip olduğunu onaylayın.

Aşağıdaki örnek yapılandırma ilgili alanları gösterir:

{
  "name": "service",
  "token": "[Authorization-token]",
  "data_image": "[your-public-docker-image-repo]",
  "processor_entry": "app.py",
  "processor_type": "python",
  "processor_path": "[oss://eas-model-shenzhen/xxxxxxxxx/codes.tar.gz]",
  "metadata": {
    "region": "cn-shenzhen",
    "resource": "resource-name",
    "gpu": 1,
    "cpu": 6,
    "memory": 2000,
    "instance": 2,
    "cuda": "10.0"
  }
}

Bu örnekte her örnek 1 GPU, 6 CPU ve 2000 B bellek gerektirir. Kaynak grubu bu gereksinimi aynı anda 2 örnek için karşılayamazsa görev bekleme durumunda kalır.

Bir EAS hizmeti genel ağa erişemiyorsa ne yapmalıyım?

EAS hizmetleri varsayılan olarak genel ağa erişemez. İşleyici kodunuz başlangıçta internetten dosya indiriyorsa dağıtım, dosya yükleme hatasıyla başarısız olur.

Bu sorunu çözmek için EAS hizmetiniz için bir genel ağ bağlantısı yapılandırın.

İpucu: Dağıtmadan önce işleyicinizi yerel olarak test ederek EAS ortamında kullanılamayabilecek genel ağ erişimine bağımlı olmadığını doğrulayın.

Hata: "Download processor files failed: forbidden to download file with size larger than 10G"

EAS, model ve işleyici paketinin birleşik boyutunu 10 GB ile sınırlar. Paketiniz bu sınırı aşarsa konsol aracılığıyla bunun yerine görüntü tabanlı özel dağıtım kullanın.