Platform For AI:AI video üretimi için ComfyUI hizmeti dağıtma

Önemli sınırlamalar ve hususlar

Kaynak israfını ve yaygın hataları önlemek için dağıtım işlemine başlamadan önce bu bölümü okuyun.

• Dağıtım kaynakları: GU30, NVIDIA A10 veya NVIDIA T4 GPU örnek türlerini kullanmanızı öneririz. ml.gu7i.c16m60.1-gu30 örnek türü en iyi fiyat/performans oranını sunar.

  Önemli

  Her PAI-EAS örneği tek bir ComfyUI işlemi çalıştırır ve yalnızca bir GPU'yu destekler (tek örnek-tek GPU veya çoklu örnek-tek GPU). Çoklu GPU paralel çıkarımı desteklenmez. Çoklu GPU örnek türlerini (örneğin 2×A10) seçmeyin. Çoklu GPU örnek türleri kaynak israfına neden olur ve tek görev performansını artırmaz.

• Yatay ölçeklendirme: Eşzamanlılığı artırmak için çoklu GPU örnek türü seçmek yerine API Sürümünü kullanın ve çoğaltma sayısını artırın.

Bir dağıtım sürümü seçin

Kullanım durumunuza en uygun sürümü seçin:

Daha fazla faturalama bilgisi için bkz. Elastic Algorithm Service (EAS) faturalandırması.

Web arayüzünü açma

Hedef hizmetin adına tıklayarak Overview sayfasını açın ve ardından sağ üst köşedeki Web Application seçeneğine tıklayın.

Sayfanın yüklenmesi uzun sürerse bkz. Sayfa donuyor veya yüklenmesi çok uzun sürüyor .

Şablon iş akışı kullanma

ComfyUI, yaygın görevler için önceden hazırlanmış şablonlar sağlar.

1. Bir şablon seçin (örneğin, Wan VACE Text to Video).

   Not

   Şablonlar ComfyUI görüntü sürümleri arasında farklılık gösterir. Örnek şablon mevcut değilse farklı bir şablon seçin veya yerel dosya sisteminden bir iş akışı dosyası yükleyin.

2. İş akışı yüklendikten sonra eksik modellerle ilgili hatalar görebilirsiniz. Bu hataları kapatın (bu mesajı bir daha göstermemeyi seçmenizi öneririz).

3. Model yolları değişmiş olabileceğinden, iş akışını doğrudan çalıştırmak aşağıdaki hatayı üretebilir:

   Prompt outputs failed validation:
   UNETLoader:
   - Value not in list: unet_name: 'wan2.1_vace_14B_fp16.safetensors' not in (list of length 200)
   LoraLoader:
   - Value not in list: lora_name: 'Wan21_CausVid_14B_T2V_lora_rank32.safetensors' not in (list of length 364)

   Load models here bölümünde, UNET yükleyicisinde wan2.1_vace_14B_fp16.safetensors ve LoRA yükleyicisinde Wan21_CausVid_14B_T2V_lora_rank32.safetensors öğelerini yeniden seçin.

4. İş akışı başarıyla çalıştıktan sonra oluşturulan video Save Video bölümünde görünür.

Özel modeller ve düğümler kullanma

1. Hizmetin yapılandırılmış bir depolama bağlantısına sahip olduğundan emin olun. Hizmet dağıtıldıktan sonra sistem, bağlı OSS veya NAS depolamasında aşağıdaki dizin yapısını otomatik olarak oluşturur.

   data-oss/
   ├── custom_nodes/     # Custom node files (ComfyUI plugins)
   ├── models/           # Model files
   ├── input/
   ├── output/
   ├── unet/
   └── temp/

2. Model veya düğüm dosyalarını yükleyin. Örneğin, OSS kullanabilir ve konsol aracılığıyla dosyaları OSS'ye yükleyebilirsiniz. Büyük dosyalar için bkz. Büyük nesneleri OSS'ye nasıl yüklerim?.

   • Model dosyalarını yükleme: Modeli kullanan düğümün kaynak deposunun belgelerine bakın ve modeli models altındaki ilgili alt dizine yükleyin. Örneğin:

     • Checkpoint loader: Modelleri models/checkpoints dizinine yükleyin.

     • Style model loader: Modelleri models/styles dizinine yükleyin.

   • Düğüm dosyalarını yükleme: Özel düğümleri bağlı depolamadaki custom_nodes dizinine yükleyin.

3. Yeni içeriği yükleyin.

   • Modeller: Sayfanın üst kısmında PaiCustom > Load New Models seçeneğine tıklayın. Model hala görünmüyorsa PaiCustom > Restart Process seçeneğine tıklayın. İşlem yeniden başladıktan sonra tarayıcı sayfasını yenileyin.

   • Düğümler: Restart Process seçeneğine tıklayın. İşlem yeniden başladıktan sonra tarayıcı sayfasını yenileyin.

API istek gövdesini hazırlama

İstek gövdesi biçimi çağrı yöntemine bağlıdır:

• Senkron çağrı: İş akışı JSON içeriğini bir prompt anahtar-değer çiftinin içine sarın.

• Asenkron çağrı: İstek gövdesi doğrudan iş akışı JSON içeriğidir.

Yukarıdaki Wan VACE Text to Video iş akışı zaman alıcı olduğundan, daha kolay test için aşağıdaki test iş akışı sağlanmıştır (her çalıştırma yaklaşık 3 dakika sürer).

{
    "prompt": {
        "3": {
            "inputs": {
                "seed": 423988542100860,
                "steps": 40,
                "cfg": 7,
                "sampler_name": "dpmpp_sde_gpu",
                "scheduler": "karras",
                "denoise": 1,
                "model": [
                    "4",
                    0
                ],
                "positive": [
                    "6",
                    0
                ],
                "negative": [
                    "7",
                    0
                ],
                "latent_image": [
                    "5",
                    0
                ]
            },
            "class_type": "KSampler",
            "_meta": {
                "title": "KSampler"
            }
        },
        "4": {
            "inputs": {
                "ckpt_name": "LandscapeBING_v10.safetensors"
            },
            "class_type": "CheckpointLoaderSimple",
            "_meta": {
                "title": "Checkpoint Loader (Simple)"
            }
        },
        "5": {
            "inputs": {
                "width": 720,
                "height": 1280,
                "batch_size": 1
            },
            "class_type": "EmptyLatentImage",
            "_meta": {
                "title": "Empty Latent"
            }
        },
        "6": {
            "inputs": {
                "text": "Rocket takes off from the ground, fire，sky, airplane",
                "speak_and_recognation": {
                    "__value__": [
                        false,
                        true
                    ]
                },
                "clip": [
                    "4",
                    1
                ]
            },
            "class_type": "CLIPTextEncode",
            "_meta": {
                "title": "CLIP Text Encoder"
            }
        },
        "7": {
            "inputs": {
                "text": "",
                "speak_and_recognation": {
                    "__value__": [
                        false,
                        true
                    ]
                },
                "clip": [
                    "4",
                    1
                ]
            },
            "class_type": "CLIPTextEncode",
            "_meta": {
                "title": "CLIP Text Encoder"
            }
        },
        "8": {
            "inputs": {
                "samples": [
                    "3",
                    0
                ],
                "vae": [
                    "4",
                    2
                ]
            },
            "class_type": "VAEDecode",
            "_meta": {
                "title": "VAE Decode"
            }
        },
        "9": {
            "inputs": {
                "filename_prefix": "ComfyUI",
                "images": [
                    "8",
                    0
                ]
            },
            "class_type": "SaveImage",
            "_meta": {
                "title": "Save Image"
            }
        },
        "13": {
            "inputs": {
                "seed": 788620942678235,
                "steps": 40,
                "cfg": 2.5,
                "sampler_name": "euler_ancestral",
                "scheduler": "karras",
                "denoise": 1,
                "model": [
                    "17",
                    0
                ],
                "positive": [
                    "16",
                    0
                ],
                "negative": [
                    "16",
                    1
                ],
                "latent_image": [
                    "16",
                    2
                ]
            },
            "class_type": "KSampler",
            "_meta": {
                "title": "KSampler"
            }
        },
        "14": {
            "inputs": {
                "samples": [
                    "13",
                    0
                ],
                "vae": [
                    "18",
                    2
                ]
            },
            "class_type": "VAEDecode",
            "_meta": {
                "title": "VAE Decode"
            }
        },
        "15": {
            "inputs": {
                "filename_prefix": "ComfyUI",
                "fps": 10.000000000000002,
                "lossless": false,
                "quality": 85,
                "method": "default",
                "images": [
                    "14",
                    0
                ]
            },
            "class_type": "SaveAnimatedWEBP",
            "_meta": {
                "title": "Save WEBP"
            }
        },
        "16": {
            "inputs": {
                "width": 512,
                "height": 768,
                "video_frames": 35,
                "motion_bucket_id": 140,
                "fps": 15,
                "augmentation_level": 0.15000000000000002,
                "clip_vision": [
                    "18",
                    1
                ],
                "init_image": [
                    "8",
                    0
                ],
                "vae": [
                    "18",
                    2
                ]
            },
            "class_type": "SVD_img2vid_Conditioning",
            "_meta": {
                "title": "SVD_Image to Video_Conditioning"
            }
        },
        "17": {
            "inputs": {
                "min_cfg": 1,
                "model": [
                    "18",
                    0
                ]
            },
            "class_type": "VideoLinearCFGGuidance",
            "_meta": {
                "title": "Linear CFG Guidance"
            }
        },
        "18": {
            "inputs": {
                "ckpt_name": "svd_xt.safetensors"
            },
            "class_type": "ImageOnlyCheckpointLoader",
            "_meta": {
                "title": "Checkpoint Loader (Image Only)"
            }
        },
        "19": {
            "inputs": {
                "frame_rate": 10,
                "loop_count": 0,
                "filename_prefix": "comfyUI",
                "format": "video/h264-mp4",
                "pix_fmt": "yuv420p",
                "crf": 20,
                "save_metadata": true,
                "trim_to_audio": false,
                "pingpong": false,
                "save_output": true,
                "images": [
                    "14",
                    0
                ]
            },
            "class_type": "VHS_VideoCombine",
            "_meta": {
                "title": "Combine to Video"
            }
        }
    }
}

{
    "3": {
        "inputs": {
            "seed": 423988542100860,
            "steps": 40,
            "cfg": 7,
            "sampler_name": "dpmpp_sde_gpu",
            "scheduler": "karras",
            "denoise": 1,
            "model": [
                "4",
                0
            ],
            "positive": [
                "6",
                0
            ],
            "negative": [
                "7",
                0
            ],
            "latent_image": [
                "5",
                0
            ]
        },
        "class_type": "KSampler",
        "_meta": {
            "title": "KSampler"
        }
    },
    "4": {
        "inputs": {
            "ckpt_name": "LandscapeBING_v10.safetensors"
        },
        "class_type": "CheckpointLoaderSimple",
        "_meta": {
            "title": "Checkpoint Loader (Simple)"
        }
    },
    "5": {
        "inputs": {
            "width": 720,
            "height": 1280,
            "batch_size": 1
        },
        "class_type": "EmptyLatentImage",
        "_meta": {
            "title": "Empty Latent"
        }
    },
    "6": {
        "inputs": {
            "text": "Rocket takes off from the ground, fire，sky, airplane",
            "speak_and_recognation": {
                "__value__": [
                    false,
                    true
                ]
            },
            "clip": [
                "4",
                1
            ]
        },
        "class_type": "CLIPTextEncode",
        "_meta": {
            "title": "CLIP Text Encoder"
        }
    },
    "7": {
        "inputs": {
            "text": "",
            "speak_and_recognation": {
                "__value__": [
                    false,
                    true
                ]
            },
            "clip": [
                "4",
                1
            ]
        },
        "class_type": "CLIPTextEncode",
        "_meta": {
            "title": "CLIP Text Encoder"
        }
    },
    "8": {
        "inputs": {
            "samples": [
                "3",
                0
            ],
            "vae": [
                "4",
                2
            ]
        },
        "class_type": "VAEDecode",
        "_meta": {
            "title": "VAE Decode"
        }
    },
    "9": {
        "inputs": {
            "filename_prefix": "ComfyUI",
            "images": [
                "8",
                0
            ]
        },
        "class_type": "SaveImage",
        "_meta": {
            "title": "Save Image"
        }
    },
    "13": {
        "inputs": {
            "seed": 788620942678235,
            "steps": 40,
            "cfg": 2.5,
            "sampler_name": "euler_ancestral",
            "scheduler": "karras",
            "denoise": 1,
            "model": [
                "17",
                0
            ],
            "positive": [
                "16",
                0
            ],
            "negative": [
                "16",
                1
            ],
            "latent_image": [
                "16",
                2
            ]
        },
        "class_type": "KSampler",
        "_meta": {
            "title": "KSampler"
        }
    },
    "14": {
        "inputs": {
            "samples": [
                "13",
                0
            ],
            "vae": [
                "18",
                2
            ]
        },
        "class_type": "VAEDecode",
        "_meta": {
            "title": "VAE Decode"
        }
    },
    "15": {
        "inputs": {
            "filename_prefix": "ComfyUI",
            "fps": 10.000000000000002,
            "lossless": false,
            "quality": 85,
            "method": "default",
            "images": [
                "14",
                0
            ]
        },
        "class_type": "SaveAnimatedWEBP",
        "_meta": {
            "title": "Save WEBP"
        }
    },
    "16": {
        "inputs": {
            "width": 512,
            "height": 768,
            "video_frames": 35,
            "motion_bucket_id": 140,
            "fps": 15,
            "augmentation_level": 0.15000000000000002,
            "clip_vision": [
                "18",
                1
            ],
            "init_image": [
                "8",
                0
            ],
            "vae": [
                "18",
                2
            ]
        },
        "class_type": "SVD_img2vid_Conditioning",
        "_meta": {
            "title": "SVD_Image to Video_Conditioning"
        }
    },
    "17": {
        "inputs": {
            "min_cfg": 1,
            "model": [
                "18",
                0
            ]
        },
        "class_type": "VideoLinearCFGGuidance",
        "_meta": {
            "title": "Linear CFG Guidance"
        }
    },
    "18": {
        "inputs": {
            "ckpt_name": "svd_xt.safetensors"
        },
        "class_type": "ImageOnlyCheckpointLoader",
        "_meta": {
            "title": "Checkpoint Loader (Image Only)"
        }
    },
    "19": {
        "inputs": {
            "frame_rate": 10,
            "loop_count": 0,
            "filename_prefix": "comfyUI",
            "format": "video/h264-mp4",
            "pix_fmt": "yuv420p",
            "crf": 20,
            "save_metadata": true,
            "trim_to_audio": false,
            "pingpong": false,
            "save_output": true,
            "images": [
                "14",
                0
            ]
        },
        "class_type": "VHS_VideoCombine",
        "_meta": {
            "title": "Combine to Video"
        }
    }
}

Senkron çağrılar

Senkron çağrılar, istekleri doğrudan PAI-EAS hizmet örneğine gönderir. Bu yöntem geliştirme, test ve düşük eşzamanlılık senaryoları için uygundur.

Asenkron çağrılar

Asenkron çağrılar yüksek eşzamanlı üretim iş yükleri için tasarlanmıştır. Bu yöntem yük dengeleme için PAI-EAS kuyruk hizmetini kullanır. İstekler hemen yanıt verir ve sonuçları sonuç kuyruğuna abone olarak alırsınız.

1. Çağrı bilgilerini görüntüleyin.

   Inference Services sekmesinde, hedef hizmetin adına tıklayarak Overview sayfasını açın. Basic Information bölümünde View Call Information seçeneğine tıklayın. Call Information iletişim kutusunun Asynchronous Call sekmesinde hizmet erişim uç noktasını ve belirteci görüntüleyin.

   

   Aşağıdaki bölümlerde <EAS_ENDPOINT> Internet Input Endpoint (çağrı yapan PAI-EAS ile aynı VPC'deyse VPC Input Endpoint kullanabilirsiniz) ve <EAS_TOKEN> ise Token anlamına gelir.

2. Bir istek gönderin.

   Kod örneği:

   import requests
   import json
   
   service_url = "<EAS_ENDPOINT>"
   token = "<EAS_TOKEN>"
   
   if service_url[-1] == "/":
       service_url = service_url[:-1]
   
   session = requests.session()
   session.headers.update({"Authorization":token})
   
   # Request body - workflow JSON, no need to wrap with "prompt".
   # Use triple quotes to define it as a multi-line string, otherwise you need to capitalize the boolean values (true and false) in the workflow JSON.
   payload = """{
       '3':
       ...omitted
     }
     """
   payload = json.loads(payload)
   
   for i in range(5):
     # task_id is the key identifier for matching requests and results. Assign a unique value to each request to correlate with the queue results later.
     response = session.post(url=f'{service_url}/api_prompt?task_id=txt2img_{i}', json=payload)
     if response.status_code != 200:
       exit(f"send request error:{response.content}")
     else:
       print(f"send {i} success, index is {response.content}")

3. Sonuçlara abone olun.

   1. eas_prediction SDK'yı yükleyin.

      pip install eas_prediction  --user

   2. Sonucu almak için aşağıdaki kodu çalıştırın.

      from eas_prediction import QueueClient
      from urllib.parse import urlparse, urlunparse
      
      service_url     = "<EAS_ENDPOINT>"
      token           = "<EAS_TOKEN>"
      
      # Parse service URL
      def parse_service_url(service_url):
          parsed = urlparse(service_url)
          service_domain = f"{parsed.scheme}://{parsed.netloc}"
          path_parts = [p for p in parsed.path.strip('/').split('/') if p]
          service_name = path_parts[-1]
          return service_domain, service_name
      
      service_domain, service_name = parse_service_url(service_url)
      print(f"service_domain: {service_domain}, service_name: {service_name}.")
      
      # Create result queue client
      sink_queue = QueueClient(service_domain, f'{service_name}/sink')
      sink_queue.set_token(token)
      sink_queue.init()
      
      # Listen for results
      watcher = sink_queue.watch(0, 5, auto_commit=False)
      for x in watcher.run():
          if 'task_id' in x.tags:
              print('index {} task_id is {}'.format(x.index, x.tags['task_id']))
          print(f'index {x.index} data is {x.data}')
          # Commit acknowledgment
          sink_queue.commit(x.index)

      Örnek yanıt:

      index 42 task_id is txt2img_0
      index 42 data is b'[{"type": "executed", "data": {"node": "9", "output": {"images": [{"filename": "ComfyUI_1712647318_8e7f3c93-d2a8-4377-92d5-8eb552adc172_.png", "subfolder": "", "type": "output"}]}, "prompt_id": "c3c983b6-f92b-4dd5-b4dc-442db4d1736f"}}, {"type": "executed", "data": {"node": "15", "output": {"images": [{"filename": "ComfyUI_1712647895_.webp", "subfolder": "", "type": "output"}], "animated": [true]}, "prompt_id": "c3c983b6-f92b-4dd5-b4dc-442db4d1736f"}}, {"type": "executed", "data": {"node": "19", "output": {"gifs": [{"filename": "comfyUI_00001.mp4", "subfolder": "", "type": "output", "format": "video/h264-mp4"}]}, "prompt_id": "c3c983b6-f92b-4dd5-b4dc-442db4d1736f"}}, {"9": {"images": [{"filename": "ComfyUI_1712647318_8e7f3c93-d2a8-4377-92d5-8eb552adc172_.png", "subfolder": "", "type": "output"}]}, "15": {"images": [{"filename": "ComfyUI_1712647895_.webp", "subfolder": "", "type": "output"}], "animated": [true]}, "19": {"gifs": [{"filename": "comfyUI_00001.mp4", "subfolder": "", "type": "output", "format": "video/h264-mp4"}]}}]'
      index 43 task_id is txt2img_1
      index 43 data is b'[{"9": {"images": [{"filename": "ComfyUI_1712647318_8e7f3c93-d2a8-4377-92d5-8eb552adc172_.png", "subfolder": "", "type": "output"}]}, "15": {"images": [{"filename": "ComfyUI_1712647895_.webp", "subfolder": "", "type": "output"}], "animated": [true]}, "19": {"gifs": [{"filename": "comfyUI_00001.mp4", "subfolder": "", "type": "output", "format": "video/h264-mp4"}]}}]'
      index 44 task_id is txt2img_2
      index 44 data is b'[{"9": {"images": [{"filename": "ComfyUI_1712647318_8e7f3c93-d2a8-4377-92d5-8eb552adc172_.png", "subfolder": "", "type": "output"}]}, "15": {"images": [{"filename": "ComfyUI_1712647895_.webp", "subfolder": "", "type": "output"}], "animated": [true]}, "19": {"gifs": [{"filename": "comfyUI_00001.mp4", "subfolder": "", "type": "output", "format": "video/h264-mp4"}]}}]'
      index 45 task_id is txt2img_3
      index 45 data is b'[{"9": {"images": [{"filename": "ComfyUI_1712647318_8e7f3c93-d2a8-4377-92d5-8eb552adc172_.png", "subfolder": "", "type": "output"}]}, "15": {"images": [{"filename": "ComfyUI_1712647895_.webp", "subfolder": "", "type": "output"}], "animated": [true]}, "19": {"gifs": [{"filename": "comfyUI_00001.mp4", "subfolder": "", "type": "output", "format": "video/h264-mp4"}]}}]'
      index 46 task_id is txt2img_4
      index 46 data is b'[{"9": {"images": [{"filename": "ComfyUI_1712647318_8e7f3c93-d2a8-4377-92d5-8eb552adc172_.png", "subfolder": "", "type": "output"}]}, "15": {"images": [{"filename": "ComfyUI_1712647895_.webp", "subfolder": "", "type": "output"}], "animated": [true]}, "19": {"gifs": [{"filename": "comfyUI_00001.mp4", "subfolder": "", "type": "output", "format": "video/h264-mp4"}]}}]'

      Çıkarım sonucu dosyalarını bağlı depolamanın output dizininde bulabilirsiniz.

Dağıtım sorunları

Model ve düğüm sorunları

Çalışma zamanı hataları

Diğer

Python paketlerini yükleme

Görüntü sürümünü güncelleme

Hizmette OSS veya NAS depolaması bağlıysa özel modeller OSS veya NAS depolamasında saklanır ve görüntü sürümü güncellemesinden etkilenmez.

1. Hizmet ayrıntıları sayfasında sağ üst köşedeki Update seçeneğine tıklayın.

2. Hizmet senaryo tabanlı model dağıtımı aracılığıyla dağıtıldıysa özel model dağıtımına geçiş yapın.

3. Service Configuration bölümünde JSON yapılandırmasını düzenleyin ve containers altındaki image alanını istenen sürüme güncelleyin (örneğin, 1.9'u hedef sürümle değiştirin).

4. Update Directly seçeneğine tıklayın.

Özel geçerlilik süresiyle oturum açma gerektirmeyen bir URL oluşturma

Belirtilen bir geçerlilik süresiyle oturum açma gerektirmeyen bir web erişim URL'si oluşturmak için bir API kullanabilirsiniz.

1. DescribeServiceSignedUrl API sayfasına gidin.

2. Hizmet uç noktasını seçin.

3. Aşağıdaki parametreleri ayarlayın:

   • ClusterId (Bölge) ve ServiceName: Bölgeyi ve hizmetin adını girin.

     EAS hizmetine genel bakış sayfasında Service Name alanı ServiceName değerini gösterir. Bölge, düğüm görüntüsü adresine gömülüdür (örneğin, cn-hangzhou ClusterId bölge değerine karşılık gelir). Hizmeti açmak için sağ üst köşedeki View Web Application seçeneğine tıklayabilirsiniz.

   • Type (Sayfa türü): Açılır listeden webview seçeneğini belirleyin.

   • Expire (Son kullanma süresi): Saniye cinsinden bir tamsayı girin. Maksimum değer 43200 saniyedir (12 saat). Gerektiğine göre ayarlayın.

   • Internal (VPC erişimi): false (genel erişim) veya true (VPC erişimi) olarak ayarlayın.

4. Call API seçeneğine tıklayın. Yanıttaki SignedUrl alanı oturum açma gerektirmeyen web erişim URL'sini içerir.

WebUI'nın varsayılan dilini değiştirme

Küme Sürümü'nün çalışma şekli

Aşağıdaki diyagram mimariyi göstermektedir:

Küme Sürümü, çok kullanıcılı senaryolar için tasarlanmıştır. İstemcileri arka uç çıkarım örneklerinden ayıran bir proxy katmanı sunar.

• Her kullanıcı bağımsız bir arka uç ortamına ve çalışma dizinine sahiptir ancak arka uç GPU çıkarım örnek havuzunu paylaşır.

• Bir kullanıcı çıkarım isteği gönderdiğinde proxy, isteği işlemek için havuzdan kullanılabilir bir örnek seçer.

Bu zaman çoğullama mekanizması, kullanıcı ortamlarını izole ederken çok kullanıcılı senaryolarda GPU kaynak kullanımını maksimize eder ve çıkarım maliyetlerini azaltır.