FATE学习：五种不同的API提交FATE任务 |
您所在的位置：网站首页 › fate框架 › FATE学习：五种不同的API提交FATE任务 |
FATE学习：五种不同的API提交FATE任务
|
综述
当前支持如下五种API来提交FATE任务，分别为： CLI API：通过python 启动python 脚本 fate_flow_client.py，提交FATE任务。REST API：Rest API 形式，发起http请求，提交FATE任务。Flow SDK：python 封装的SDK，调用相关API，提交FATE任务。Flow Client：封装为命令行工具模式的FATE Flow命令行控制台。Pipeline：python 封装的high level API。 几种API的对比 CLI API使用方式: python fate_flow_client.py -f $command说明：根据入参，生成request，向Server发起请求。然后通过Flask跳转到具体类。 HTTP API使用方式： curl -H "Content-Type:application/json" -X POST -d '{"role": "guest", "party_id":"9999"}' http://192.168.1.26:9380/v1/job/query可以使用curl 或者 postman等工具。 直接向Server 发起请求。 Flow SDK使用方式： from flow_sdk.client import FlowClient # use real ip address to initialize SDK client = FlowClient('127.0.0.1', 9000, 'v1') client.job.submit(conf_path, dsl_path)说明：在FlowClient类中已经封装好SDK，根据不同的调用接口，生成request，向Server发起请求。然后通过Flask跳转到具体类。相比CLI模式，通过不同的参数，生成request，这里是使用不同的API生成request。 Flow Client CLI使用方式： flow init -c /data/projects/fate/python/conf/service_conf.yaml flow init --ip 127.0.0.1 --port 9380 flow job submit -c fate_flow/examples/test_hetero_lr_job_conf.json -d fate_flow/examples/test_hetero_lr_job_dsl.json封装为命令行工具模式的FATE Flow命令行工具。底层是通过access_server方法，根据不同的参数，生成对应的request，再向Server 发起请求 def access_server(method, ctx, postfix, json_data=None, echo=True, **kwargs): if ctx.obj.get('init', False): try: url = "/".join([ctx.obj['server_url'], postfix]) response = {} if method == 'get': response = requests.get(url=url, json=json_data, **kwargs) elif method == 'post': response = requests.post(url=url, json=json_data, **kwargs) if echo: prettify(response) return else: return response Pipeline相较于以上几种方式，通过配置文件的方式，定义各个组件，Pipeline开放了更加灵活的的API，用来定义各个组件。然后在底层再调用FlowClient（和FlowSDK一样），来进行执行。 例如upload，可以对比下通过 upload.json 和 pipeline 定义的区别。 upload.json { "file": "/data/projects/fate/python/fc/data/predict_data/20220523/b1game01_20220523.csv", "head": 1, "partition": 1, "work_mode": 1, "table_name": "b1game01_20220523", "namespace": "cl", "count": 21 } pipeline 方式 pipeline_upload.add_upload_data(file=os.path.join(DATA_BASE, "examples/data/breast_hetero_guest.csv"), table_name=dense_data["name"], # table name namespace=dense_data["namespace"], # namespace head=1, partition=partition) # data info pipeline_upload.upload(work_mode=work_mode, backend=backend, drop=1)对比可以发现，就是将json中的配置项，通过参数的方式进行设定。 示意图画了张图，来体现如上五种API之间的关系 介于上图，可以发现最终的实现都是向server 提交http请求。然后通过flask机制，跳转到不同的执行了。基于1.5.1版本总结了一下不同endpoint 的执行类和功能，如下表。 |
【本文地址】