ML Space

Отправить синхронный HTTP-запрос к развернутой модели

После развертывания образа с моделью можно отправлять запросы на хост.

В этой инструкции рассмотрены синхронные запросы, которые позволяют последовательно обрабатывать запросы к модели. Они применяются, если требуется получить ответ для одиночного запроса, который обрабатывается меньше минуты.

См.также

Отправить асинхронный HTTP-запрос к развернутой модели

Структура запроса

REST API сервиса использует протокол HTTP для отправки данных и ответы в формате JSON. HTTP-запросы можно отправить из консоли с помощью инструмента командной строки curl.

Для проверки корректности запросов с клиента на сервис и получения ответа от бэкенда рекомендуется использовать набор инструментов Postman.

Стандартный HTTP-запрос состоит из следующих частей:

Конечная точка. URL, который клиент использует для связи с сервисом.
Метод HTTP. Сообщает сервису, какое действие хочет выполнить клиент.
Заголовок (header). Используется для передачи дополнительной информации между сервисом и клиентом.
Тело. Данные, которые отправляются на сервис.

Отправить синхронный запрос, используя ключ

Ключи для получения предсказаний от развернутого деплоя позволяют отправлять запросы к нему, минуя этап аутентификации.

Для отправки запроса к деплою по ключу:

В главном меню платформы перейдите в Deployments → Деплои.
Перейдите в карточку нужного деплоя.
Во вкладке Управление ключами нажмите Сгенерировать ключ.

Созданный ключ является уникальным.
(Опционально) Задайте описание ключа, нажав на плюс в столбце Описание.

Во вкладке Тест API нажмите cURL, чтобы скопировать запрос.

Запрос будет иметь следующий вид:

Пример скопированного запроса

curl 'https://mlspace.ai.cloud.ru/deployments/dgx2-inf/kfserving-1629374788/v1/models/kfserving-1629374788:predict' \
  -H 'content-type: application/json' \
  -H 'x-workspace-id: ee8cd85f-1886-4bbe-a2db-12ce69206a26' \
--data-raw '{"key": "value"}'

Отправьте запрос.

Пример Python-запроса

import requests
BASE_URL = "https://mlspace.ai.cloud.ru/deployments/dgx2-inf/kfserving-1629374788/v1/models/kfserving-1629374788:predict"

results = requests.post(
            BASE_URL,
            json={"key": "value"},
            headers={
              "x-workspace-id": "ee8cd85f-1886-4bbe-a2db-12ce69206a26",
              "content-type":"application/json",
              "x-api-key":"i7uOAouA15uA0VHPYioaSQt4KN"
            }
          )

После отправки запроса счетчик в поле Предсказания увеличится на единицу.

Удалить ключ

Для удаления ключа:

В главном меню платформы перейдите в Deployments → Деплои.
Перейдите в карточку нужного деплоя.
Во вкладке Управление ключами выберите ключ, который необходимо удалить, отметив чекбокс.
Нажмите на иконку в соответствующей строке списка.
В появившемся диалоговом окне подтвердите действие.

См.также

Была ли статья полезной ?

Предыдущая статья

Развернуть модель (создать деплой)

Следующая статья

Отправить асинхронный HTTP-запрос к развернутой модели

Поддержка Юридические документы