大模型AI平台的系统架构图

对模型进行评估的平台通常需要支持任务调度、指标分析、可视化、报告管理、用户管理、日志管理、邮件管理等功能。

平台需求分析

以金融风控场景中的用户信用资质评估为例，在通过一系列数据分析建模，得到一个用户信用资质的模型。对于此类模型的评估，主要考虑以下几点：

• 模型评估的样本收集。模型产品种类多，训练是基于多种数据源和数据流量进行的。模型评估首先要解决样本收集问题。样本收集功能较独立，所以应将其解耦，以便后续模块接入。
• 样本数据的特征计算。有了样本，需要特征工程处理，将数据转化为特征，此过程需要接入特征计算服务，以API形式提供，这样，特征可以通过接入特征计算服务的接口来获得。
• 特征数据的入模计算。获取特征数据后，需要对特征数据入模计算，一般采用Web框架加载模型文件，平台需要进行参数适配和模块封装。
• 模型结果的指标评估。模型需要从稳定性、准确性、性能这3方面进行评估。平台需要将评估模型的指标计算逻辑抽象成通用模块，并以接口形式来提供以方便调用，这样大量的指标计算高内聚在一个独立的模块中，通过扩展指标的计算能力，提高平台覆盖范围的评估能力。
• 对评估报告进行管理。需要支持报告查看及历史轨迹追溯，从项目流程角度，需支持邮件推送方式，发给相关人员，及报告的发布、查看、推送、追溯等功能。
• 模型评估过程可视化。通过直方图、密度图等可视化操作，降低数据理解成本。在集成开源的可视化工具包方面，平台需考虑通用性和专业性。另外，在不方便直接调用工具包的指标，可考虑前后端交互方式、技术实现成本、前端渲染效果及加载效率等。
• 打造流程闭环。模型评估平台需要通过与模型管理平台、模型部署平台的交互打通整个项目流程，实现模型从开发、评估、版本管理到部署上线的流程闭环。
• 保障数据安全。

平台架构设计

通过前文，模型评估平台大致可包括样本管理模块、配置管理模块、任务管理模块、模型评估模块、用户管理模块等。架构图如下：

 工作原理如下：

• 通过配置管理模块为模型生成一个配置项，存到数据库中，且为该模型生成唯一ID。然后在数据库中生成一条规则信息，为该规则生成唯一ID（该ID唯一标识规则，可通过规则ID得到规则的所有信息）。规则包含任务所需的模型基本信息、样本基本信息、验证环境信息。
• 任务管理模块管理整个任务调度，通过规则信息ID获取该任务依赖的模型名称及版本、样本数量、接口地址、任务运行环境等信息。然后生成一个任务，并为每个任务生成一个任务ID。任务启动后，可通过Hadoop streaming执行MapReduce 任务进行样本处理。处理样本后，调用模型服务，最终得到样本的模型表现结果，并将其存储在HDFS上。
• 模型评估模块将HDFS上的模型表现结果存到本地，并进行指标分析，并将指标分析结果存到MySQL数据库中，为其生成唯一ID。
• 报告管理模型将模型评估模块生成的指标分析结果进行整理，生成评估报告，并将报告保存在数据库中，同时为其生成唯一ID。
• 用户管理模块管理公司内部账号系统，为不同用户设置不同权限。
• 模型开发者确认模型评估报告后，模型评估平台将验证通过的模型版本打包上传到模型版本管理平台。然后通过与模型部署系统的联动，触发模型部署环节，最后通过回调方式更新模型上线的状态。该过程使得模型评估、模型版本管理、模型部署形成闭环。

1、 配置管理模块

      配置管理模块主要包括 模型信息模块、规则信息管理模块、邮件报告模块。

      模型信息模块主要对模型属性进行管理，包括模型信息配置、模型名称、模型版本、模型调用接口、关联模型（对于新模型来说，线上暂时没有相应的调用流量和日志，需要关联一个旧模型来进行前期的样本收集）、关联版本（关联模型的版本）、模型大小。模型信息配置见下表

模型信息配置

配置项	内容
模型名称	Model_v2
模型大小	30.2M
模型版本	V1.0
模型调用接口	/model/getmodel
关联模型	Model_v1
关联版本	V3.0

      规则信息管理模块复杂整个任务执行中依赖的元信息管理，用户通过前端进行规则配置，规则包含执行任务调度时所需的参数信息，如模型名称、模型版本、样本信息和执行环境等。任务规则信息配置详见表：

任务规则信息配置

配置项	内容
规则ID	10001
模型名称	Model_V2
模型版本	V1.0
样本方式	自动获取/手动上传
样本数量	20000
执行环境	离线、在线（沙盒、小流量）

      

     邮件报告模块管理邮件和报告两部分。

邮件规则信息配置

配置项	内容
邮件标题	Model_v2模型评估报告
邮件组	model_group@...com
报告ID	20001
主送人	[e-mail]
抄送人	XXX@.com

 

   2.任务管理模块

     任务的启动可通过前端一键式触发。它与规则是多对一的关系，同一个规则可通过多次启动生成多个任务，但一个任务只能由一个规则生成。任务间相互独立，各任务在各自进程上运行，互不影响。任务执行完后，最终生成的评估报告相互独立，任务与报告一一对应。

     任务的精细管理和有序调度使得模型评估过程顺利进行。通过任务与规则ID的关联可得到任务的依赖信息，这些信息包含了任务执行的环境、任务执行所需数据、任务间的顺序关系。利用任务与报告ID的关系可得到模型评估报告，评估报告是任务最终的执行结果。

     任务管理模块的任务流有两条线。一是定时调度任务，以便后期扩展时采用AirFlow工作流平台来管理一组具有依赖关系的作业任务。---这类调度任务主要服务于模型监控，主要在采集完模型线上的表现数据后，进行指标计算，然后可视化展现，监控。一旦模型效果衰减，能够及时发现，更新模型。  另一类任务流是实时触发任务，改类任务的流程是用户完成模型配置和规则配置后，通过Web进行触发。任务一旦启动，会依次进行样本抽取、与依赖服务交互、指标计算分析流程。

      任务管理模块采用多进程任务并发功能。任务间相互独立，互不影响，同时在某个任务内通过对不同状态之间的迁移，实现对任务的多样化管理。可以重运行、暂停、结束任务。任务状态分3种---初始状态、执行状态和终止状态。

• 初始状态是任务生成后的第一个状态。如果任务没有被进程获取到，它将一直存在于任务池中，等待执行。任务执行顺序是先进先出的模式，按照任务生成时间的先后顺序进行调度。
• 执行状态是任务的中间状态，标记着任务执行的不同阶段，通过状态码可以实时跟踪任务的执行状态。该阶段包括样本处理阶段、在线服务调用阶段、离线服务调用阶段。在每个阶段中，一旦出现异常，会对状态码进行标记。该阶段不会长期存在，有超时控制。一旦该阶段正常完成或服务异常，就会进入终止状态。
• 终止状态是任务结束后的一个稳定态。

 3. 模型评估模块

主要包括离线效果验证、模型在线效果评估、模型一致性验证（离线/在线一致性验证）。架构如下

评估指标包括模型覆盖率、通过率、密度曲线、分位点、接口响应时间、ROC、AUC、PSI、KS值。

该模块的流程如下：

通过任务信息获取对应样本，使用这批样本请求特征计算中心的服务，并得到对应的特征结果，将特征结果输入模型计算中心后得到模型计算数据，然后对数据进行性能分析、稳定性指标计算、准确性指标计算。

下面是核心指标的计算逻辑：

• 模型覆盖率：模型可预测的用例数和用例总数之比。针对样本进行的模型覆盖率统计能评估出模型对用户的覆盖程度，取值范围0~1.
• 密度曲线：反映模型分的分布情况。应符合正态分布，该指标可作为调整模型通过率阈值的参考，供业务决策方决策。
• 百分位数及统计值：包括百分位数、非空率、非零率、平均值、中间值。
• 通过率。基于模型分的上下边界值，按照合理的递增步长将模型分划分在合理的等级范围（递增步长可以根据不同业务标准进行调整）内，并通过每个区间的比例统计评估模型分的分布情况。
• 模型接口响应时间。

4.数据存储模块 

数据存储模块是模型评估中数据存储的基础，对外提供操作存储介质的API，对内负责与关系数据库、HDFS和HBase交互。数据存储模块架构如图：

数据存储模块主要对源数据、程序计算的中间数据及最终结果数据进行管理。

目前数据有两种。一种是输入配置信息，另一种是中间数据（包括程序计算的临时数据及模型服务计算的结果数据）。结果数据包括模型指标和性能报表信息。不同类型数据存放在对应的存储介质中。

数据存储方式

不同阶段的数据	数据类型	存储介质
源数据	配置信息	MySQL
中间数据	模型结果数据	HDFS
最终数据	模型指标分析结果	MySQL/HDFS
最终数据	样本结果	HDFS

数据库设计包括表设计和索引设计。模型评估平台中主要的表及索引见下表。

模型评估平台中主要的表及索引

表名	索引	作用	核心字段
规则表	规则ID	规则保存及查询	模型名称/样本数量
模型表	模型ID、模型名	模型保存及查询	模型名称/模型版本
任务表	任务ID	任务保存及状态查询	任务ID/任务状态
报告表	报告ID	报告存储及查询	报告ID/结果ID
结果表	结果ID	结果源数据存储	结果ID/结果类型

5. 日志管理模块

日志管理模块主要负责对采集到的不同产品的业务日志进行分析，记录平台本身产生的业务工作流日志，对日志等级进行划分（分为正常业务日志和错误日志）。为了保证日志服务的高可靠性，通常使用Flume+Kafka组件。

模型评估平台展示

模型配置规则

     配置规则是任务调度依赖的规则集，规定了模型验证过程中依赖的环境、样本数据，及模型本身的相关信息。配置规则的核心是将规则、模型、任务进行提炼，并赋予不同的属性。这方便了用户操作，同时也有利于系统扩展。

     为了配置模型规则，首先需要将待验证的模型 基本信息进行配置和保存。

     新模型开发完成后，要对其评估，并在平台添加新模型。代码如下

def addmodel(self):
    model_list=list()
    param_list=['modelName','modelApi','modelVersion','assModel']
    for value in param_list:
        model_list.append(self.get_argument(value))
    sql="insert into model" \
        "(model-name, api-url, version, associate-module)"  \
        "values ('%s','%s','%s','%s')"%(model_list[0],model_list[1],model_list[2],model_list[3]))
    try:
        data=client.insert(sql)
    except Exception as e:
        Log.error("model table insert fail")
        return 1, "model insert error", None
     return 0, 'model add success', data

模型配置完成后，需要生成一个验证规则，为后期启动任务做准备。规则配置是模型信息、样本信息和执行环境的组合。该配置支持增、删、改、查，实现如下：

class RuleHandler(tornado.web.RequestHandler):
     def post(self):
         url=self.request.uri
         #根据路由判断操作类型
         opType=url.split("/")[-1][:4]
         if opType=="save":
            status,msg,data=self.saveRule()
         elif opType=="update":
            status,msg,data=self.updateRule()
         elif opType=="scan":
            status,msg,data=self.scanRule()
         elif opType=="del":
            status,msg,data=self.deleteRule()
         eles:
            res=generate_response(1,"api request failed",None)
            self.finish(res)
         res=generate_response(status,msg,data)
         self.finish(res)

以添加规则为例：

def saveRule(self):
    try:
        #获取需要保持的规则字段
        Type=self.get_argument('type')
        isUpload=self.get_argument("generationMode")
        sampleNum=self.get_argument("sampleNum")
        #Type 0 代表模型，表示规则类型，后续可扩展
        if Type=='0':
           modelName=self.get_argument("modelName")
           modelVersion=self.get_argument("modelVersion")
           #参数异常值检查
           emptyParams=''
           if modelName='':
              emptyParams="'模型名'"
           if modelVersion='':
              emptyParams="'模型版本'"
           if isUpload='':
              emptyParams="'样本生成方式'"
           if sampleNum='':
              emptyParams="'样本数'"
           if len(emptyParams)>0"
              return 1, "缺少参数，参数{empty}不能为空".format(empty=emptyParams),None
           sql="insert into rule_config" \
               "(model_name,model_version,type,is_upload,sample_num)" \
               "values('{ModelName}','{Modelversion}','{Type}','{IsUpload}','{SampleNum}'}" \
.format(ModelName=modelName, Modelversion=modelversion, Type=type, IsUpload=isUpload, SampleNum=sampleNum)
     except Exception as e:
        print("保存规则时获取参数错误： {exce}".format(exce=e))
        return 1,"保存规则时获取参数错误： {exce}".format(exce=e),None
    try:
        data=client.insert(sql)
    except Exception as e:
        print("保存规则入库时发生错误： {exce}".format(exce=e))
        return 1, "规则信息保持失败",None
    return 0, "规则保存成功",data

模型评估指标

1、密度曲线

2、模型分的百分位数及统计分布

3、模型分的通过率

4、覆盖率: 有表现的样本与样本总数的比值，在风控领域有一定意义。

5、模型稳定性-PSI（Population Stability Index）,衡量模型分的分布差异

6、模型在线/离线Gap分布

7、接口响应时间分布

模型评估报告

模型评估报告包含--样本分析和模型评估

• 样本分析，包含样本的时间维度、数量等
• 模型评估，不仅有模型分统计类指标，模型准确性指标，还包括性能类指标（接口响应时间）、模型稳定性指标（PSI），以及与模型关联的特征指标（模型的特征维数，特征重要性）。

总结 

平台特性如下：

• 平台具有通用性。它涵盖了模型稳定性、准确性和模型性能。
• 功能易扩展
• 学习成本低。通过将业务应用划分为界面层、业务逻辑层、数据访问层、屏蔽了复杂的模型评估流程，通过数据、任务、结果的可视化，展示了功能配置简单、易操作、可解释性这些特点。

平台收益：

• 提高组织效能，缩短项目周期。
• 提高数据安全性
• 加强数据的沉淀和共享。通过平台统一入口，一方面，数据得到有效沉淀和积累；另一方面，有效利用了集群资源，减少重复操作，使样本数据，特征数据，模型数据可以共享。
• 提高项目团队成员的技术能力。通过平台化、工程化思维，提高团队成员分析和解决问题的能力。