周期性调度是什么?

<divre style='background: rgb(246, 246, 246); font: 12px/1.6 "YaHei Consolas Hybrid", Consolas, "Meiryo UI", "Malgun Gothic", "Segoe UI", "Trebuchet MS", Helvetica, monospace, monospace; margin: 0px 0px 16px; padding: 10px; outline: 0px; border-radius: 3px; border: 1px solid rgb(221, 221, 221); color: rgb(51, 51, 51); text-transform: none; text-indent: 0px; letter-spacing: normal; overflow: auto; word-spacing: 0px; white-space: pre-wrap; word-wrap: break-word; box-sizing: border-box; orphans: 2; widows: 2; font-size-adjust: none; font-stretch: normal; -webkit-text-stroke-width: 0px; text-decoration-style: initial; text-decoration-color: initial;' prettyprinted?="" linenums="">

如何使用阿里云机器学习PAI的离线周期性调度功能



背景


离线调度功能是机器学习的常见场景，用户需要通过离线调度功能，周期性的更新模型。阿里云机器学习PAI可以帮助用户构建模型训练的pipline，大数据开发套件是一套阿里云飞天系统的管理运维平台，目前PAI和大数据开发套件已经打通，可以实现机器学习实验的周期性调度。

第一步.建立PAI实验


首先建立一个机器学习实验，在本案例中我们以一个深度学习实验为例。需要记住实验名以便在调度的时候进行选择，如图红框所示。

第二步.进入大数据开发套件工作空间


进入数加大数据开发套件，如图:
大数据开发套件与机器学习PAI共用一套项目，选择需要调度的实验所在的项目，点击进入工作空间。

第三步.新建节点调度任务


点击新建，选择任务。

在新建任务的配置中，选择节点任务，类型选择机器学习。


第四步.配置调度任务


建立了节点任务之后，可以选择对应的需要调度的机器学习实验，并且可以在右边的配置栏进行配置和相关参数的设定。
点击提交即可，注意：提交的作业从第二天开始生效。

第五步.任务日志查询


提交调度任务之后，可以点击前往运维进行日志查看。
在运维中心可以全方位的观察机器学习任务的运行情况以及系统日志。