【TensorFlow开源2年官方回顾】下一个重要方向是分布式模型服务
自从2016年2月 TensorFlow Serving 开源以来，我们做了一些重大改进。现在，让我们再回到这个项目开始的地方，回顾我们的进展过程，并分享我们下一步的方向。
在 TensorFlow Serving 启动之前，谷歌公司内的 TensorFlow 用户也必须从头开始创建自己的服务系统。虽然一开始服务看起来很容易，但一次性服务解决方案很快就会变得更复杂。机器学习（ML）服务系统需要支持模型版本控制（对于具有回滚选项的模型更新）和多个模型（通过A/B测试进行试验），同时确保并发模型在硬件加速器（GPU和TPU）上实现高吞吐量和低延迟。因此，我们开始创建一个独立、通用的 TensorFlow Serving 软件栈。
我们从一开始据决定将其开源，开发工作是从2015年9月开始。几个月后，我们创建了最初的端到端工作系统，并在2016年2月释出第一个开源版本。
在过去一年半的时间里，在我们的用户和公司内外的合作伙伴的帮助下，TensorFlow Serving 得以提供先进的性能、最佳的实践和标准:
- 开箱即用的优化服务和可定制性：我们现在提供一个预构建的规范服务二进制文件，针对带 AVX 的现代CPU进行了优化，因此开发人员不需要从我们的库中自己组装二进制文件，除非他们有特殊需求。同时，我们添加了一个基于注册表的框架，允许我们的库被用于定制（甚至是非TensorFlow）的服务场景。
- 多模型服务：从一个模型扩展到多个并行服务的模型，会出现一些性能上的阻碍。我们通过（1）在隔离的线程池中加载多个模型，以避免在其他模型中出现延迟峰值；（2）在服务器启动时，并行加速所有模型的初始加载；（3）多模型批交错以复用硬件加速器（GPU/TPU）。
- 标准化模型格式：我们将 SavedModel 添加到 TensorFlow 1.0，为社区提供了一种单一标准的模型格式，可以跨训练和服务工作。
- 易于使用的推理API：我们为常见的推理任务（分类、回归）发布了易于使用的API，这些API适用于广泛的应用程序。为了支持更高级的用例，我们支持一个较低级的基于 tensor 的API（预测）和一个允许多任务建模的新的多重推理API。
我们的所有工作都通过与以下各方的密切合作实现的：（a）谷歌的 ML SRE 团队确保了我们团队的强壮并满足内部SLA; （b）谷歌其他机器学习基础架构团队，包括广告服务和TFX; （c）Google Play等应用程序的团队；（d）我们在加州大学伯克利分校RISE实验室的合作伙伴，他们研究与Clipper服务系统互补的问题; （e）我们的开源用户群和贡献者。
TensorFlow Serving 目前正在为1100多个我们自己的项目，包括谷歌云的ML预测，每秒处理数千万次的推理任务。核心服务代码可以通过开源版本获得：https://github.com/tensorflow/serving/releases
展望未来，我们的工作还远未完成，我们正在探索一些创新的途径。今天，我们很高兴在两个实验领域分享早期进展：
- Granular batching：我们在专用硬件（GPU和TPU）上实现高吞吐量的关键技术是“批处理”（batching）：联合处理多个样本以实现高效。我们正在开发技术和最佳实践来改进批处理：（a）使批处理能够仅针对计算的GPU / TPU部分，以获得最高效率; （b）允许在递归神经网络进行batching，用于处理序列数据，例如文本和事件序列。我们正在尝试使用Batch/Unbatch对任意子图进行batching。
- 分布式模型服务：我们将模型分片（model sharding）技术作为处理模型的一种方法，这些模型由于太大而无法适应一个服务器节点，或者不能以节省内存的方式共享子模型。我们最近在生产中推出了一个1TB+的模型，并取得了良好的效果，希望很快开源。
再次感谢我们所有的用户和合作伙伴，他们提供了反馈、代码和想法。参加项目：github.com/tensorflow/serving