Mise en production d’un modèle en ligne de commande
Très souvent, une fois finalisés, les modèles Python doivent être mis en production et exécutés régulièrement. Pour faire gagner du temps au data scientist, plutôt que de lancer le modèle manuellement chaque jour, on automatise son exécution.
Mettre en production et automatiser un modèle Python consiste d’abord à installer toutes les dépendances nécessaires, à exécuter le modèle lui‑même, puis à définir une planification pour la fréquence des exécutions. Bien qu’il soit possible d’effectuer ces étapes séparément avec différents langages et outils, regrouper le tout en commandes de ligne de commande offre plus de contrôle et facilite l’automatisation.
Dans cet exercice de synthèse, vous allez pas à pas configurer un processus d’automatisation de script Python de bout en bout.
Cet exercice fait partie du cours
<cours>Traitement des données en ligne de commande</cours>Instructions de l’exercice
Utilisez
pippour installer les dépendances Python listées dans le fichierrequirements.txt.Maintenant que les dépendances Python nécessaires sont installées, exécutez le script
create_model.pyen ligne de commande.Nous avons vérifié que le modèle Python s’exécute. L’étape suivante consiste à automatiser cette tâche pour qu’elle tourne chaque minute. Utilisez CRONTAB pour planifier une exécution par minute du script Python
create_model.py.Affichez la tâche planifiée dans CRONTAB pour vérifier que le job CRON est correctement programmé.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Preview both Python script and requirements text file
cat create_model.py
cat requirements.txt
# Pip install Python dependencies in requirements file
pip install ___ ___
# Run Python script on command line
___ create_model.py
# Add CRON job that runs create_model.py every minute
echo "___ ___ create_model.py" | ___
# Verify that the CRON job has been scheduled via CRONTAB
___ ___