发布者发布算法有两种发布形式，分别是容器式发布和本地式发布。

容器式发布，适用于不需要GPU，环境安装较为简单的项目，可以在配置中将依赖填写完全，容器会将依赖环境一起打包后将算法进行部署，且可以随时调度容器到其他的机器上运行。

本地式发布，是为了解决带GPU环境，以及环境依赖较为复杂的情况。在这种情况下，本地如果存在可以跑通算法函数的环境，可以直接本地发布，调用vsource生成的本地运行脚本，连接集群的服务来完成一样的效果。

本节介绍算法容器式发布。

3.1.1 流程

首先安装最新版本的vsource：

  1. pip uninstall vsource -y
  2. pip install vsource -i https://pypi.python.org/simple

整合算法工程文件夹，并且抽出一个新的Python文件用来承载算法函数，如：

  1. import 依赖库
  3. model = 依赖库.get_model()
  5. def face_similarity(face_path1, face_path2):
  6.     score = 计算逻辑
  7.     return score

接下来编写配置文件（Python文件，配置以Python字典形式存在）：

  1. algorithm_config = {
  2.         # 算法定义的名字
  3.         'algorithm-name': 'new_algorithm',
  4.         # 算法的版本号
  5.         'version': '1.0.1',
  6.         # 算法的作者，可以是邮箱的形式
  7.         'author': 'xcy',
  8.         # 算法工程文件夹的路径
  9.         'service-dir': '/Users/ecohnoch/Desktop/VSOURCE_PLATFORM/algorithm_api/new_algorithm',
  10.         # 算法函数的所处的Python文件名
  11.         'service-filename': 'test_function.py',
  12.         # 算法的函数的标识符
  13.         'service-interface': 'random_number',
  14.         # 算法所依赖的Python库及版本
  15.         'requirements': [
  16.             'numpy==1.19.0',
  17.             'opencv-python',
  18.             'requests'
  19.         ],
  20.         # 算法所依赖的非Python的软件，以Ubuntu的安装方式为标准
  21.         'pre-command': [
  22.             'apt install -y libgl1-mesa-glx'
  23.         ],
  24.         # 算法函数的所有入参，要【严格指定类型type】，类型包含float, int, str, path四种。
  25.         'input-params': {
  26.             'lower': {
  27.                 'type': 'float',
  28.                 'describe': 'lower limit for thin function'
  29.             },
  30.             'upper': {
  31.                 'type': 'float',
  32.                 'describe': 'upper limit for thin function'
  33.             },
  34.         },
  35.         # 算法函数的所有出参，算法函数的返回必须是一个字典，key是字符串的形式
  36.         # 算法函数的出参也要【严格指定类型type】也即是返回字典的每个key对应的value的type
  37.         # 有四种type，分别是float, int, str, path
  38.         'output-params': {
  39.             'result': {
  40.                 'type': 'float',
  41.                 'describe': 'calculated  result'
  42.             }
  43.         }
  44.     }

编写完配置后，通过vsource.parsealgorithm(config=algorithm_config)来生成一系列的配置与启动脚本。生成后，对应目录的下发会出现若干vsource开头的文件。

发布用户选择容器式启动的话，首先需要在机器上安装docker以及docker-compose，安装后进入对应的工程目录，调用：

  1. # 启动容器
  2. bash vsource_start.sh

等待片刻即可发现容器已经挂起。如果希望继续查看容器的日志，以及停止容器，可以直接调用目录下另外两个控制脚本：

# 查看容器日志（尾查看，不会退出，需要手动ctrl+C后才会退出日志查看。
bash vsource_logs.sh
# 停止当前容器
bash vsource_stop.sh

发布用户在本地启动后，可以联系集群管理员，将上述的配置字典发送给管理员在集群进行注册，管理员注册后会更新vsource库提供新的接口。

当前集群管理员邮箱：542305306@qq.com

3.1.2 示例

以简单的随机数生成为例，发布用户希望发布随机数生成的算法，如下列代码所示：

import numpy as np

def random_number(lower, upper):
    out = {
        'result': np.random.randint(lower, upper)
    }
    return out

上述代码依赖numpy，保存在random.number.py这个文件中。用户可以在同目录下，新建configs.py，输入下述的配置，并且进行脚本的生成：

import vsource

if __name__ == '__main__':
    algorithm_config = {
        # 算法定义的名字
        'algorithm-name': 'random_number',
        # 算法的版本号
        'version': '1.0.2',
        # 算法的作者
        'author': 'xcy',
        # 算法工程文件夹的路径
        'service-dir': './',
        # 算法函数的所处的Python文件名
        'service-filename': 'random_number.py',
        # 算法的函数的标识符
        'service-interface': 'random_number',
        # 算法所依赖的Python库及版本
        'requirements': [
            'numpy==1.19.0',
        ],
        # 算法所依赖的非Python的软件，以Ubuntu的安装方式为标准
        'pre-command': [
            # 不需要任何的前置软件依赖
            # 'apt install -y libgl1-mesa-glx'
        ],
        'input-params': {
            'lower': {
                'type': 'float',
                'describe': 'lower limit for thin function'
            },
            'upper': {
                'type': 'float',
                'describe': 'upper limit for thin function'
            },
        },
        'output-params': {
            'result': {
                'type': 'float',
                'describe': 'calculated  result'
            }
        }
    }

    vsource.parse_algorithm(algorithm_config)

运行上述的configs.py后，./的目录下会出现如下所示的一批文件：
image.png
如果是容器式部署算法，用户在安装docker以及docker-compose后，直接运行bash vsource_start.sh后即可。