结合 Apache Kafka 生态系统，谈谈2018年机器学习五大趋势
本博文的主要内容与我在 Confluent Blog 中写的关于 Apache Kafka 生态系统和机器学习文章一样，但这里我更关注深度学习/神经网络。我还讨论了 Apache Kafka 生态系统中的一些创新以及机器学习最近几个月的趋势：Uber 和 Netflix 上的 KSQL，ONNX，AutoML 和机器学习平台。下面，让我们来看看这些有趣的平台以及它们之间是如何相互关联的。
KSQL：Apache Kafka 上的流式 SQL 语言
根据这篇文章(https://www.confluent.io/blog/ksql-open-source-streaming-sql?spm=a2c4e.11153959.blogcont507388.15.33b53218bbuEnD)可知：
“KSQL 是 Apache Kafka 上的流式 SQL 引擎，KSQL 降低了流处理领域的门槛，为 Kafka 中的数据处理提供了一个简单且完全交互的 SQL 接口，并且不再需要用诸如 Java 或 Python 编程语言编写代码！KSQL 是一个开放源码（Apache 2.0 licensed），具有分布式，可扩展，可靠和实时等特性。它支持大量的流处理操作，包括聚合，连接，窗口化，会话等等。”
你可以编写类似 SQL 查询的语句来部署可伸缩的关键型流处理 app（利用 Kafka Streams 底层技术）——这绝对是 Kafka 开源生态系统中的一大亮点。
KSQL 和机器学习
KSQL 是在 Kafka Streams 基础之上构建的，因此允许构建可扩展的关键型服务，它还包括神经网络在内的机器学习模型可通过构建用户自定义函数（UDF）轻松的嵌入。这些天我正在准备一个例子：将一个神经网络（更确切地说是一个自动编码器）用于传感器分析对异常进行检测，例如：实时检测病人健康检查中的健康临界值，以便向医生发送警报。
现在我们来谈谈机器学习生态系统中一些比较有意思的新发展。
ONNX：代表深度学习模式的开放版本
根据 ONNX 官网可知：
“ONNX 代表着深度学习模式的开放版本，采用 ONNX，AI 开发人员可以更轻松地在各种最先进的工具之间对模型进行迁移，并选择最适合他们的组合。”
这听起来与 PMML（预测模型标记语言，更多细节请参阅本文）和 PFA（便携式格式分析）类似，这两个标准用于定义和共享机器学习模型。然而，ONNX 在几个方面有所不同：
ONNX 专注于深度学习；
ONNX有几家巨型科技公司（AWS，微软，Facebook）和硬件厂商（AMD，NVidia，Intel，Qualcomm）在使用。
ONNX 已经支持许多较为领先的开源框架（TensorFlow，Pytorch，MXNet）。
ONNX 已经是 GA 版本1.0，并且可以在生产环境中使用（2017年12月由亚马逊，微软和 Facebook 声明）。对于不同的框架来说是一个很好的入门指南。
ONNX 和 Apache Kafka 生态系统
不幸的是，ONNX 还不支持 Java。 因此，目前还不支持将它嵌入到 Kafka Streams Java API 本地——只能通过一种解决方法：执行 REST 调用或嵌入 JNI 绑定。但我相信这只是时间问题，因为 Java 平台对许多企业部署关键任务应用程序来说非常重要。
现在，你可以使用 Kafka 的 Java API 或其他 Kafka 客户端。Confluent Blog 为多种编程语言提供了官方客户端，如 Python 或 Go，这两种编程语言都适用于机器学习应用程序。
自动机器学习（AKA AutoML）
如此处所述：
“自动机器学习（AutoML）是一个炙手可热的新领域，旨在使您轻松选择不同的机器学习算法，其参数设置和预处理方法提高了在大数据中检测复杂模式的能力。”
使用 AutoML，你不需要学习任何关于机器学习的知识就可以构建分析模型。 AutoML 使用决策树、聚类、神经网络等不同的实现方式来构建和比较不同模型，AutoML 支持即开即用。你只需要上传或连接历史数据集，然后单击几个按钮即可启动该过程——不一定对于每种用例来说都是完美的，但是你可以很轻松的改进许多现有的流程，而无需使用罕见且昂贵的数据科学家。
DataRobot 和 Google AutoML 是这个领域众多知名云产品中的两个。H2O AutoML 被集成到其开源的机器学习框架中，同时它们也提供了一个非常好的基于UI的商业产品，称为无人驾驶汽车AI。我强烈建议在任何一个 AutoML 工具上花费30分钟的时间来研究下，来看看现在的人工智能工具如何发展，这真的很吸引人。
AutoML 和 Apache Kafka 生态系统
大多数 AutoML 工具都提供了模型的部署。你可以访问分析模型，即通过一个 REST 接口，而不是像 Kafka 可扩展的事件驱动架构这样的的完美解决方案。 有一个好消息就是：许多 AutoML 解决方案还允许导出其生成的模型，以便将它们部署到你的应用程序中。例如，在 H2O 开源框架中的 AutoML 只是众多选择之一。您只需在你选择的编程语言（R，Python，Scala，Web UI）中使用另外一个操作：
这和构建线性回归方法、决策树或神经网络比较类似。其结果是生成的 Java 代码，你可以很轻松地将其嵌入到 Kafka Streams 微服务或任何其他的 Kafka 应用程序中去。借助 AutoML，你无需对机器学习有特别深入的了解，同样也可以构建和部署高度可扩展的机器学习。
ML 平台：Uber 的 Michelangelo 平台; Netflix 的 Meson 平台
科技巨头通常比“传统企业”早几年，他们早在几年前就已经建立了你今天或明天想要建造的东西。同样，ML 平台也不例外。编写一个来训练分析模型的机器学习源代码只是真实世界 ML 基础设施中非常小的一部分。你需要考虑整个开发过程，下图显示了 ML 系统中隐藏的技术结构：
你可能会用不同的技术来构建几个分析模型，并非所有内容都将在你的 Spark、Flink 聚类或单个云基础架构中构建。你可以在公共云中的一些大而昂贵的 GPU 上运行 TensorFlow 来构建强大的神经网络。又或者你可以使用 H2O 构建立一些小的，但非常有效率和高性能的决策树，它能在几微秒内做出推断。 ML 有许多应用用例。
这就是为什么许多科技巨头已经建立了自己的 ML 平台，如 Uber 的 Michelangelo 或Netflix 的 Meson。这些 ML 平台允许他们构建和监控强大的可扩展分析模型，同时也能够灵活地为每个用例选择正确的 ML 技术。
应用于 ML 平台的 Apache Kafka 生态系统
Apache Kafka 能够取得如此成功的原因之一就是它被很多科技巨头广泛使用。几乎所有伟大的硅谷公司，如 LinkedIn，Netflix，Uber 和 eBay 都在谈论他们将 Kafka 作为其关键任务应用的中枢神经系统。许多人专注于分布式信息流平台，但是我们也看到越来越多的附加组件被采用，如 Kafka Connect，Kafka Streams，REST Proxy，Schema Registry 以及 KSQL。
再看看上面的图片，想一想：Kafka 不适合 ML 平台吗？它可以进行训练，监控，部署，推理，配置，A / B 测试等。这也许就是 Uber，Netflix 和其他许多公司已经将 Kafka 作为 ML 基础设施核心组件的原因。
这一次，你不会被迫只使用一种特定的技术。Kafka 最棒的设计理念之一就是：你可以一次又一次地从它的分布式提交日志中重新处理数据，这就意味着可以使用一种技术构建不同的模型作为 Kafka 接收器（比如 Apache Flink 或 Spark），或者连接不同的技术，如：用于本地测试的 scikit-learn，运行在 Google Cloud GPU 上实现强大的深度学习的 TensorFlow，用于 AutoML 的 H2O 节点的部署安装，以及其它的部署在 Docker 容器或 Kubernetes中 Kafka Streams ML 的一些应用程序。所有这些 ML 应用程序都会按照自己的步调并行地使用数据，不过他们经常性的必须这么做。
这个例子很好的说明了如何使用 Kafka 和 Kafka Streams 来自动训练以及对可扩展 ML 微服务的部署。它没有必要再添加另一个大数据集群，这就是在你的 ML 应用程序上使用 Kafka Streams 或 KSQL 代替其他流处理框架的主要区别之一。
Apache Kafka 和深度学习：OOP 会议上的幻灯片
在对 Apache Kafka 生态系统和机器学习/深度学习的新趋势的所有讨论的同时，也展示了作者在 OOP 2018 会议上的演讲中展示幻灯片，幻灯片请点击此处观看(https://dzone.com/articles/5-machine-learning-trends-2018-combined-with-apach?spm=a2c4e.11153959.blogcont507388.34.493e3218ggyLiJ)。
我还使用了 Apache Kafka，Kafka Streams 以及不同的开源ML框架（如H2O，TensorFlow 和 DeepLearning4j（DL4J））构建了一些示例。GitHub 项目显示了将分析模型部署到高度可扩展的容错任务关键型 Kafka 微服务上是一件很容易的事。我们也很快将会推出一个 KSQL 演示。
原文发布时间为：2018-04-18
