LINE 在台技術大躍進,VKS 容器化平台、MLU 機器學習平台等提升開發效率

作者 | 發布日期 2020 年 12 月 21 日 15:20 | 分類 AI 人工智慧 , 軟體、系統 Telegram share ! follow us in feedly


LINE 日前盛大舉行一年一度的 LINE 台灣開發者大會「LINE TAIWAN TECHPULSE 2020」,在主題專講中,LINE 分享今年在台包括 VKS 容器化平台、MLU 機器學習平台等技術躍進,並且大幅提升開發效率,同時揭開 LINE CLOVA 在台發展方向。

LINE 導入 VKS 容器化平台,強化開發部署效率

疫情不僅讓民眾對網路服務的依賴度提高,也促使網路服務商加速優化基礎設施。其中,容器化平台服務(Verda Kubernetes Services,VKS)具有彈性,當使用人數以及流量暴增時可以自動平行擴展,承載瞬間的流量峰值,為使用者提供更穩定的服務體驗;同時 VKS 也整合許多開源的生態系資源,並因全球 Kubernetes 開發社群相當活躍、共同維護,這樣的平台對單一廠商而言,維護成本相對較低。

LINE 總部已在今年初建立 VKS,LINE 台灣團隊在地完成所有服務的架構重構,到了第三季已將所有台灣的專案與服務搬移到 VKS 上,在 10 月份就有 20 多項專案在 VKS 上面運作,部署超過 130 個 App 配置以及 50 多個叢集。

LINE 台灣技術長陳鴻嘉也在主題演說時分享,台灣專案數快速成長,如何有效發揮人力資源便成為重要課題,其中包括強化開發部署的效率。當新進人員到來期望能夠盡快加入應用開發,以往只靠 Verda 虛擬機器時,新人大約需要 1、2 週建置開發工作環境;但從虛擬機器轉到 VKS 後,新人在報到的半小時後就能加入應用開發。

LINE 打造 MLU 機器學習平台,優化專案開發管理流程

LINE TAIWAN TECHPULSE 2020 另一亮點即是 MLU(Machine Learning Universe)機器學習平台。LINE 台灣在 2018 年成立資料工程研發團隊,正規化資料獲取流程,逐步累積台灣使用者行為資料,團隊會利用海量的去識別化資料來訓練機器學習模型。

原本訓練好的模型需要人工部署到線上環境,過程中有許多繁瑣的重複工作。於是今年 LINE 以 MLOps 觀念打造 MLU 機器學習平台,讓團隊訓練完的模型能快速測試,直接部署到服務中,大幅提升開發效率。

除此以外,MLU 對機器學習相關專案的流程管理也是很有效的輔助平台。原先在機器學習專案的開發過程中,每個階段都是獨立運作,一個階段完成後交棒給下一階段,每個階段成員不同,交接之間的協作不完全順暢。LINE 台灣資料工程部資深經理蔡景祥強調,MLU 讓團隊可在同一個平台上執行每個階段所需要的工作。當每個階段成員的角色都定義清楚時,團隊就能以一致、標準化流程進行開發,讓開發人力達到最佳化部署,也讓機器學習技術規模化並落實在各個專案當中。

(首圖為 LINE 台灣技術長陳鴻嘉;首圖來源:LINE)

延伸閱讀: