MLOps のコンテキストでは、マルチテナント システムを使用する利点は多岐にわたります。 MLOps プロセスに貢献する機械学習エンジニア、データ サイエンティスト、アナリスト、モデラー、その他の実務者は、多くの場合、同様のソフトウェア スタックを使用して同様のアクティビティを実行する必要があります。 企業にとって、メンテナンスだけで非常に有益です。 一 スタックのインスタンスまたはその機能 – これにより、コストが削減され、時間が節約され、コラボレーションが強化されます。 基本的に、マルチテナント システム上の MLOps チームは、2 つの異なるスタックまたはシステム間の切り替えに時間を無駄にしないため、飛躍的に効率が向上します。
マルチテナントに対する需要の高まり
マルチテナント システムの採用が増加していますが、それには十分な理由があります。 これらのシステムはコンピューティング環境を統合するのに役立ち、個々のグループが独自の特注システムをセットアップするシナリオを阻止します。 このようなフラクチャされたコンピューティング環境は重複性が高く、各グループがローカル システムの運用を維持するために専任のチームを必要とする可能性が高いため、所有コストが悪化します。 これも矛盾の原因となります。 大企業では、バージョン 7 のソフトウェアを実行しているグループと、バージョン 8 を実行しているグループが存在する場合があります。特定のテクノロジーを使用するグループがあり、他のテクノロジーは使用しない場合があります。 リストは続きます。 これらの不一致により、システム全体で何が起こっているかについての共通理解が欠如し、リスクの可能性が明らかになります。
結局のところ、マルチテナントは 特徴 プラットフォームの基本的なセキュリティ機能です。 単に後付けでセキュリティを強化するだけでは十分ではありません。 それはシステムの基本アーキテクチャの一部である必要があります。 マルチテナント システムの構築に努めるチームにとっての最大のメリットの 1 つは、セキュリティに対する暗黙のアーキテクチャ上の取り組みです。これは、セキュリティがマルチテナント システムに固有であるためです。
課題とベストプラクティス
マルチテナント システムの実装には利点がありますが、課題がないわけではありません。 分野に関係なく、これらのシステムの主な障害の 1 つは規模です。 スケーリング操作が開始されるたびに、以前は明らかではなかったパターンが出現します。
スケールを開始すると、より多様なユーザー エクスペリエンスと期待が集まります。 突然、ユーザーがスケーリング対象のものと対話し始め、予期していなかった方法でツールを使用する世界にいることになります。 より大きく、より根本的な課題は、より複雑さを管理できなければならないことです。
マルチテナントのものを構築するときは、複数のユーザーが使用する共通のオペレーティング プラットフォームを構築することになるでしょう。 これは重要な考慮事項です。 マルチテナントなものは、非常に有意義な投資であるため、ビジネスの基本的な部分になる可能性があります。
マルチテナント システムの構築を成功させるには、特にシステムが機械学習の専門家によって構築されている場合、強力な製品管理が不可欠です。 ドメイン固有のシステムを設計および構築する担当者が現場に精通しており、エンド ユーザーの要件と能力から逆算して、将来のビジネスとテクノロジーのトレンドを予測できることが重要です。 MLOps システムの普及と成長が示すように、この必要性は機械学習などの進化する分野でのみ強調されます。
これらのベスト プラクティスとは別に、システムの各コンポーネントと、それらが可能にするインタラクションとワークフローを徹底的にテストするようにしてください (何百回も話しています)。また、機能の各要素と新たなプロパティをテストするためにユーザーを参加させます。 ビジネスやテクノロジーの理由で、特定の方法で物事を実装する必要があることがわかることがあります。 しかし、ユーザーが問題を解決するためにシステムをどのように使用しているかについては、誠実でありたいと考えています。 ユーザーのニーズを誤解してはいけません。 ユーザーがあなたのところに来て、「もっと速い馬が必要だ」と言うかもしれません。 そうなると、馬が実際に必要としていたのは、必ずしも干し草の力を必要としない、より信頼性が高く迅速な輸送手段だったのに、より速い馬を訓練することにすべての時間を費やすことになるかもしれません。