Skip to content

yjjinjie/eas-java-sdk

BranchesTags
 
 

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

69 Commits
src
src
 
 
.gitignore
.gitignore
 
 
README.md
README.md
 
 
pom.xml
pom.xml
 
 

Repository files navigation

添加依赖包

编写Java客户端代码使用Maven管理项目，用户需在pom.xml文件中添加客户端所需的依赖包，名为eas-sdk，目前最新release版本的具体代码如下：

<dependency>
  <groupId>com.aliyun.openservices.eas</groupId>
  <artifactId>eas-sdk</artifactId>
  <version>2.0.17</version>
</dependency>

2.0.5 及以上版本增加了queue service客户端功能，支持多优先级异步队列服务，如果需要使用该功能，为避免依赖包版本冲突，用户还需自行添加如下两个依赖包，并修改这两个依赖包至合适版本：

<dependency>
    <groupId>org.java-websocket</groupId>
    <artifactId>Java-WebSocket</artifactId>
    <version>1.5.1</version>
</dependency>
<dependency>
    <groupId>org.apache.commons</groupId>
    <artifactId>commons-lang3</artifactId>
    <version>3.1</version>
</dependency>

Java SDK调用接口说明

类 主要接口 描述
PredictClient PredictClient(HttpConfig httpConfig) PredictClient类构造器
setToken(String token) 设置Http请求的token
setModelName(String modelName) 设置请求的在线预测服务的模型名字
setEndpoint(String endpoint) 设置请求服务的host和port，格式"host:port"
setDirectEndpoint(String endpoint) 设置通过高速直连通道访问服务的endpoint，如pai-eas-vpc.cn-shanghai.aliyuncs.com ,该调用方式适用于公共云上在用户vpc中通过高速直连
setRetryCount(int retryCount) 设置请求失败重试次数
setRetryConditions(EnumSet retryConditions) 设置失败重试条件，默认请求错误都会重试，支持设置仅在以下错误时重试:
RetryCondition.CONNECTION_FAILED 请求连接失败,
RetryCondition.CONNECTION_TIMEOUT 请求连接超时,
RetryCondition.READ_TIMEOUT 等待请求返回超时,
RetryCondition.RESPONSE_5XX 返回状态码为5xx,
RetryCondition.RESPONSE_4XX 返回状态码为4xx
setTracing(HashMap<String, String> mapHeader) 设置http Header是否需要返回，输入为Header字典，方法执行完后会自动写入字典
setContentType(String contentType) 设置httpclient的content类型，默认为"application/octet-stream"
setCompressor(Compressor compressor) 设置请求数据的压缩方式，目前支持Compressor.Gzip和Compressor.Zlib
addExtraHeaders(Map<String, String> extraHeaders) 添加自定义的http Header
createChildClient(String token, String endpoint, String modelname) 创建子Client对象，共用父Client对象的线程池，用于多线程预测
createChildClient() 创建子Client对象，共用父Client对象的线程池以及设置，用于多线程预测
predict(TFRequest runRequest) 向在线预测服务提交一个Tensorflow的请求
predict(String requestContent) 向在线预测服务提交一个字符串请求
predict(byte[] requestContent) 向在线预测服务提交一个byte数组请求
HttpConfig setIoThreadNum(int ioThreadNum) 设置http请求的io线程数，默认值为2
setReadTimeout(int readTimeout) 设置Socket的setSoTimeout，默认值5000，表示5s
setConnectTimeout(int connectTimeout) 设置连接超时时间，默认值5000，表示5s
setMaxConnectionCount(int maxConnectionCount) 设置最大连接数，默认值1000
setMaxConnectionPerRoute(int maxConnectionPerRoute) 设置每个路由上最大的默认连接数，默认值1000
setKeepAlive(boolean keepAlive) 设置http服务的keep-alive
setRedirectsEnabled(boolean redirectsEnabled) 设置http服务是否开启自动重定向，默认false
getErrorCode() 返回最近一次调用的状态码
getErrorMessage() 返回最近一次调用的状态信息
TFRequest void setSignatureName(String value) 如果请求的在线服务的模型为Tensorflow的SavedModel格式时，设置请求模型的signatureDef的name
void addFetch(String value) 请求Tensorflow的在线服务模型时，设置需要获得的输出Tensor的别名
void addFeed(String inputName, TFDataType dataType, long[]shape, ?[]content) 请求Tensorflow的在线预测服务模型时，设置需要输入的Tensor，inputName表示输入Tensor的别名，dataType表示输入Tensor的DataType， shape表示输入Tensor的TensorShape，content表示输入Tensor的内容（一维数组展开表示）。如果输入Tensor的DataType为DT_FLOAT，DT_COMPLEX64，DT_BFLOAT16和DT_HALF，content中的元素类型?为float，当DataType为DT_COMPLEX64时，content中相邻两个float元素依次表示复数的实部和虚部；如果输入Tensor的DataType为DT_DOUBLE和DT_COMPLEX128，content中的元素类型?为double，当DataType为DT_COMPLEX128时，content中相邻两个double元素依次表示复数的实部和虚部。如果输入Tensor的DataType为DT_INT32，DT_UINT8，DT_INT16，DT_INT8，DT_QINT8，DT_QUINT8，DT_QINT32，DT_QINT16，DT_QUINT16和DT_UINT16，content中的元素类型?为int；如果输入Tensor的DataType为DT_INT64，content中的元素类型?为long；如果输入Tensor的DataType为DT_STRING，content中的元素类型?为String；如果输入Tensor的DataType为DT_BOOL，content中的元素类型?为boolean；
TFResponse getTensorShape(String outputname) 获得别名为ouputname的输出Tensor的TensorShape
getFloatVals(String outputname) 如果输出Tensor的DataType为DT_FLOAT，DT_COMPLEX64，DT_BFLOAT16和DT_HALF，调用该函数获得名字为ouputname的输出Tensor的data
getDoubleVals(String outputname) 如果输出Tensor的DataType为DT_DOUBLE和DT_COMPLEX128，调用该函数获得名字为ouputname的输出Tensor的data
getIntVals(String outputname) 如果输出Tensor的DataType为DT_INT32，DT_UINT8，DT_INT16，DT_INT8，DT_QINT8，DT_QUINT8，DT_QINT32，DT_QINT16，DT_QUINT16和DT_UINT16，调用该函数获得名字为ouputname的输出Tensor的data
getStringVals(String outputname) 如果输出Tensor的DataType为DT_STRING，调用该函数获得名字为ouputname的输出Tensor的data
getInt64Vals(String outputname) 如果输出Tensor的DataType为DT_INT64，调用该函数获得名字为ouputname的输出Tensor的data
getBoolVals(String outputname) 如果输出Tensor的DataType为DT_BOOL，调用该函数获得名字为ouputname的输出Tensor的data
QueueClient QueueClient(String endpoint, String queueName, String token, HttpConfig httpConfig, QueueUser user) 功能：QueueClient 类的构造函数。

参数：
[endpoint]: 服务端的endpoint地址；
[queueName]:服务名字；
[token]:服务访问的token；
[httpConfig]:服务请求的配置；
[user]: 配置 UserId（默认为随机数）与 GroupName（默认为"eas"）
JSONObject attributes() 功能：获取队列服务的详细信息。

返回值：JSONObject类型的队列服务信息，主要包含如下字段：
meta.maxPayloadBytes 队列中允许的每个数据项的size上限；
meta.name 队列名；
stream.approxMaxLength 队列中能够存储的数据项的数量上限；
stream.firstEntry 队列中第一个数据项的index；
stream.lastEntry 队列中最后一个数据项的index；
stream.length 队列中当前存储的数据项的数量
long count(long priority, Map<String, String> tags) 功能：查询指定tag或优先级的数据个数。

参数：
[priority]: 数据优先级。
[tags]: 自定义参数；

返回值：查询的数据个数
JSONObject search(long index) 功能：查询数据的排队信息。

参数：
[index]: 查询数据的index。

返回值：JSONObject类型的数据排队信息，包含如下字段：
IsPending：表示数据是否正在被处理，True表示正在被处理，False表示正在排队；
WaitCount：表示前面还需排队等待的数据个数，仅IsPending为False时该值才有效，IsPending为True时该值为0；
Pair<Long, String> put(byte[] data, long priority, Map<String, String> tags) 功能：将数据写入队列服务。

参数：
[data]: byte[] 数据 ；
[priority]: 表示数据优先级。默认值为0，表示非优先数据。将该参数配置为1时，表示高优先级数据；
[tags]: 自定义参数；

返回值：Pair<Long, String> 类型的 <数据index, 请求Id>
DataFrame[] get(long index, long length, long timeout, boolean autoDelete, Map<String, String> tags) 功能：获取队列服务中的数据。

参数：
[index]: 指定获取数据的起始index，如果为-1则读取最新的数据；
[length]: 获取的数据个数；
[timeout]: 超时时间，以秒为单位；
[autoDelete]: 获取数据后是否自动从队列中删除；
[tags]: 自定义参数，如指定 requestId

返回值：DataFrame 数据类
void truncate(Long index) 功能：删除队列服务中所有index小于指定index的数据。
String delete(Long index)

String delete(Long[] index)		 功能：删除队列服务中指定index的数据；

返回值：删除成功则返回"OK"
WebSocketWatcher watch(long index, long window, boolean indexOnly, boolean autoCommit, Map<String, String> tags) 功能：订阅队列服务。

参数：
[index]: 指定获取数据的起始index；如果为-1则忽略所有pending的数据而读取最新数据；
[window]: 指定发送窗口的大小，即最大的未commit数据长度；当QS发出了window个dataframe数据但是客户端并没有commit时，发送会停止；
[indexOnly]: 返回的dataframe中只包含index和tags，而不返回具体数据，从而节约带宽；
[autoCommit]: 指定发出数据后，直接进行commit，从而避免Commit调用。当_auto_commit设置为true时，_window_指定的参数将被忽略；
[tags]: 自定义订阅请求参数；

返回值: WebSocketWatcher 类型，用于获取订阅数据；
使用方法可参考"QueueService 客户端程序示例"
String commit(long index)

String commit(long[] index)		 功能：确认数据已被消费并在队列服务中删除该数据；

返回值：commit成功则返回"OK"
String negative(long index, String code, String reason)

String negative(long[] indexes, String code, String reason)		 功能：否定提交该数据；错误Code的设置详见文档：https://help.aliyun.com/zh/pai/user-guide/queue-service-subscription-push?spm=a2c4g.11186623.0.0.4ca721afPjhmQH#fcbcad2003pdm

返回值：negative commit成功则返回"OK"
void end(boolean force) 功能：关闭队列服务
DataFrame byte[] getData() 功能：获取数据值；

返回值：byte[] 类型的数据值
long getIndex() 功能：获取数据index；

返回值：long 类型的数据index
Map<String, String> getTags() 功能：获取数据Tags;

返回值：Map<String, String> 类型的数据Tags，可用于获取"requestId"

程序示例

字符串输入输出程序示例

对于自定义Processor用户而言，通常采用字符串进行服务的输入输出调用(如pmml模型服务的调用)，具体的demo程序如下：

import com.aliyun.openservices.eas.predict.http.PredictClient;
import com.aliyun.openservices.eas.predict.http.HttpConfig;

public class Test_String {
    public static void main(String[] args) throws Exception {
        // 启动并初始化客户端, client对象需要共享，千万不可每个请求都创建一个client对象。
        PredictClient client = new PredictClient(new HttpConfig());
        client.setToken("YWFlMDYyZDNmNTc3M2I3MzMwYmY0MmYwM2Y2MTYxMTY4NzBkNzdjOQ==");
        // 如果要使用网络直连功能，需使用setDirectEndpoint方法
        // 如 client.setDirectEndpoint("pai-eas-vpc.cn-shanghai.aliyuncs.com");
        // 网络直连需打通在EAS控制台开通，提供用于访问EAS服务的源vswitch，打通后可绕过网关以软负载的方式直接访问服务的实例，以实现更好的稳定性和性能
        // 注：普通网关访问时请使用以用户uid为开头的endpoint，在eas控制台服务的调用信息中可查到。直连访问时请使用如上的pai-eas-vpc.{region_id}.aliyuncs.com的域名进行访问。
        client.setEndpoint("1828488879222746.vpc.cn-shanghai.pai-eas.aliyuncs.com");
        client.setModelName("scorecard_pmml_example");

        //输入字符串定义
        String request = "[{\"money_credit\": 3000000}, {\"money_credit\": 10000}]";
        System.out.println(request);

        //通过eas返回字符串
        try {
            String response = client.predict(request);
            System.out.println(response);
        } catch (Exception e) {
            e.printStackTrace();
        }

        //关闭客户端
        client.shutdown();
        return;
    }
}

其中：

  • 通过PredictClient创建客户端服务对象，如需在程序中使用多个服务，可创建多个client对象；
  • 在建立了PredictClient对象之后，需为其设置Token、Endpoint以及ModelName；
  • 采用String类型的request作为输入，通过client.predict发送http请求，并返回response；
  • shuntdown方法关闭客户端client；

Tensorflow输入输出程序示例

TF用户可以使用TFRequest与TFResponse作为数据的输入输出格式，具体demo示例如下：

import java.util.List;

import com.aliyun.openservices.eas.predict.http.PredictClient;
import com.aliyun.openservices.eas.predict.http.HttpConfig;
import com.aliyun.openservices.eas.predict.request.TFDataType;
import com.aliyun.openservices.eas.predict.request.TFRequest;
import com.aliyun.openservices.eas.predict.response.TFResponse;

public class Test_TF {
    public static TFRequest buildPredictRequest() {
        TFRequest request = new TFRequest();
        request.setSignatureName("predict_images");
        float[] content = new float[784];
        for (int i = 0; i < content.length; i++)
            content[i] = (float) 0.0;
        request.addFeed("images", TFDataType.DT_FLOAT, new long[]{1, 784}, content);
        request.addFetch("scores");
        return request;
    }

    public static void main(String[] args) throws Exception {
        PredictClient client = new PredictClient(new HttpConfig());

        // 如果要使用网络直连功能，需使用setDirectEndpoint方法
        // 如 client.setDirectEndpoint("pai-eas-vpc.cn-shanghai.aliyuncs.com");
        // 网络直连需打通在EAS控制台开通，提供用于访问EAS服务的源vswitch，打通后可绕过网关以软负载的方式直接访问服务的实例，以实现更好的稳定性和性能
        // 注：普通网关访问时请使用以用户uid为开头的endpoint，在eas控制台服务的调用信息中可查到。直连访问时请使用如上的pai-eas-vpc.{region_id}.aliyuncs.com的域名进行访问。
        client.setEndpoint("1828488879222746.vpc.cn-shanghai.pai-eas.aliyuncs.com");
        client.setModelName("mnist_saved_model_example");
        client.setToken("YTg2ZjE0ZjM4ZmE3OTc0NzYxZDMyNmYzMTJjZTQ1YmU0N2FjMTAyMA==");
        long startTime = System.currentTimeMillis();
        for (int i = 0; i < 1000; i++) {
            try {
                TFResponse response = client.predict(buildPredictRequest());
                List<Float> result = response.getFloatVals("scores");
                System.out.print("Predict Result: [");
                for (int j = 0; j < result.size(); j++) {
                    System.out.print(result.get(j).floatValue());
                    if (j != result.size() - 1)
                        System.out.print(", ");
                }
                System.out.print("]\n");
            } catch (Exception e) {
                e.printStackTrace();
            }
        }
        long endTime = System.currentTimeMillis();
        System.out.println("Spend Time: " + (endTime - startTime) + "ms");
        client.shutdown();
    }
}

其中：

  • 通过PredictClient创建客户端服务对象，如需在程序中使用多个服务，可创建多个client对象；
  • 在建立了PredictClient对象之后，需为其设置Token、Endpoint以及ModelName；
  • 输入输出格式采用TFRequest类与TFResponse类进行封装，详细方法说明请参见上面的接口说明；
  • shuntdown方法关闭客户端client；

QueueService 客户端程序示例

可通过 QueueClient 使用队列服务功能，具体demo示例如下：

import com.alibaba.fastjson.JSONObject;
import com.aliyun.openservices.eas.predict.http.HttpConfig;
import com.aliyun.openservices.eas.predict.http.QueueClient;
import com.aliyun.openservices.eas.predict.queue_client.QueueUser;
import com.aliyun.openservices.eas.predict.queue_client.WatchConfig;
import com.aliyun.openservices.eas.predict.queue_client.WebSocketWatcher;

import java.util.HashMap;
import java.util.Map;

public class TestWatch {
    public static void main(String[] args) throws Exception {
        /** 创建队列服务客户端 */
        String queueEndpoint = "18*******.cn-hangzhou.pai-eas.aliyuncs.com";
        String inputQueueName = "test_qservice";
        String sinkQueueName = "test_qservice/sink";
        String queueToken = "test-token";

        /** 输入队列，往输入队列添加数据，推理服务会自动从输入队列中读取请求数据 */
        QueueClient input_queue =
            new QueueClient(queueEndpoint, inputQueueName, queueToken, new HttpConfig(), new QueueUser());
        /** 清除队列数据!!! 请谨慎使用 */
        input_queue.clear();
        /** 输出队列，推理服务处理输入数据后会将结果写入输出队列*/
        QueueClient sink_queue =
            new QueueClient(queueEndpoint, sinkQueueName, queueToken, new HttpConfig(), new QueueUser());
        sink_queue.clear();

        /** 往输入队列添加数据*/
        for (int i = 0; i < 10; ++i) {
            String data = Integer.toString(i);
            input_queue.put(data.getBytes(), null);
            /** 队列服务支持多优先级队列，可通过 put函数设置数据优先级，默认优先级为 0 */
            //  inputQueue.put(data.getBytes(), 0L, null);
        }

        /** 通过 watch 函数订阅输出队列的数据，窗口大小为5 */
        WebSocketWatcher watcher = sink_queue.watch(0L, 5L, false, true, null);
        /** WatchConfig参数可自定义重试次数、重试间隔（单位为秒）、是否无限重试；未配置WatchConfig 则默认重试次数:3，重试间隔:5 */
        //  WebSocketWatcher watcher = sink_queue.watch(0L, 5L, false, true, null, new WatchConfig(5, 10));
        //  WebSocketWatcher watcher = sink_queue.watch(0L, 5L, false, true, null, new WatchConfig(true, 10));

        /** 获取输出数据 */
        for (int i = 0; i < 10; ++i) {
            try {
                /** getDataFrame 函数用于获取 DataFrame 数据类，没有数据时会被阻塞 */
                byte[] data = watcher.getDataFrame().getData();
                System.out.println("[watch] data = " + new String(data));
            } catch (RuntimeException ex) {
                System.out.println("[watch] error = " + ex.getMessage());
            }
        }
        /** 关闭已经打开的watcher对象，每个客户端实例只允许存在一个watcher对象，若watcher对象不关闭，再运行时会报错 */
        watcher.close();

        Thread.sleep(2000);
        JSONObject attrs = sink_queue.attributes();

        /** 关闭客户端 */
        input_queue.shutdown();
        sink_queue.shutdown();
    }
}

其中：

  • 通过 QueueClient 创建队列服务客户端对象，如果创建了推理服务，需同时创建输入队列和输出队列对象；
  • 使用 put() 函数向输入队列中发送数据；
  • 使用 watch() 函数从输出队列中订阅数据；
  • 现实场景中发送数据和订阅数据可以由不同的线程处理，本实例中为了演示方便在同一线程中完成，先put数据，后watch结果。

请求数据压缩

对于请求数据量较大的情况，EAS支持将数据压缩之后再发送至服务端，该功能需要在服务配置中指定相应的rpc.decompressor才能生效，目前支持的压缩方式有: zlib, gzip, snappy, zstd, lz4； 服务配置如下所示：

"metadata": {
  "rpc": {
    "decompressor": "lz4"
  }
}

sdk代码示例如下：

package com.aliyun.openservices.eas.predict;
import com.aliyun.openservices.eas.predict.http.Compressor;
import com.aliyun.openservices.eas.predict.http.PredictClient;
import com.aliyun.openservices.eas.predict.http.HttpConfig;
public class Test_String {
    public static void main(String[] args) throws Exception {
        //启动并初始化客户端
        PredictClient client = new PredictClient(new HttpConfig());
        client.setEndpoint("eas-shanghai.alibaba-inc.com");
        client.setModelName("echo_compress");
        client.setToken("YzZjZjQwN2E4NGRkMDMxNDk5NzhhZDcwZDBjOTZjOGYwZDYxZGM2Mg==");
        client.setCompressor(Compressor.Zlib);  // 或者 Compressor.Gzip
        //输入字符串定义
        String request = "[{\"money_credit\": 3000000}, {\"money_credit\": 10000}]";
        System.out.println(request);
        //通过eas返回字符串
        String response = client.predict(request);
        System.out.println(response);
        //关闭客户端
        client.shutdown();
        return;
    }
}

该功能适用于任何请求形式，只需注意客户端和服务端所设置的压缩方式相同即可。

About

No description, website, or topics provided.

Resources

Readme
Activity

Stars

0 stars

Watchers

0 watching

Forks

0 forks
Report repository

Releases

No releases published

Packages

No packages published

Languages

  • Java 100.0%