模型存储桶¶

本页介绍如何使用模型存储桶将模型加载到在 Kubernetes/Openshift 上运行的 Rasa Pro 容器中。

先决条件：模型存储桶¶

在云中，你首先必须设置一个模型存储桶：

类型	AWS	Azure	Google
模型存储	Amazon S3	Azure Blob Storage	Google Cloud Storage

上传训练过的模型¶

建议你使用 CI/CD 管道来训练、测试 Rasa Pro 模型并将其上传到此模型存储桶。

配置¶

Rasa 需要能够访问模型存储桶，这在每个云平台上的工作方式不同，并且每个平台都有多个选项。我们在这里描述了在 Google Cloud Platform 上配置它的方法之一。

Google

Google Cloud 中推荐的方法是使用 Cloud Storage FUSE CSI 驱动程序。

这样你就可以将 Cloud Storage 存储桶挂载为文件系统，避免使用特定于云的 API。

按照启用 Cloud Storage FUSE CSI 驱动程序的步骤操作。
按照创建 IAM 服务帐户密钥的步骤操作，并确保服务帐户对你的 Cloud Storage 存储桶具有读/写/创建访问权限。
为 rasa-pro-sa Kubernetes 服务帐户设置 IAM 策略绑定。
```
gcloud iam service-accounts add-iam-policy-binding \
    <YOUR SERVICE ACCOUNT EMAIL> \
    --role roles/iam.workloadIdentityUser \
    --member "serviceAccount:<YOUR PROJECT_ID>.svc.id.goog[<YOUR NAMESPACE>/rasa-pro-sa]"
```
此绑定将允许 Kubernetes 服务帐户充当 IAM 服务帐户。

注意：你不需要先拥有 rasa-pro-sa Kubernetes 服务帐户。它将在你使用下一步中的值部署时创建。

更新 values.yml 文件以将模型存储桶挂载到 Rasa：

rasa:
    endpoints:
        models:
        enabled: false

    volumes:
        - csi:
            driver: gcsfuse.csi.storage.gke.io
            readOnly: true
            volumeAttributes:
            bucketName: <YOUR BUCKET NAME>
            mountOptions: implicit-dirs,only-dir=<YOUR DIR IN YOUR BUCKET>
        name: rasa-models

    volumeMounts:
        - name: rasa-models
        mountPath: /app/models
        readOnly: true

    serviceAccount:
        # serviceAccount.create specifies whether a service account should be created.
        # set to false if you have already created the kubernetes service account
        create: true
        annotations:
        iam.gke.io/gcp-service-account: <YOUR SERVICE ACCOUNT EMAIL>
        name: "rasa-pro-sa"

    podAnnotations:
        gke-gcsfuse/volumes: "true"

部署¶

要更新 helm 部署，可以使用：

helm upgrade \
    --namespace <your namespace> \
    --values values.yml \
    <release name> \
    rasa-<version>.tgz

当 Rasa Pro Pod 重新启动时，它会从模型存储中加载模型。