Despliegue Local y en AWS de Aplicaciones con Docker y Postman

Clase 27 de 35 • Curso de MLOPS: Despliegue de Modelos de Machine Learning

Resumen

¿Cómo estructurar tu repositorio para un despliegue exitoso?

Cuando trabajas con aplicaciones complejas, es fundamental mantener una estructura de repositorio clara y bien organizada. Esto es especialmente importante si estás utilizando herramientas como Docker para el despliegue. En nuestro caso, todas las configuraciones e implementaciones deben manejarse en una rama específica de deploy para evitar confusiones. Aquí te mostramos cómo estructurar tu aplicación:

Directorio app: Debes mantener los archivos esenciales dentro del directorio app:
__init__.py: Vacío, para designar el paquete.
config: Configuraciones clave de la aplicación.
convectorizer.pickle: Artefacto vital para transformar datos a representación matricial para el modelo.
db.py: Configuraciones de la base de datos, incluyendo campos y tipos de datos.
main.py: Encapsula toda la lógica de la aplicación.
prestart.sh: Inicializa la base de datos, indicando el puerto 5432.
Archivos externos a app:
Dockerfile y docker-compose.yml: Para la estructura de Docker.
Model: Usado para leer al generar predicciones en batch.
requerimientos: Todas las dependencias necesarias.
Archivo para instancias en AWS: Configura la instancia, actualiza, y gestiona conexiones.

¿Cómo proceder con el despliegue local?

Desplegar una aplicación localmente antes del servidor final es un buen ejercicio para asegurar que todo funciona como se espera. A continuación, te guiamos en el proceso:

Preparar la terminal:

Asegúrate de estar en la correcta rama de trabajo en tu repositorio.

Construir la imagen Docker:

Corre el siguiente comando:
```
 docker compose build
```
Este comando descarga requisitos y copia archivos de la aplicación.

Levantar la aplicación:

Usa docker compose up para ejecutar.

Corregir errores:

Si encuentras un error, como el de indentación en db.py línea 29, corrígelo. Requiere ajustar docstrings o llaves mal puestas.

Validación con Postman:

Cambia el método a POST.
Introduce el entry point: IP local, puerto 5004 y método predict.
Define el cuerpo como lista de diccionarios con campos client name y text.

¿Cómo realizar pruebas de predicciones?

Una vez la aplicación está funcionando localmente, será momento de probar las predicciones con Postman. Estos son los pasos que debes seguir:

Enviar solicitudes:
Usa el método POST a la API con el cuerpo de prueba.
Comprueba la estructura del entry point y asegúrate de que los datos están correctamente formateados.
Verifica las respuestas:
Tras enviar la solicitud, deberías recibir un diccionario con el valor de prediction.
Si el status code es 200, indica que la aplicación funcionó correctamente.

¿Cómo conectarse a la base de datos y validar datos?

Para garantizar que tus predicciones se almacenan adecuadamente en la base de datos, sigue estos pasos:

Usa tu gestor favorito de base de datos:
En este caso, puedes usar Visual Studio Code con la extensión de conexiones.
Configura tu conexión con localhost, puerto 5433 y credenciales definidas en el Dockerfile.
Verifica los datos:
Examina los registros almacenados, como ID, client name, prediction.
Confirma que las predicciones han sido decodificadas correctamente usando label mapping.

Esta estructura y proceso ayudan a garantizar que el despliegue se realiza sin problemas, asegurando una transición fluida de local a producción. ¡No dudes en seguir experimentando y afinando estos pasos para perfeccionar tus despliegues!