AGI который мы заслужили

А у меня одного была идея вытворить какую-то лютую дичь чтобы меня больше никогда не взяли на работу в ру бигтех и потом выкручиваться из этого?

Я называю это guilty pleasure

Хотите познавательного контента навалю вам?

По ML System Design, на своём опыте. Я университетов не кончал, просто творю как чувствую и чтобы было круто. В данном случае я не связан NDA, поэтому выложу вам все😍

Делимся опытом: ML System Design для анализа коротких видео [1/3]
Давайте поговорим сначала про задачу и ограничения.
Задача: пользователь записывает несколько коротких (до 1 минуты) видео, подряд, соответственно записал одно - сразу записывает другое. Нужно выдать по каждому видео аналитику поведения пользователя, про улыбчивость, жесты, зрительный контакт, речь и прочее.
Ограничения: куда же без ограничений? Если вы крутая бигтех компания у вас их намного меньше, а тут они следующие: есть немного времени на разработку, условно один-два месяца, есть один Я, который в видео не бумбум, есть одна машинка с Tesla T4, и условно большое количество кредитов на MongoDB и google cloud. Нужно, чтобы результат пользователю выдавался как можно быстрее. Идеально - сразу после записи всех видео. Нагрузка по пользователям небольшая, условно не более 5-10 человек одновременно. Данных нет, бюджета на разметку тоже нет. Соответственно, нужно собрать сервис на основе готовых решений.
А теперь поехали...

Делимся опытом: ML System Design для анализа коротких видео[2/3]
Теперь поговорим о том, какое итоговое решение с точки зрения инфраструктуры и коммуникаций у меня получилось.
Есть бэкэнд и фронтенд, на котором записывается видео, дальше видео кладется в google cloud bucket, который через gcfuse присоединен к машинке с Tesla T4, на которой мы будем разворачивать наш сервис. Машинка тоже гугловая, соответственно задержка между попаданием видео в бакет и на машинку очень маленькая. Почему не сразу стримить на машинку? Впадлу стыковать все это дело, к тому же бакет расширяется легче чем машинка, и через такое подключение питон может читать всю информацию будто с жесткого диска.
Информация обо всей аналитике и вообще все хранится в MongoDB, соответственно там есть коллекция под эти видео. Как только видео загружается, в записи, соответствующей видео, ставится статус UPLOADED, то есть оно полностью загружено на бакет и готово к использованию.
Что происходит на машинке? Запускается питоновский скрипт, который инициализирует два типа multiprocessing воркеров - один воркер мониторит MongoDB через pymongo на предмет новых записей, и все новые видео кладет в очередь на обработку. Другие воркеры - экземпляры пайплайна обработки, они обрабатывают видео и отправляют информацию в MongoDB о том, что видео обработано, вместе с результатами обработки, и посылают запрос в следующий сервис, который уже отдельно обрабатывает текст, извлеченный из видео, и говорит бэку что можно забрать результаты. Питоновский multiprocessing имеет ограничения, однако его было достаточно, плюс в случае запуска множества питоновских скриптов подобного типа могли возникать проблемы синхронизации, и пришлось бы дописывать балансировщик, который будет раскидывать задачи, что дополнительная попоболь, особенно для меня, который не сильно до этого упарывался с инфраструктурой, а сроки-то поджимают.
Если вы гуру систем дезигна, можете кинуть в меня помидорами в комментариях и предложить конструктивные улучшения. Также прикладываю картинку для легкости восприятия.

Скоро будет очень интересный пост, про математику анархизма. Я крайне долго над ним думал, это будет магнум опус текущего развития моих жизненных взглядов на устройство общества, осталось провести некоторые вычислительные эксперименты. Ждите 🔥🔥🔥