随着机器学习火遍全球，越来越多的算法服务被开发出来。在算法服务化的过程中，如果你也遇到过如下问题，AB框架或许正是你要找的轮子：
- 算法工程师希望独立高效的开发出具有一定鲁棒性的服务
- 软件工程师在对众多算法工程化时，感觉到手脚不够用
- 算法工程师与软件工程师的工作边界难以划分
- 面对政企交付中的加密，许可证等特殊需求
AB框架以极简的方式，为算法提供了端到端的工程化能力，覆盖项目的创建，编译，部署，测试，文档等阶段。
我们用一个极简的例子，为你的算法构建镜像并发布服务。
- 当前框架只支持Linux和X86架构的MacOS
- 框架可以运行在python3.6+，建议使用miniconda
安装minioconda
wget https://repo.continuum.io/miniconda/Miniconda3-latest-Linux-x86_64.sh
sh Miniconda3-latest-Linux-x86_64.sh
创建虚拟环境
conda create -n ab python=3.7
source activate ab
框架的安装步骤，详见安装
git clone代码后，进入到examples/simple目录。这既是日后创建项目用的模板，也是我们的hello-world程序。
你可以在simple项目的algorithms目录下实现你的算法，例子中提供了一个demo.py，其中实现了若干算法。如下代码，这段被@algorithm装饰器修饰的方法，是我们的加法算法。
# 会自动暴露为/api/algorithm/add接口
@algorithm()
def add(a: int, b: int) -> int:
"""
一个简单的加法算法示例
:param a: 第一个参数
:param b: 第二个参数
:return:
"""
logger.info("enter algorithm {}, {} ".format(a, b))
return a + b
在examples/simple/setup/base.txt中，存在几个必须要安装的依赖，才可以顺利运行hello world项目。
第一行的ab框架可以跳过，因为在第一步中，你已经安装过ab框架了。
在simple根目录下，确保8000端口没有被占用，键入如下命令启动服务
pyab
服务成功启动后,看到类似如下输出，代表启动成功
[2023-02-01 13:07:33 +0800] [12257] [INFO] Starting gunicorn 20.0.4
[2023-02-01 13:07:33 +0800] [12257] [DEBUG] Arbiter booted
[2023-02-01 13:07:33 +0800] [12257] [INFO] Listening at: http://0.0.0.0:8000 (12257)
[2023-02-01 13:07:33 +0800] [12257] [INFO] Using worker: sync
[2023-02-01 13:07:33 +0800] [12267] [INFO] Booting worker with pid: 12267
[2023-02-01 13:07:33] [12267] [INFO] global log level set to DEBUG
[2023-02-01 13:07:33] [12267] [INFO] eureka not configured, ignore
[2023-02-01 13:07:33] [12267] [INFO] no config.KERBEROS found, kerberos uninitialized
[2023-02-01 13:07:33] [12267] [INFO] no config.SPARK found, spark uninitialized
[2023-02-01 13:07:33] [12267] [INFO] model path is: /tmp/xxxx
[2023-02-01 13:07:33 +0800] [12268] [INFO] Booting worker with pid: 12268
[2023-02-01 13:07:33] [12268] [INFO] global log level set to DEBUG
[2023-02-01 13:07:33] [12268] [INFO] eureka not configured, ignore
[2023-02-01 13:07:33] [12268] [INFO] no config.KERBEROS found, kerberos uninitialized
[2023-02-01 13:07:33] [12268] [INFO] no config.SPARK found, spark uninitialized
[2023-02-01 13:07:33] [12268] [INFO] model path is: /tmp/xxxx
[2023-02-01 13:07:33] [12267] [DEBUG] algorithms: {('add', 'python'): add(a: int, b: int) -> int,
('compress', 'python'): compress() -> int,
('crypto', 'python'): crypto(),
('sync_logs', 'python'): sync_logs(path)}
[2023-02-01 13:07:33] [12267] [DEBUG] fixtures: {}
[2023-02-01 13:07:33 +0800] [12257] [DEBUG] 2 workers
[2023-02-01 13:07:33] [12268] [DEBUG] algorithms: {('add', 'python'): add(a: int, b: int) -> int,
('compress', 'python'): compress() -> int,
('crypto', 'python'): crypto(),
('sync_logs', 'python'): sync_logs(path)}
[2023-02-01 13:07:33] [12268] [DEBUG] fixtures: {}
你可以通过如下命令访问前面定义的接口
curl --location --request POST 'localhost:8000/api/algorithm/add' \
--header 'Content-Type: application/json' \
--data-raw '{
"args": {"a": 1, "b": 2}
}'
如下输出，返回了加法算法的结果
{"code":0,"data":{"sample_rate":null,"sample_count":null,"result":3}}
在simple项目根目录下键入如下命令，abt命令行工具会根据.ab中的配置，在你的本地一键构建应用镜像。
abt build
在simple项目根目录下键入如下命令，abt命令行工具会根据.ab中的配置，把你的应用一键部署到阿里云SAE应用。
abt deploy
deploy成功后，会在屏幕下方打印服务被绑定的slb地址和端口，形如
The SLB binding succeeded, Access path http://somehost:someport,
直接通过以上链接访问 http://somehost:someport ， 看到SUCCESS即代表成功。
至此，你已经对AB框架有了初步印象。你可能会问，直接用flask封装接口，并启动服务，不是也可以达到同样效果么？AB框架并没有重复制造轮子，而是整合了各种轮子。
进一步使用框架前，需要对docker, flask, gunicorn有个初步了解，然后请移步用户指南，详细了解AB框架的特性。