名詞

描述

工作空間（WorkSpace）

工作空間是PAI的頂層概念，為企業和團隊提供統一的計算資源管理及人員權限管理能力，為AI開發者提供支持團隊協作的全流程開發工具及AI資產管理能力。PAI工作空間和DataWorks工作空間在概念和實現上互通。

默認工作空間：默認關聯常用的按量付費資源（需要同意開通），使新用戶在初始情況下無需了解資源組等概念，即可快速開始開發和訓練流程。

云原生基礎AI平臺DLC（Deep Learning Containers）

PAI提供的云原生基礎AI平臺，提供靈活、穩定、易用和高性能的機器學習訓練環境。該平臺支持多種算法框架、超大規模分布式深度學習任務運行及自定義算法框架。此外，該平臺支持以下兩種工作集群：

• DLC全托管集群：即公共資源組和專有資源組。可以作為標準資源組，由工作空間管理員關聯到工作空間中進行使用。

• DLC半托管集群：即自運維資源組。有自己獨立的Dashboard，您擁有更高的使用自由度。

資源組（Resource Group）

• 資源組可以幫助您將擁有的計算資源從用途、權限和歸屬等多個維度上進行分組，以實現企業內部多用戶、多工作空間的計算資源隔離。

• 資源組可以指代MaxCompute配額組、DLC集群、K8s集群、EMR集群、Flink集群、ECS集群等PAI工具模塊關聯的底層資源單位。

• 阿里云賬號和資源管理員可以從MaxCompute、EMR等平臺購買并創建資源組，這些資源組可以被工作空間消費。

成員（Member）

加入工作空間的阿里云賬號和RAM用戶被稱為工作空間成員。在AI研發流程中，同一工作空間下的成員以不同的角色協作。工作空間的負責人和管理員可以編輯工作空間內的成員。

角色（Role）

成員和不同權限集合之間的映射，基礎角色由系統定義，更多角色您可以自行定義。系統支持以下基礎角色：

• 資源管理員：擁有購買和管理計算資源的權限，通常是企業的阿里云賬號，不在PAI頁面顯示管理，您可以通過RAM管理權限點和操作授權。

• 工作空間負責人：創建工作空間的人自動成為工作空間負責人，擁有編輯工作空間成員、引用資源組的權限。

• 工作空間管理員：擁有編輯工作空間成員、管理資源組及管理工作空間內全部資產的權限。

• 算法開發：擁有在所屬工作空間中進行開發和模型訓練的權限。

• 算法運維：擁有任務優先級管理、模型發布及線上服務監控等權限。

• 標注管理員：擁有智能標注的操作權限。

• 訪客：擁有工作空間中各種資產的只讀權限。

云產品依賴（Dependencies）

要充分使用PAI的所有功能，需要依賴阿里云的其他產品。通常需要阿里云賬號或資源管理員預先開通并對RAM進行授權。這些產品包括OSS、NAS、SLS、ACR、API網關等。

名詞

描述

數據集（DataSet）

用于標注、訓練、分析等的數據集合，支持您將存儲在OSS、NAS、MaxCompute等存儲介質中的結構化、非結構化數據或目錄注冊為數據集。同時，PAI支持統一管理數據集的存儲、版本、數據結構等信息。

工作流（Pipeline）

您構建DAG（有向無環圖）用來實現組件之間上下游邏輯調度的對象，這是一個靜態概念。構建完成后，PAI支持對其進行重復提交運行，生成PipelineRun。

工作流草稿（PipelineDraft）

您在Designer畫布上操作的編輯狀態的工作流對象，支持重復編輯以生成不同的Pipeline。PipelineDraft提交運行后會生成PipelineRun。

組件（Component）

您在PAI工作流和工作流草稿中編輯以及工作流任務執行的最小單元。組件可以來源于：

• 預置組件（Built-in Component）：PAI預置了基于阿里巴巴最佳實踐的多類組件，涵蓋從數據預處理到模型訓練及預測的全流程。

• 自定義組件（Custom Component）：PAI支持您基于代碼和鏡像，自己定義可被工作流組合編排的組件。

節點（Node）

被拖到畫布上的一個組件，形成工作流中的一個節點。

工作流快照（SnapShot）

每次運行PipelineDraft（包括完整運行、單節點運行、部分節點運行），都會記錄完整PipelineDraft的配置信息，包括節點配置、運行參數、執行方式等，這些信息可以用于PipelineDraft的版本記錄及配置回滾。

工作流任務（PipelineRun）

一次工作流的任務執行。您可以通過Designer提交PipelineDraft運行，或通過SDK直接提交Pipeline運行，生成一個PipelineRun。

作業（Job）

運行在計算資源中的任務，例如用戶提交至分布式訓練DLC（Deep Learning Containers）的訓練任務。任務運行的資源環境歸屬用戶。

運行（Run）

一個Run指一次任務執行，兼容MLFlow中的概念，必須歸屬于某一個Experiment。您可以使用Run跟蹤PAI上提交的訓練任務，也可以在本地使用MLflow Client直接創建一次任務。一個Run中可包含多個Job。

模型（Model）

模型是您基于數據集和算法代碼通過訓練任務產出的結果，可以預測新數據。

Processor

在線預測邏輯（模型加載和請求預測邏輯）的程序包，通常與模型文件一起部署，從而獲得模型服務。PAI支持以下兩類Processor：

• 預置Processor：針對常用的PMML、TensorFlow等模型，EAS提供了預置的Processor。

• 自定義Processor：如果EAS提供的預置Processor無法滿足模型部署需求，您可以根據Processor的開發標準自定義Processor。

模型服務（Service）

模型文件和在線預測邏輯代碼部署成的常駐服務。您可以對模型服務進行創建、更新、停止、啟動、擴容及縮容操作。

鏡像（Image）

PAI支持您將Docker鏡像作為AI資產進行管理，支持以下鏡像來源：

• PAI官方鏡像

• 您通過DSW保存鏡像生成的鏡像

• 您在ACR中的鏡像

鏡像可以用于工作流中構建自定義組件完成指定的任務，在DSW中作為環境拉起DSW實例，也可以在提交訓練任務時被指定為執行環境。

實例（Instance）

計算資源被啟動的最小單元，包括以下實例：

• DSW實例：Notebook實例，每個實例對應一定的計算資源，可以編輯代碼、調試及訓練。實例資源環境歸屬用戶。

• EAS服務實例：每個服務可以部署一個或多個服務實例以提高支持的并發請求數。實例資源環境歸屬用戶。

名詞

描述

智能標注（iTAG）

集成智能能力（黑盒）的數據集標注工具，有效降低標注工作量，快速獲取高質量的標注數據集。

可視化建模（Designer）

面向AI領域的工作流設計工具，封裝了豐富的機器學習算法組件。您無需代碼基礎，通過拖拉拽即可訓練模型。

交互式建模（DSW）

面向AI開發者的云端機器學習交互式開發IDE，包含Notebook、VSCode及Terminal。您可以基于鏡像指定NAS作為存儲啟動DSW。

容器訓練（DLC）

將訓練任務提交到當前工作空間關聯的計算資源（例如通用計算資源）中，提交后的任務詳情可以在PAI任務管理模塊中查看。

模型在線服務（EAS）

支持大規模復雜模型的一鍵部署功能，實時彈性擴縮容，并提供完整的運維監控體系。

AI資產管理

提供包括數據集、模型、代碼配置等核心AI資產的管理能力。

場景化解決方案

基于PAI平臺能力孵化的垂直領域解決方案集合，方便您直接應用。