使用 Podman 运行一个 “hello world” MLCube-51CTO.COM

MLCube 是一个新的基于基础设施规范的开源容器，被引入到基于 Python 的机器学习工作流程中，以实现可重复性。它可以利用诸如 Podman、Singularity 和 Docker 等工具。也支持在远程平台上的执行。开发 MLCube 的 MLCommons 最佳实践工作组的主席之一是来自 Red Hat 的 Diane Feddema。这篇介绍性文章解释了如何在 Fedora Linux 上使用 Podman 运行 “hello world” MLCube 例子。

Yazan Monshed 写了一篇关于 Fedora 上的 Podman 的非常有用的介绍，对这里使用的一些步骤给出了更多细节。

首先安装必要的依赖项。

    sudo dnf -y update
    sudo dnf -y install podman git virtualenv \
                        policycoreutils-python-utils

然后，按照文档的要求，设置一个虚拟环境并获得示例代码。为了确保可重复性，使用一个特定的提交，因为该项目正在积极改进。

    virtualenv -p python3 ./env_mlcube 
    source ./env_mlcube/bin/activate
    git clone https://github.com/mlcommons/mlcube_examples.git 
    cd ./mlcube_examples/hello_world
    git checkout 5fe69bd
    pip install mlcube mlcube-docker
    mlcube describe

现在，通过编辑 $HOME/mlcube.yaml 文件，将运行器命令从 docker 改为 podman，即：

docker: docker

改为：

docker: podman

如果你使用的是 x86_64 架构的电脑，你可以用以下方式获取容器：

mlcube configure --mlcube=. --platform=docker

你会看到一些选项：

    ? Please select an image: 
      ▸ registry.fedoraproject.org/mlcommons/hello_world:0.0.1
        registry.access.redhat.com/mlcommons/hello_world:0.0.1
        docker.io/mlcommons/hello_world:0.0.1
        quay.io/mlcommons/hello_world:0.0.1

选择 docker.io/mlcommons/hello_world:0.0.1 来获取容器。

如果你的电脑不是 x86_64 架构的，你需要构建容器。改变文件 $HOME/mlcube.yaml，将这一行：

build_strategy: pull

变为：

build_strategy: auto

然后用以下方法构建容器：

mlcube configure --mlcube=. --platform=docker

要运行测试，你可能需要在目录中适当地设置 SELinux 权限。你可以通过输入以下内容来检查 SELinux 是否已经启用：

sudo sestatus

应该会有类似这样的输出：

    SELinux status:                 enabled
    ...

Josphat Mutai、Christopher Smart 和 Daniel Walsh 解释说，在为容器使用的文件设置适当的 SELinux 策略时，你需要谨慎。在这里，你将允许容器读取和写入 workspace 目录。

    sudo semanage fcontext -a -t container_file_t "$PWD/workspace(/.*)?"
    sudo restorecon -Rv $PWD/workspace

现在检查目录策略：

ls -Z

输出结果类似于：

    unconfined_u:object_r:user_home_t:s0 Dockerfile
    unconfined_u:object_r:user_home_t:s0 README.md
    unconfined_u:object_r:user_home_t:s0 mlcube.yaml
    unconfined_u:object_r:user_home_t:s0 requirements.txt
    unconfined_u:object_r:container_file_t:s0 workspace

现在运行这个例子：

    mlcube run --mlcube=. --task=hello --platform=docker
    mlcube run --mlcube=. --task=bye --platform=docker

最后，检查输出：

cat workspace/chats/chat_with_alice.txt

有类似于以下的文字：

    Hi, Alice! Nice to meet you.
    Bye, Alice! It was great talking to you.

你可以按照这里的描述创建你自己的 MLCube。欢迎对 MLCube 示例库做出贡献。Udica 是一个新项目，它承诺为容器提供更精细的 SELinux 策略控制，便于系统管理员应用。这些项目的积极开发正在进行中。对它们进行测试并提供反馈，将有助于使带有 SELinux 的系统上的安全数据管理更容易、更有效。