เมื่อปลายปีที่แล้ว กูเกิลเปิดตัว TensorFlow ไลบรารีสำหรับการคำนวณจากข้อมูลเพื่อสร้างโมเดล Machine Learning ล่าสุดกูเกิลเปิดตัวเครื่องมืออีกตัวที่ใช้คู่กันคือ TensorFlow Serving
TensorFlow ตัวหลักออกแบบมาสำหรับสร้างโมเดล machine learning จากข้อมูลปริมาณมากๆ (training) ส่วน TensorFlow Serving ใช้หลังจากได้โมเดลเรียบร้อยแล้ว และต้องการนำโมเดลมาใช้งานต่อ (serving) โดยสามารถปรับเปลี่ยนโมเดลได้ในอนาคตถ้าต้องการ
TensorFlow Serving เขียนด้วยภาษา C++ ใช้งานได้บนลินุกซ์ มีประสิทธิภาพสูง จากการทดสอบของกูเกิล สามารถรองรับคิวรีได้ 100,000 ครั้งต่อวินาที ตัวมันเปิดซอร์สด้วยสัญญาอนุญาต Apache 2.0 เช่นเดียวกับ TensorFlow ตัวหลัก
ที่มา - Google Research
Comments
โอ้วว...มันเยี่ยมมาก 1แสนครั้งต่อวินาที
คิดถึงเมื่อก่อนเคยถกเถียงกันกับเจ้าหน้าที่ดูแลฐานข้อมูลคนนึงของ บ.M... ที่ชอบโชวเทพบ่อยๆ เจอข่าวนี้คงเงิบไปเลย
คงต้อง case-by-case ไปมั้งครับ ฐานข้อมูลแต่ละตัวก็มีคุณลักษณะเฉพาะไม่เหมือนกันเหมารวมไม่ได้หรอกครับ ยกตัวอย่างง่ายๆ พวก Relational กับ NoSQL ก็เทียบกันไม่ได้แล้ว สถาปัตยกรรมระบบมันต่างกัน ความซับซ้อนก็ต่างกัน ถึงจะเป็น DB ตัวเดียวกัน Hardware Infrastructor กับ Configulation ก็มีผลค่อนข้างมากนะครับ