Jina-Serve

Jina-serve 是一个用于构建和部署 AI 服务的框架，支持通过 gRPC、HTTP 和 WebSockets 进行通信。从本地开发到生产环境，都能轻松扩展服务，让你专注于核心逻辑。

主要特性

• 原生支持所有主流 ML 框架和数据类型
• 高性能服务设计，包含扩展、流式处理和动态批处理
• 支持流式输出的 LLM 服务
• 内置 Docker 集成和 Executor Hub
• 一键部署到 Jina AI Cloud
• 企业级支持 Kubernetes 和 Docker Compose

安装

pip install jina

查看 Apple Silicon 和 Windows 的安装指南。

核心概念

三个主要层次：
- 数据：BaseDoc 和 DocList 用于输入/输出
- 服务：Executor 处理文档，Gateway 连接服务
- 编排：Deployment 服务 Executor，Flow 创建管道

构建 AI 服务

下面是一个基于 StableLM 的 gRPC AI 服务示例：

from jina import Executor, requests
from docarray import DocList, BaseDoc
from transformers import pipeline


class Prompt(BaseDoc):
    text: str


class Generation(BaseDoc):
    prompt: str
    text: str


class StableLM(Executor):
    def __init__(self, **kwargs):
        super().__init__(**kwargs)
        self.generator = pipeline(
            'text-generation', model='stabilityai/stablelm-base-alpha-3b'
        )

    @requests
    def generate(self, docs: DocList[Prompt], **kwargs) -> DocList[Generation]:
        generations = DocList[Generation]()
        prompts = docs.text
        llm_outputs = self.generator(prompts)
        for prompt, output in zip(prompts, llm_outputs):
            generations.append(Generation(prompt=prompt, text=output))
        return generations

使用 Python 或 YAML 部署：

from jina import Deployment
from executor import StableLM

dep = Deployment(uses=StableLM, timeout_ready=-1, port=12345)

with dep:
    dep.block()

jtype: Deployment
with:
 uses: StableLM
 py_modules:
   - executor.py
 timeout_ready: -1
 port: 12345

使用客户端：

from jina import Client
from docarray import DocList
from executor import Prompt, Generation

prompt = Prompt(text='suggest an interesting image generation prompt')
client = Client(port=12345)
response = client.post('/', inputs=[prompt], return_type=DocList[Generation])

构建管道

将多个服务串联成 Flow：

from jina import Flow

flow = Flow(port=12345).add(uses=StableLM).add(uses=TextToImage)

with flow:
    flow.block()

扩展与部署

本地扩展

利用内置功能提升吞吐量：
- 副本实现并行处理
- 分片进行数据分区
- 动态批处理提高模型推理效率

扩展 Stable Diffusion 部署示例：

jtype: Deployment
with:
 uses: TextToImage
 timeout_ready: -1
 py_modules:
   - text_to_image.py
 env:
  CUDA_VISIBLE_DEVICES: RR
 replicas: 2
 uses_dynamic_batching:
   /default:
     preferred_batch_size: 10
     timeout: 200

云端部署

容器化服务

1. 组织 Executor 结构：

TextToImage/
├── executor.py
├── config.yml
├── requirements.txt

2. 配置：

# config.yml
jtype: TextToImage
py_modules:
 - executor.py
metas:
 name: TextToImage
 description: Text to Image generation Executor

3. 推送到 Hub：

jina hub push TextToImage

部署到 Kubernetes

jina export kubernetes flow.yml ./my-k8s
kubectl apply -R -f my-k8s

使用 Docker Compose

jina export docker-compose flow.yml docker-compose.yml
docker-compose up

JCloud 部署

一键部署：

jina cloud deploy jcloud-flow.yml

LLM 流式处理

实现逐 token 流式输出，打造响应式 LLM 应用：

1. 定义模式：

from docarray import BaseDoc


class PromptDocument(BaseDoc):
    prompt: str
    max_tokens: int


class ModelOutputDocument(BaseDoc):
    token_id: int
    generated_text: str

2. 初始化服务：

from transformers import GPT2Tokenizer, GPT2LMHeadModel


class TokenStreamingExecutor(Executor):
    def __init__(self, **kwargs):
        super().__init__(**kwargs)
        self.model = GPT2LMHeadModel.from_pretrained('gpt2')

3. 实现流式处理：

@requests(on='/stream')
async def task(self, doc: PromptDocument, **kwargs) -> ModelOutputDocument:
    input = tokenizer(doc.prompt, return_tensors='pt')
    input_len = input['input_ids'].shape[1]
    for _ in range(doc.max_tokens):
        output = self.model.generate(**input, max_new_tokens=1)
        if output[0][-1] == tokenizer.eos_token_id:
            break
        yield ModelOutputDocument(
            token_id=output[0][-1],
            generated_text=tokenizer.decode(
                output[0][input_len:], skip_special_tokens=True
            ),
        )
        input = {
            'input_ids': output,
            'attention_mask': torch.ones(1, len(output[0])),
        }

4. 服务与使用：

# 服务端
with Deployment(uses=TokenStreamingExecutor, port=12345, protocol='grpc') as dep:
    dep.block()


# 客户端
async def main():
    client = Client(port=12345, protocol='grpc', asyncio=True)
    async for doc in client.stream_doc(
        on='/stream',
        inputs=PromptDocument(prompt='what is the capital of France ?', max_tokens=10),
        return_type=ModelOutputDocument,
    ):
        print(doc.generated_text)

支持

Jina-serve 由 Jina AI 提供支持，采用 Apache-2.0 许可证。