Az Anaconda Fast Bakery másodpercek alatt készít konténerképeket
Az Anaconda bemutatta a Fast Bakeryt, amely deklarált környezeti receptből készít futtatható, szabályzatokkal ellenőrzött konténerképet. A vállalat szerint a rendszer a tesztelt, legfeljebb 6,7 GB-os képeket legfeljebb 40 másodperc alatt építette fel.
- A Fast Bakery deklarált receptből készít konténerképet.
- Az Anaconda tesztjeiben a legfeljebb 6,7 GB-os képek legfeljebb 40 másodperc alatt készültek el.
- A szervezeti szabályzat által kizárt csomagok már az építés előtt kimaradnak.
- A javított és az eredeti környezet egyszerre maradhat elérhető összehasonlítás céljából.
- A Fast Container Runtime benchmarkokban 4 és 10 szeres indításigyorsulást ért el.
A konténerépítés lassúságára kínál megoldást
A mesterségesintelligencia-projekteken dolgozó kutatóknak gyakran több PyTorch-verziót kell összehasonlítaniuk, vagy egy belső programkönyvtár módosítását kell tesztelniük, mielőtt az éles környezetbe kerülhet. Ehhez minden esetben végrehajtási környezetre van szükség, amely meghatározza a csomagokat, lefuttatja az összeállítást, és követi a függőségek változásait.
Éles AI-munkafolyamatokban ezt jellemzően konténerkép biztosítja. Az Anaconda szerint az ilyen képek elkészítése a hagyományos eszközökkel akár több tíz percig is tarthat. A natív könyvtárak, a CUDA-eszközkészlet és a megfelelő illesztőprogram összehangolása, valamint a lefordított bővítmények és verzióütközések kezelése külön nehézséget jelenthet. Emiatt egy régebbi, akár sérülékenységeket tartalmazó kép is hosszú ideig használatban maradhat.
Deklarált receptből készül az ellenőrzött kép
A 2026. október 6-án ismertetett Fast Bakery a környezet receptjét, végrehajtását és életciklusát kezeli. A felhasználónak deklarálnia kell, milyen környezetre van szüksége, a szolgáltatás pedig feloldja a függőségeket, majd elkészíti a konténerképet. A megoldás conda- és PyPI-csomagokkal is működik, és nincs szükség kézzel írt Dockerfile-ra.
A receptek a szervezet által már jóváhagyott csatornák alapján oldódnak fel. Azok a csomagok, amelyeket a szervezet szabályzata kizár, például ismert CVE-ket tartalmaznak vagy nem engedélyezett licenc alatt érhetők el, még a kép elkészítése előtt kimaradnak. Az eredményt a rendszer címkézi és nyomon követi, amíg használatban van, így a szervezet ugyanazon irányítási keretek között tetszőleges számú különálló környezetet futtathat.
Az Anaconda benchmarkjai szerint a Fast Bakery minden tesztképet, a legfeljebb 6,7 GB méretűeket is, legfeljebb 40 másodperc alatt építette fel. Egy szabványos GitHub Actions-folyamat a legnagyobb képnél több mint 5 percig tartott.
A javítások összehasonlíthatók maradnak
Ha egy, a munkafolyamatokban használt függőséghez CVE kapcsolódik, a deklarált környezetek kódalapú kereséssel azonosíthatók. A javítás az érintett verzió módosításából és az új környezet újbóli elkészítéséből állhat. A Fast Bakery a vállalat szerint másodpercek alatt elkészíti a javított képet, miközben a korábbi verziót is megtartja.
Ez lehetővé teszi a régi és az új környezet közvetlen összehasonlítását, futtatásról futtatásra. A képek így nem feltétlenül cserélődnek le azonnal, a csapatok ellenőrizhetik, hogy a függőség frissítése nem változtatta-e meg a működést.
A teljes környezet-életciklus része
A Fast Bakery önálló infrastruktúraként is használható, illetve az Anaconda Platform AI-koordinációs megoldásának része. A Fast Registry tárolja az elkészített képeket, a Fast Container Runtime pedig számítási csomóponton futtatja őket. Az Anaconda benchmarkjai szerint a futtatókörnyezet 4 és 10 szeresére csökkentette a feladatok indítási késleltetését.
A szolgáltatás meglévő CI-folyamatra, notebookra vagy telepítési folyamatra is ráirányítható. Az Anaconda szerint így minden elkészített kép ugyanazt a csatornaszabályzatot és címkézést örökli, függetlenül attól, mi indította a kérést. A vállalat a saját munkafolyamatokra szabott kipróbáláshoz bemutató igénylését kínálja.
