源头：DeepTech深科技

多租户零星（multi-tenant systems）对于今世 、零星老本快节奏的上开企业来说是珍贵的 。这些零星应承多个用户以及团队同时碰头以及运用它们。拓单体防特意是个使机械学习操作（MLOps ，Machine learning operations）团队 ，命主特意会从多租户零星中受益匪浅。止再

不运用多租户零星的飞腾 MLOps 团队可能碰头临低功能、不不同、零星老本一再使命以及入职碰壁等下场，上开这给本就重大的拓单体防使命流削减了阻力。让咱们来看看多租户零星对于 MLOps 团队的个使短处以及挑战、实用扩展的命主最佳实际 ，以及多租户零星的止再未来可能是甚么模样
。

多租户零星应承多个用户在统一零星下配合使命 ，飞腾而不会拦阻各自的零星老本使命。

Google Drive 以及 Salesforce 是多租户零星的优异示例。它们应承至公司在单个零星上开拓单个使命主体，经由消除了一再使命来飞腾老本。

在 MLOps 天气中 ，运用多租户零星的短处是多方面的 。机械学习工程师、数据迷信家、合成师、建模师以及其余退出 MLOps 的实际者 ，个别需要运用相似的软件货仓实施相似的行动 。

对于公司来说 ，只呵护货仓的一个实例或者其功能黑白常有利的——这可能飞腾老本、节约光阴并增强相助。从本性上讲，多租户零星上的 MLOps 团队可能成倍地后退功能，由于他们不会把光阴浪费在两个差距的货仓或者零星切换上 。

多租户零星的接管正在削减 ，这是有短缺理由的 。这些零星有助于不同合计情景
 ，防止了同样艰深机关配置定制零星的情景 。像这样的割裂的合计情景是高度一再的 ，而且削减了具备老本  ，由于每一个组可能需要一个特意的团队来坚持其当地零星的运行
。

这也会导致不不同的下场 。在至公司中，可能会有一些组运行版本 7 的软件，另一些组运行版本 8 ，某些技术可能只在特定团队中运用 。这样的例子比比皆是。这些不不同导致对于全部零星中正在爆发的使命缺少把握，从而泛起了潜在的危害。

归根结柢
，多租户并非一个平台的特色 ：它是一个根基的清静功能。对于清静的思考是提防性的，它需要成为零星根基架构的一部份。

对于自动构建多租户零星的团队来说，最大的短处之一是其架构固有的清静性。

尽管实现多租户零星有良多短处 ，但它们并非不挑战。不论处置甚么使命，这些零星的主要拦阻之一是规模  。每一当任何扩展操作开始时 ，就会泛起从前可能不清晰的下场。

当你开始扩展时，会取患上更多差距的用户体验以及期望。猛然间，你发现自己身处这样一个天下：用户开始与正在扩展的工具妨碍交互 ，并以你未曾经预判断的方式运用该工具
。更大、更根基的挑战是  ，你必需可能规画更多的重大性 。

当你构建多租户零星时 ，你可能会构建一个由多个用户运用的通用操作平台。这是一个紧张的思考因素 。多租户也可能成为你营业的根基组成部份，由于这是一项分心义的投资。

要乐成构建多租户零星，强盛的产物规画至关紧张
，特意是假如零星是由机械学习专家构建的以及为机械学习专家构建的。

妄想以及构建专供特定规模的零星的职员，理当对于该规模有深入的清晰，这一点很紧张 ，这使他们可能凭证用户的需要以及能耐给出妄想
，同时可能预料未来的营业以及技术趋向。

这种需要只在机械学习等不断睁开的规模患上到夸张 ，正如 MLOps 零星的散漫以及削减所证实的那样 。

除了这些最佳实际之外，还要确保对于零星的每一个组件
，以及它们所反对于的交互以及使命流妨碍严厉的测试
。所谓的严厉测试，是数百次测试，同时引入用户来测试每一个元素以及功能 。无意你会发现，由于营业或者技术的原因，你需要以特定的方式实现某些工具。可是你必需忠实于你的用户以及他们是若何运用零星来处置下场的。你相对于不想扭曲用户的需要。

用户可能会对于你说 ：“嘿 ，我需要一匹更快的马  。”你可能会把所有的光阴都花在磨炼一匹更快的即将，而他们真正需要的是一种更坚贞、更快捷的运输工具 ，而这种运输工具不用定要吃干草，也可能烧汽油。

最后，专一于挨次迭代  ，这可能听起来是一个飞快的历程，但从眼前来看，它将为你节约光阴以及资源。由于你已经实现为了那些最啰嗦的使命，并在下场再次干扰你以前就能处置它。

这是一个使人欢喜的规模，估量这种势头将不断上来。咱们可能期待看到对于云技术以及其余全托管效率的不断投资。特意是在 AI、机械学习以及 MLOps 规模，使命睁开颇为快捷 ，致使于每一当有人推选一项新技术或者软件时，它简直赶快就过时了。

如今真正紧张的是快捷迭代的能耐
，这在未来会愈减轻要。咱们将看到越来越多的公司，不论巨细 ，都在自动把握这种灵便性。他们做患上越多 ，咱们就会看到更多的后退，未来就会变患上更使人欢喜
。

反对于：Ren

经营/排版 ：何晨龙