MLOps 是什么

这一课你将能做到

1. 说清楚 MLOps 与传统 DevOps 的边界：多出数据、模型、监控三块新增职责
2. 画出 ML 系统从数据到监控的完整闭环图，并说明每一环的产物
3. 以本站「判题超时预测模型」为例，跑通「训练 → 保存 → API 服务」的最窄闭环

为什么要学

在 Jupyter 里跑出 95% 准确率，和把模型稳定跑在生产环境每天处理几万次请求，是两件完全不同的事。前者是「实验」，后者是「系统」。隔开它们的不是算法，而是工程：数据版本、实验追踪、自动重训、灰度发布、漂移监控。

MLOps 就是把 DevOps 的自动化思想搬到机器学习上，并补上三块 DevOps 不用管的东西：数据会变、模型会衰减、效果无法靠单元测试证明。

人话：Web 开发里代码 push 后 CI 跑测试、CD 自动部署——这条路 ML 工程师也要走，只是他们的交付物里多了一个从数据里学出来的黑盒，而且这个黑盒会随用户行为变化悄悄失灵。MLOps 解决的就是「怎么让一个会过期的黑盒持续可靠地服务用户」。

本课程贯穿两个真实场景：判题超时预测模型（根据提交特征预测这次判题会不会 TLE，用于动态放宽超时阈值）和题目难度评分模型（根据通过率等数据自动给题目打难度分，替代人工标注）。

先建立图像

┌─────────┐   ┌─────────┐   ┌─────────┐   ┌─────────┐
│ 数据管道 │ → │ 训练实验 │ → │ 模型注册 │ → │ 服务部署 │
└─────────┘   └─────────┘   └─────────┘   └─────────┘
     ↑             ↑             ↑              │
  数据校验      DVC+MLflow     MLflow       Docker/K8s
     │                                          ↓
┌───────────────────────────────────────────────────┐
│         监控（延迟/错误率/数据漂移/业务指标）        │
└───────────────────────────────────────────────────┘
     │ 漂移或指标衰减触发
     └──→ 回到数据管道，重新训练（闭环）

对应到判题超时预测模型：

环节	做什么	工具
数据	提交记录 + 判题日志 → 清洗特征	pandas / SQL
训练	梯度提升树分类「是否 TLE」	scikit-learn
追踪	每次实验的超参、指标、模型文件	MLflow
版本	数据集快照与管道可重放	DVC
部署	FastAPI 打包成容器	Docker + K8s
监控	预测分布漂移、延迟分位	Evidently + Prometheus

跟着做

步骤 1：搭建贯穿全课程的项目骨架

Python 3.11+，先建环境：

mkdir mlops-lab && cd mlops-lab
python -m venv .venv
# Windows: .venv\Scripts\activate
# macOS/Linux:
source .venv/bin/activate
python --version   # 确认 3.11+
pip install numpy pandas scikit-learn joblib fastapi "uvicorn[standard]"

建立目录结构，后续所有课都在这里扩展：

mlops-lab/
├── data/            # 数据集（第 3 课用 DVC 接管）
├── src/
│   ├── train.py     # 训练脚本
│   └── serve.py     # 推理服务
├── models/          # 模型 artifact
└── requirements.txt