MLOpsのバックエンド構築

言語を検討する

プロトタイプの機械学習モデルで,本番移行も可能なバックエンドを構築したい

速度が求められる概念検証やMVPの開発などにも良さそう. 要件が厳しいならRustの方が良いか

Goが良さそう

シングルバイナリで移植性が高く,メモリ効率が良いのでクラウドでの運用が楽

実行速度が速く,静的型付けでバグを未然に防止

Pros > 学習や推論とコードを共有可能. ライブラリも膨大

Cons > 実行速度が遅い. 並列処理に限界がある

Goの利点 > 実行速度が速い. 高負荷でも低遅延な並列処理が可能

Pros > エコシステムが巨大. 特に分散処理基盤が強い(HadoopやSpark)

Cons > 起動が遅い. メモリ消費が激しい

Goの利点 > 起動が速い. メモリ効率が良く,クラウドでスケールしやすい

Pros > Go以上にメモリ効率がよく,速度も上. 型安全もより強力

Cons > 要件に対して能力が過剰? Goに比べ学習コストが高い. コンパイル時間が長い(気になるか?)

Goの利点 > 学習コストと能力のバランスを取れる. 構文がシンプルな分, Rustより開発速度が速くなりやすい

より型安全で効率の良いRustに比べ,Goはとにかくシンプルで書きやすいらしい. しかも,安定して動くし,何より学習難度が低く,同僚が抵抗なく拡張できる

Pros > フロントエンドと言語を統一可能. I/O待機に強い(どういう意味?)

Cons > 型安全でない. CPUによる重い処理が大変

Goの利点 > 並列処理が強いので重い処理が平気?