任何深度學習都是從數據開始的。沒有數據，我們就無法訓練一個深度學習模型，無法評估模型的質量，也無法做出預測。做實驗時，我們習慣使用最簡單的本地數據源，通常是不同格式的文件。這種方法當然非常有效。但是在某種程度上，我們需要更接近生產環境，能夠處理大數據變得非常重要。這時，Apache Ignite開始發揮作用。
Apache Ignite是一個以內存為中心的分佈式數據庫，緩存和處理平臺，用於事務，分析和流式工作負載。Apache Ignite和TensorFlow之間的現有集成允許您將Apache Ignite用作神經網絡訓練和推理的數據源，以及用於分佈式訓練的檢查點存儲和集群管理器。
分佈式內存數據源
Apache Ignite是以內存為中心的分佈式數據庫，提供快速的數據訪問。它允許您避免硬盤驅動器的限制，在分佈式集群中存儲和操作所需的所有數據。您可以通過使用Ignite數據集來利用Apache Ignite的這些優點。
請注意，Apache Ignite不僅僅是數據庫或數據倉庫與TensorFlow之間的ETL管道的一個步驟。Apache Ignite還是一個HTAP（混合事務/分析處理）系統。通過選擇Apache Ignite和TensorFlow，您可以獲得一個用於事務和分析處理的單一系統，同時還可以使用您的操作和歷史數據進行神經網絡訓練和推理。
以下基準測試結果表明Apache Ignite非常適合單節點數據存儲用例。如果存儲和客戶端放在同一節點上，它允許您實現超過850 MB / s的吞吐量。如果存儲在遠程節點上與客戶端相關，則吞吐量約為800 MB / s。
在一個本地Apache Ignite節點的情況下，Ignite數據集的吞吐量。該基準測試是在2x Xeon E5-2609 v4 1.7GHz上準備的，具有16Gb內存和10 Gb / s網絡（1MB rows and 20MB page size）。
另一個基準測試演示了Ignite Dataset如何與分佈式Apache Ignite集群協同工作。這是Apache Ignite作為HTAP系統的默認用例，它允許您在單個客戶端的10 Gb / s網絡集群上實現超過1 GB / s的讀取吞吐量。
在具有不同節點數（從1到9）的分佈式Apache Ignite群集的情況下，Ignite數據集吞吐量。此基準測試是在2x Xeon E5-2609 v4 1.7GHz上準備的，具有16Gb內存和10Gb / s網絡（1MB rows and 20MB page size）。
測試的用例如下：Apache Ignite緩存（第一組測試中包含不同數量的分區，第二組中有2048個分區）填充10K行，每行1MB，然後TensorFlow客戶端使用Ignite Dataset讀取所有數據。所有節點均由2x Xeon E5-2609 v4 1.7GHz和16Gb內存表示，並通過10Gb / s網絡連接。每個節點都使用默認配置運行Apache Ignite 。
使用Apache Ignite作為具有SQL接口的經典數據庫和同時作為TensorFlow數據源很容易。
表結構如下：
Python示例如下：
輸出：
結構化對象
Apache Ignite允許存儲任何類型的對象。這些對象可以具有任何層次結構。 Ignite Dataset提供了處理此類對象的能力。Python示例代碼如下：
輸出：
神經網絡訓練和其他計算需要轉換，如果使用Ignite Dataset，可以將轉換作為tf.data管道的一部分進行。
[0, 0, 0, 0, ..., 0]
分佈式訓練
TensorFlow是一個機器學習框架，它支持分佈式神經網絡的訓練、推理和其他計算。分佈式神經網絡訓練的主要思想是在數據的每個分區(水平分區)上計算損失函數的梯度(例如誤差的平方)，然後求和得到整個數據集的損失函數梯度。利用這種能力，我們可以計算數據存儲在節點上的梯度，減少它們，最後更新模型參數。它允許您避免節點之間的數據傳輸，從而避免網絡瓶頸。
Apache Ignite使用水平分區在分佈式群集中存儲數據。當我們創建Apache Ignite緩存（或基於SQL的表）時，我們可以指定數據將被分區的分區數。例如，如果Apache Ignite集群包含100臺計算機，並且我們創建了具有1000個分區的緩存，則每臺計算機將維護大約10個數據分區。
Ignite Dataset允許使用分佈式神經網絡訓練（使用TensorFlow）和Apache Ignite分區。Ignite Dataset是一個可以在遠程worker上執行的計算圖操作。遠程worker可以通過為worker進程(如IGNITE_DATASET_HOST、IGNITE_DATASET_PORT或IGNITE_DATASET_PART)設置相應的環境變量來覆蓋Ignite數據集參數（如IGNITE_DATASET_HOST, IGNITE_DATASET_PORT或IGNITE_DATASET_PART）。使用這種重寫方法，我們可以為每個worker分配一個特定的分區，以便一個worker處理一個分區，同時透明地處理單個數據集。
Apache Ignite還允許您使用TensorFlow高級Estimator API運行分佈式訓練。該功能基於TensorFlow分佈式培訓的獨立客戶端模式，Apache Ignite扮演數據源和集群管理器的角色。
檢查點存儲
除數據庫功能外，Apache Ignite還提供名為IGFS的分佈式文件系統。IGFS提供與Hadoop HDFS類似的功能，但僅限於內存中。實際上，除了自己的API之外，IGFS還實現了Hadoop FileSystem API，並且可以透明地插入到Hadoop或Spark部署中。Apache Ignite上的TensorFlow提供了IGFS和TensorFlow之間的集成。該集成基於TensorFlow端的自定義文件系統插件和Apache Ignite端的IGFS Native API。它有許多用例，例如：
- 可以將狀態檢查點保存到IGFS以確保可靠性和容錯性。
- 訓練過程通過將事件文件寫入TensorBoard監視的目錄來與TensorBoard進行通信。即使TensorBoard在不同的進程或機器中運行，IGFS也允許此通信工作。
此功能在TensorFlow 1.13中發佈，並將作為TensorFlow 2.0 中tensorflow / io的一部分發布。
SSL連接
Apache Ignite允許通過SSL和身份驗證保護數據傳輸通道。Ignite數據集支持帶身份驗證和不帶身份驗證的SSL連接。
Windows支持
Ignite Dataset與Windows完全兼容。您可以在Windows以及Linux / MacOS系統上將其用作TensorFlow的一部分。
使用示例
以下示例將幫助您輕鬆開始使用此模塊。
嘗試Ignite Dataset的最簡單方法是運行Docker容器並加載MNIST數據，然後使用Ignite Dataset開始與之交互。Docker Hub：dmitrievanthony / ignite-with-mnist。
docker run -it -p 10800:10800 dmitrievanthony/ignite-with-mnist
之後，您將能夠按照以下方式使用它：
IGFS
TensorFlow支持IGFS在TensorFlow 1.13中發佈，並將作為TensorFlow 2.0 中tensorflow / io的一部分發布。使用TensorFlow嘗試IGFS的最簡單方法是使用Apache Ignite + IGFS運行Docker容器，然後使用TensorFlow tf.gfile與之交互。這Docker Hub：dmitrievanthony / ignite-with-igfs。
docker run -it -p 10500:10500 dmitrievanthony/ignite-with-igfs
之後，您將能夠以下列方式使用它：
輸出：
Hello, world!
限制
目前，Ignite Dataset假設緩存中的所有對象具有相同的結構(同構對象)，並且緩存至少包含檢索模式所需的一個對象。另一個限制涉及結構化對象，Ignite Dataset不支持UUID、映射和對象數組，這些可能是對象結構的一部分。
即將推出的TensorFlow 2.0
TensorFlow 2.0中即將發生的變化將導致將此功能分離為tensorflow / io模塊。