多租戶系統（multi-tenant systems）對于現代、快節奏的企業來說是寶貴的。這些系統允許多個用戶和團隊同時訪問和使用它們。特別是機器學習操作（MLOps，machine learning operations）團隊，尤其會從多租戶系統中受益匪淺。
不利用多租戶系統的 MLOps 團隊可能會面臨低效率、不一致、重復工作和入職受阻等問題，這給本就復雜的工作流增加了阻力。讓我們來看看多租戶系統對 MLOps 團隊的好處和挑戰、有效擴展的最佳實踐，以及多租戶系統的未來可能是什么樣子。
多租戶系統允許多個用戶在同一系統下共同工作，而不會妨礙各自的工作。
（來源：AI 生成）
google Drive 和 Salesforce 是多租戶系統的優秀示例。它們允許大公司在單個系統上開發單個工作主體，通過消除重復工作來降低成本。
在 MLOps 情景中，使用多租戶系統的好處是多方面的。機器學習工程師、數據科學家、分析師、建模師和其他參與 MLOps 的實踐者，通常需要使用相似的軟件堆棧執行類似的活動。
對于公司來說，只維護堆棧的一個實例或其功能是非常有益的——這可以降低成本、節省時間并增強協作。從本質上講，多租戶系統上的 MLOps 團隊可以成倍地提高效率，因為他們不會把時間浪費在兩個不同的堆棧或系統切換上。
多租戶系統的采用正在增長，這是有充分理由的。這些系統有助于統一計算環境，避免了個別組織設置定制系統的情況。像這樣的割裂的計算環境是高度重復的，并且增加了擁有成本，因為每個組可能需要一個專門的團隊來保持其本地系統的運行。
這也會導致不一致的問題。在大公司中，可能會有一些組運行版本 7 的軟件，另一些組運行版本 8，某些技術可能只在特定團隊中使用。這樣的例子不勝枚舉。這些不一致導致對整個系統中正在發生的事情缺乏掌控，從而出現了潛在的風險。
歸根結底，多租戶并不是一個平臺的特性：它是一個基本的安全功能。關于安全的考慮是預防性的，它需要成為系統基本架構的一部分。
對于努力構建多租戶系統的團隊來說，最大的好處之一是其架構固有的安全性。
盡管實現多租戶系統有很多好處，但它們并非沒有挑戰。不管從事什么任務，這些系統的主要障礙之一是規模。每當任何擴展操作開始時，就會出現以前可能不明顯的問題。
當你開始擴展時，會獲得更多不同的用戶體驗和期望。突然間，你發現自己身處這樣一個世界：用戶開始與正在擴展的東西進行交互，并以你未曾預料到的方式使用該工具。更大、更根本的挑戰是，你必須能夠管理更多的復雜性。
當你構建多租戶系統時，你可能會構建一個由多個用戶使用的通用操作平臺。這是一個重要的考慮因素。多租戶也可能成為你業務的基本組成部分，因為這是一項有意義的投資。
要成功構建多租戶系統，強大的產品管理至關重要，特別是如果系統是由機器學習專家構建的和為機器學習專家構建的。
設計和構建專供特定領域的系統的人員，應該對該領域有深入的了解，這一點很重要，這使他們能夠根據用戶的需求和能力給出設計，同時能夠預測未來的業務和技術趨勢。
這種需求只在機器學習等不斷發展的領域得到強調，正如 MLOps 系統的擴散和增長所證明的那樣。
除了這些最佳實踐之外，還要確保對系統的每個組件，以及它們所支持的交互和工作流進行嚴格的測試。所謂的嚴格測試，是數百次測試，同時引入用戶來測試每個元素和功能。有時你會發現，由于業務或技術的原因，你需要以特定的方式實現某些東西。但是你必須忠實于你的用戶以及他們是如何使用系統來解決問題的。你絕對不想誤解用戶的需求。
用戶可能會對你說：“嘿，我需要一匹更快的馬。”你可能會把所有的時間都花在訓練一匹更快的馬上，而他們真正需要的是一種更可靠、更快速的運輸工具，而這種運輸工具不一定要吃干草，也可以燒汽油。
最后，專注于程序迭代，這可能聽起來是一個緩慢的過程，但從長遠來看，它將為你節省時間和資源。因為你已經完成了那些最繁瑣的工作，并在問題再次困擾你之前就可以解決它。
這是一個令人興奮的領域，預計這種勢頭將持續下去。我們可以期待看到對云技術和其他全托管服務的持續投資。特別是在 AI、機器學習和 MLOps 領域，事情發展十分迅速，以至于每當有人推薦一項新技術或軟件時，它幾乎立即就過時了。
現在真正重要的是快速迭代的能力，這在未來會更加重要。我們將看到越來越多的公司，無論大小，都在努力掌握這種敏捷性。他們做得越多，我們就會看到更多的進步，未來就會變得更令人興奮。
支持：Ren
