MLOps実装ガイド ―本番運用を見据えた開発戦略

10章Rustを使用したMLOpsの実装

効率的な運用は、あらゆるテクノロジーシステムの中核でなければなりません。MLOpsはDevOpsを基盤としており、DevOpsは継続的改善を意味する日本語のkaizenの概念を基盤としています。継続的改善がなければ、DevOpsも、さらにはMLOpsも存在しません。

運用を継続的に改善するための核心となるのは、「訓練と推論からパッケージ化と配信まで、運用パフォーマンスを10倍以上に向上できるか」というシンプルな問いです。そして、多くの組織がデータサイエンスにPythonを用いている現状では、その答えが「はい」であることも少なくありません。その場合、次に問うべきは「それが可能なら、なぜ今それを実行していないのか？」ということです。

何十年もの間、組織には機械学習ソリューションとして純粋なC、C++、またはC#とPython以外の選択肢がほとんどありませんでした。C++はパフォーマンスの点でより効率的かもしれませんが、Pythonは一般的に学習、実装、および保守が容易であるため、データサイエンスでPythonが普及しました。パフォーマンスは高いが複雑なC++と、学習は簡単だが比較的遅いPythonで比較した結果、多くの企業が最終的にPythonを選択しています。

しかし、別の選択肢もあります。Rustは、最もパフォーマンスが高く、エネルギー効率に優れた言語（https://oreil.ly/rIBKz）に常にランクされています。また、Stack Overflowの年次開発者調査（https://oreil.ly/t5P-q）で最も愛されている言語の1つでもあります。データサイエンスで広く使用されている一部のPythonライブラリはC言語で記述されており、コンパイル言語を実行することで得られるパフォーマンス上の利点の一部を提供できますが、Rustは単一の言語でより直接的にハードウェアに近い操作が可能です。 ...