# カスタムモデルのポータブル予測サーバー > カスタムモデルのポータブル予測サーバー - 外部予測環境にデプロイするカスタムモデルポータブル予測サーバー（PPS）をダウンロード、構築、および実行する方法。 This Markdown file sits beside the HTML page at the same path (with a `.md` suffix). It summarizes the topic and lists links for tools and LLM context. Companion generated at `2026-07-15T05:55:44.980068+00:00` (UTC). ## Primary page - [カスタムモデルのポータブル予測サーバー](https://docs.datarobot.com/ja/docs/classic-ui/predictions/port-pred/pps/custom-pps.html.md): Full documentation for this topic (Markdown sidecar). ## Sections on this page - [カスタムモデルPPSバンドルのダウンロードと設定](https://docs.datarobot.com/ja/docs/classic-ui/predictions/port-pred/pps/custom-pps.html.md#download-and-configure-the-custom-model-pps-bundle): In-page section heading. - [PPSを使用した予測の実施](https://docs.datarobot.com/ja/docs/classic-ui/predictions/port-pred/pps/custom-pps.html.md#make-predictions-with-pps): In-page section heading. - [MLOps環境特徴量](https://docs.datarobot.com/ja/docs/classic-ui/predictions/port-pred/pps/custom-pps.html.md#mlops-environment-variables): In-page section heading. - [DRUMベースの環境特徴量](https://docs.datarobot.com/ja/docs/classic-ui/predictions/port-pred/pps/custom-pps.html.md#drum-based-environment-variables): In-page section heading. - [RabbitMQサービスの環境特徴量](https://docs.datarobot.com/ja/docs/classic-ui/predictions/port-pred/pps/custom-pps.html.md#rabbitmq-service-environment-variables): In-page section heading. ## Documentation content > [!NOTE] 本機能の提供について > ポータブル予測サーバーは、DataRobot MLOps専用のプレミアム機能です。 この機能を有効にする方法については、DataRobotの担当者または管理者にお問い合わせください。 カスタムモデルのポータブル予測サーバー（PPS）は、カスタムモデルを外部予測環境にデプロイするためのソリューションです。 PPSは、メインのインストール環境に接続せずに構築および実行できます。 PPSは、デプロイされたカスタムモデル、カスタム環境、および監視エージェントを含むダウンロード可能なバンドルとして利用できます。 起動すると、カスタムモデルPPSインストールは、DataRobot REST APIを使用して予測を提供します。 ## カスタムモデルPPSバンドルのダウンロードと設定 カスタムモデルPPSバンドルは、デプロイインベントリ内に [外部予測環境](https://docs.datarobot.com/ja/docs/classic-ui/mlops/deployment/ext-model-prep/ext-pred-env.html.md) があることを示すタグが付けられたカスタムモデルがある場合に提供されます。 > [!NOTE] 備考 > 続行する前に、DataRobotはPPS向けのLinuxベースの予測環境をサポートしていることに留意してください。 他のUnixベースの予測環境を使用できますが、検定済みで公式にサポートされているのはLinuxベースのシステムのみです。 使用するカスタムモデルを選択し、デプロイの 予測 > ポータブル 予測 タブに移動して、ポータブル予測パッケージをダウンロード を選択します。 または、コンテンツを1つのバンドルでダウンロードする代わりに、カスタムモデル、カスタム環境、または監視エージェントを個別のコンポーネントとしてダウンロードすることもできます。 .zipファイルをダウンロードした後、解凍コマンドを使用してローカルに抽出します。 ``` unzip .zip ``` 次に、インストールスクリプト（バンドルから解凍）にアクセスして、監視エージェントをサポートするカスタムモデルPPSを構築します。 このためには、手順2で表示されたコマンドを実行します。 監視エージェントのDockerイメージのインストールをスキップする機能など、その他の構築オプションについては、次を実行します。 ``` bash ./cm_pps_installer.sh --help ``` 構築がエラーなしで合格すると、ローカルのDockerレジストリに2つの新しいDockerイメージが追加されます。 - cm_pps_XYZはカスタムモデルとカスタム環境を組み合わせたイメージです。 - datarobot/mlops-tracking-agentは監視エージェントのDockerイメージであり、予測統計をDataRobotに報告するために使用されます。 ## PPSを使用した予測の実施 カスタムモデルPPSの使用を開始できるよう、DataRobotにはバンドル内に2つの [Docker構成設定](https://docs.docker.com/compose/install/) の例が用意されています。 - docker-compose-fs.yml：モデルコンテナと監視エージェントコンテナの間でファイルシステムベースのスプーラーを使用します。 単一モデルに推奨されます。 - docker-compose-rabbit.yml：モデルコンテナと監視エージェントコンテナの間でRabbitMQベースのスプーラーを使用します。 この設定を使用して、単一の監視エージェントインスタンスで複数のモデルを実行できます。 > [!NOTE] Docker Composeのサンプルファイルに依存関係を含める > 提供されているDocker Composeファイルを使用するには、 [datarobot-mlopsパッケージ](https://pypi.org/project/datarobot-mlops) （必要に応じて依存関係を追加）をモデルの `requirements.txt` ファイルに追加します。 使用する設定を選択したら、Docker構成ファイルを編集して、対応するフィールドにデプロイIDと [APIキー](https://docs.datarobot.com/ja/docs/platform/acct-settings/api-key-mgmt.html.md) を含めます。 ランタイムパラメーターファイルを定義するには、使用しているDocker Compose設定ファイルの例を変更して、以下にハイライトされている2行のコメントを外します。 ``` # Docker Compose configuration example for runtime parameters volumes: - shared-volume:/opt/mlops_spool # - :/opt/runtime.yaml environment: ADDRESS: "0.0.0.0:6788" MODEL_ID: "{{ model_id }}" DEPLOYMENT_ID: "< provide deployment id to report to >" RUNTIME_PARAMS_FILE: "/opt/runtime.yaml" # RUNTIME_PARAMS_FILE: "/opt/runtime.yaml" ``` `volumes` の下の行のコメントを外すときは、 `` プレースホルダーを適切なパスに置き換えます。 `environment` の下の行は、 [DRUMベースの環境変数](https://docs.datarobot.com/ja/docs/classic-ui/predictions/port-pred/pps/custom-pps.html.md#drum-based-environment-variables) のセクションで説明されているDRUM環境変数です。 Docker Composeの設定例を使用しない場合は、これらの行を設定ファイルに追加してください。 どちらのシナリオでも、ランタイムパラメーターファイルが存在し、ファイルへのパスが正しいことを確認します。 Docker Composeファイルが適切に設定されたら、予測サーバーを起動します。 - ファイルシステムベースのスプーラーを使用する単一モデルの場合、次のコマンドを実行します。 dockercompose-fdocker-compose-fs.ymlup - 単一の監視エージェントインスタンスを持つ複数モデルの場合は、RabbitMQベースのスプーラーを使用します。 dockercompose-fdocker-compose-rabbit.ymlup PPSが実行している場合、Dockerイメージは3つのHTTPエンドポイントを公開します。 - POST /predictions は、所定のデータセットをスコアリングします。 - GET /info は、ロードされたモデルに関する情報を返します。 - GET /ping は、技術スタックが起動していることを確認します。 > [!NOTE] 備考 > 予測ルートは、コンマ区切り値（CSV）のスコアリングデータセットのみをサポートしています。 最大ペイロードサイズは50MBです。 以下は、予測リクエストとJSON応答の例を示しています。 ``` # Prediction request curl -X POST http://localhost:6788/predictions/ \ -H "Content-Type: text/csv" \ --data-binary @path/to/scoring.csv ``` ``` # JSON response { "data": [{ "prediction": 23.03329917456927, "predictionValues": [{ "label": "MEDV", "value": 23.03329917456927 }], "rowId": 0 }, { "prediction": 33.01475956455371, "predictionValues": [{ "label": "MEDV", "value": 33.01475956455371 }], "rowId": 1 }, ] } ``` ### MLOps環境特徴量 次の表に、PPSを使用するすべてのカスタムモデルでサポートされているMLOpsサービス環境特徴量を示します。 使用する実行環境に基づいて、これらの設定を調整することをお勧めします。 | 特徴量 | 説明 | デフォルト | | --- | --- | --- | | MLOPS_SERVICE_URL | 実行中のDataRobotアプリケーションのアドレス。 | 自動生成された値 | | MLOPS_API_TOKEN | DataRobot APIキー。 | 未定義。指定する必要があります。 | | MLOPS_SPOOLER_TYPE | カスタムモデルおよび監視エージェントで使用されるスプーラーのタイプ。 | 自動生成された値 | | MLOPS_FILESYSTEM_DIRECTORY | モニタリングエージェントのファイルシステムスプーラー設定。 | 自動生成された値 | | MLOPS_RABBITMQ_QUEUE_URL | モニタリングエージェントのRabbitMQスプーラー設定。 | 自動生成された値 | | MLOPS_RABBITMQ_QUEUE_NAME | モニタリングエージェントのRabbitMQスプーラー設定。 | 自動生成された値 | | START_DELAY | 監視エージェントを開始する前に遅延をトリガーします。 | 自動生成された値 | ### DRUMベースの環境特徴量 次の表に、 [DRUMベース](https://docs.datarobot.com/ja/docs/api/code-first-tools/drum/custom-local-test.html.md) のカスタム環境でサポートされている環境特徴量を示します。 | 特徴量 | 説明 | デフォルト | | --- | --- | --- | | ADDRESS | 予測サーバーの開始アドレス。 | 0.0.0.0:6788 | | MODEL_ID | デプロイされたモデルのID（監視に必要）。 | 自動生成された値 | | DEPLOYMENT_ID | デプロイのID。 | 未定義。指定する必要があります。 | | MONITOR | MLOpsの監視を有効にするフラグ。 | True。 空の値を指定するか、この特徴量を削除して監視を無効にします。 | | MONITOR_SETTINGS | 監視エージェントスプーラーの設定。 | 自動生成された値 | | RUNTIME_PARAMS_FILE | ランタイムパラメーターの値を含む.yamlファイルのパスと名前。 | 未定義。指定する必要があります。 | > [!TIP] ランタイムパラメーターファイルへのパスを指定する > `RUNTIME_PARAMS_FILE` を定義するには、使用している [Docker Compose設定ファイル](https://docs.datarobot.com/ja/docs/classic-ui/predictions/port-pred/pps/custom-pps.html.md#make-predictions-with-pps) の例を変更し、 `volumes` と `environment` で必要なパスのコメントを外します。 Docker Composeの設定例を使用しない場合は、これらの行を設定ファイルに追加してください。 どちらのシナリオでも、ランタイムパラメーターファイルが存在し、ファイルへのパスが正しいことを確認します。 ### RabbitMQサービスの環境特徴量 | 特徴量 | 説明 | デフォルト | | --- | --- | --- | | RABBITMQ_DEFAULT_USER | デフォルトのRabbitMQユーザー。 | 自動生成された値 | | RABBITMQ_DEFAULT_PASS | デフォルトのRabbitMQパスワード。 | 自動生成された値 |