# ポータブル予測サーバーの設定 > ポータブル予測サーバーの設定 - 自己完結型のDockerイメージとして配布されたDataRobotモデルパッケージを実行するポータブル予測サーバー（PPS）の使用方法。 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 `2026-07-15T05:55:44.980885+00:00` (UTC). ## Primary page - [ポータブル予測サーバーの設定](https://docs.datarobot.com/ja/docs/classic-ui/predictions/port-pred/pps/portable-pps.html.md): Full documentation for this topic (Markdown sidecar). ## Sections on this page - [モデルパッケージのダウンロード](https://docs.datarobot.com/ja/docs/classic-ui/predictions/port-pred/pps/portable-pps.html.md#download-the-model-package): In-page section heading. - [時系列モデルパッケージのダウンロード](https://docs.datarobot.com/ja/docs/classic-ui/predictions/port-pred/pps/portable-pps.html.md#download-a-time-series-model-package): In-page section heading. - [ポータブル予測サーバーの設定](https://docs.datarobot.com/ja/docs/classic-ui/predictions/port-pred/pps/portable-pps.html.md#configure-the-portable-prediction-server): In-page section heading. - [PPS Dockerイメージの取得](https://docs.datarobot.com/ja/docs/classic-ui/predictions/port-pred/pps/portable-pps.html.md#obtain-the-pps-docker-image): In-page section heading. - [Dockerへのイメージのロード](https://docs.datarobot.com/ja/docs/classic-ui/predictions/port-pred/pps/portable-pps.html.md#load-the-image-to-docker): In-page section heading. - [コードスニペットでのPPSの起動](https://docs.datarobot.com/ja/docs/classic-ui/predictions/port-pred/pps/portable-pps.html.md#launch-the-pps-with-the-code-snippet): 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。 ポータブル予測サーバー（PPS）は、自己完結型のDockerイメージとして配布されるDataRobotモデルパッケージ（ `.mlpkg` ファイル）用のDataRobot実行環境です。 ポータブル予測サーバーを設定したら、 [単一または複数モデルのポータブルリアルタイム予測](https://docs.datarobot.com/ja/docs/classic-ui/predictions/port-pred/pps/pps-run-modes.html.md) や [ポータブルバッチ予測](https://docs.datarobot.com/ja/docs/classic-ui/predictions/port-pred/pps/portable-batch-predictions.html.md) ジョブの実行を開始できます。 ポータブル予測サーバーで実行したいモデルパッケージが時系列モデルの場合、 [追加設定を行う](https://docs.datarobot.com/ja/docs/classic-ui/modeling/time/ts-port-pred-intervals.html.md) ことができます。 > [!NOTE] CPUに関する注意事項 > DataRobotでは、Intel CPUを使用して、ポータブル予測サーバーを実行することを強く推奨します。 Intel以外のCPUを使用すると、特に、TensorflowまたはKerasで構築されたディープラーニングのようなモデルで、予測の不一致となる場合があります。 これには、ARMアーキテクチャプロセッサー（AArch32やAArch64など）が含まれます。 一般的な設定手順は次のとおりです。 - モデルパッケージのダウンロード - PPS Dockerイメージをダウンロードします。 - PPS Dockerへのイメージのロード - DataRobotが提供するDockerスニペットをコピーして、Dockerコンテナでポータブル予測サーバーを実行します。 > [!NOTE] 重要 > デプロイによってモデルのポータブル予測サーバーを設定したい場合は、まず [外部の予測環境](https://docs.datarobot.com/ja/docs/classic-ui/mlops/deployment/ext-model-prep/ext-pred-env.html.md) を追加して、そのモデルを外部環境へデプロイする必要があります。 ## モデルパッケージのダウンロード [外部予測環境](https://docs.datarobot.com/ja/docs/classic-ui/mlops/deployment/ext-model-prep/ext-pred-env.html.md) で実行中のデプロイ済みDataRobotモデルのPPSモデルパッケージをダウンロードすることができます。 さらに、適切なMLOps権限があれば、リーダーボードからモデルパッケージをダウンロードできます。 その後、DataRobotの外でポータブル予測サーバーを使って予測ジョブを実行できます。 **デプロイのダウンロード（監視あり）:** デプロイからモデルパッケージをダウンロードすると、ポータブル予測サーバーはモデルのパフォーマンスを [監視](https://docs.datarobot.com/ja/docs/classic-ui/predictions/port-pred/pps/pps-run-modes.html.md#monitoring) して予測統計を追跡します。ただし、デプロイでモデルパッケージのダウンロードがサポートされていることを確認する必要があります。 デプロイには、 DataRobot の構築環境と 外部 予測環境が必要です。これは、デプロイインベントリの [ガバナンスレンズ](https://docs.datarobot.com/ja/docs/classic-ui/mlops/governance/gov-lens.html.md) を使用して確認することができます。 [https://docs.datarobot.com/ja/docs/images/pps-1-jp.png](https://docs.datarobot.com/ja/docs/images/pps-1-jp.png) デプロイに外部予測環境がない場合はどうなりますか？ ポータブル予測サーバーで実行したいデプロイ済みモデルが外部の予測環境と関連付けられていない場合、次のいずれかを実行できます。 外部予測環境を持つ新しいデプロイを作成します。 適切な権限を持っている場合は、リーダーボードからモデルパッケージをダウンロードします。 モデルパッケージのダウンロードをサポートしていないデプロイにアクセスした場合、デプロイからリーダーボードにすばやく移動できます。 （ 概要 タブで） モデル 名をクリックし、モデルレジストリでモデルパッケージを開きます。 モデルレジストリ で、（ パッケージ情報 タブの） モデル名 *をクリックすると、そのモデルがリーダーボードに表示されます。 リーダーボード で、 予測 > ポータブル予測 タブから ポータブル予測サーバー モデルパッケージをダウンロードします。 リーダーボードからモデルパッケージをダウンロードした場合、ポータブル予測サーバーはモデルのパフォーマンスを監視したり、予測統計を追跡したりすることはありません。 デプロイ タブ（ デプロイインベントリ ）で、DataRobotの構築環境と 外部 の予測環境の両方を持つデプロイを開き、 予測 > ポータブル予測 タブに移動します。 [https://docs.datarobot.com/ja/docs/images/portable-batch-tab-callouts-jp.png](https://docs.datarobot.com/ja/docs/images/portable-batch-tab-callouts-jp.png) 要素 説明 1 ポータブル予測サーバー REST APIベースの予測サーバーをDockerイメージとして設定するのに便利です。 2 ポータブル予測サーバーの使用方法 ポータブル予測サーバーのDockerイメージを取得 する APIのキーとツール タブにリンクします。 3 モデルパッケージ（.mlpkg）をダウンロード デプロイされたモデルのモデルパッケージをダウンロードします。 リーダーボードからモデルパッケージをダウンロードすることもできます。 4 Dockerスニペット モデルパッケージをダウンロードしたら、Dockerスニペットを使用して、モニタリングが有効になっているモデルのポータブル予測サーバーを起動します。 起動する前に、 APIキー 、ローカルファイル名、パス、[モニタリング]{1}を指定する必要があります。 5 クリップボードにコピー Dockerスニペットをクリップボードにコピーして、コマンドラインに貼り付けられるようにします。 予測 > ポータブル予測 タブで、 モデルパッケージをダウンロード をクリックします。 ダウンロードが完了すると、ダウンロードがダウンロードバーに表示されます。 [https://docs.datarobot.com/ja/docs/images/pps-2-jp.png](https://docs.datarobot.com/ja/docs/images/pps-2-jp.png) モデルパッケージをダウンロードしたら、 クリップボードにコピー をクリックし、後で使用するためにコードスニペットを保存します。 ダウンロードしたモデルパッケージでポータブル予測サーバーを起動するには、このコードが必要です。 [https://docs.datarobot.com/ja/docs/images/pps-4-jp.png](https://docs.datarobot.com/ja/docs/images/pps-4-jp.png) **リーダーボードのダウンロード:** > [!NOTE] 本機能の提供について > リーダーボードからモデルパッケージをダウンロードできるかどうかは、組織のMLOps設定によって異なります。 AutoMLを使用してモデルを構築し、ポータブル予測サーバーで使用するためにそのモデルパッケージをダウンロードする場合は、リーダーボードのモデルに移動し、 予測 > ポータブル予測 タブを選択します。 時系列モデルのモデルパッケージの場合、 [予測間隔を計算するかどうかを選択](https://docs.datarobot.com/ja/docs/classic-ui/modeling/time/ts-port-pred-intervals.html.md) できます。 [https://docs.datarobot.com/ja/docs/images/pps-5-jp.png](https://docs.datarobot.com/ja/docs/images/pps-5-jp.png) > [!NOTE] 備考 > リーダーボードからダウンロードした場合、ポータブル予測サーバーはモデルのパフォーマンスを [監視](https://docs.datarobot.com/ja/docs/classic-ui/predictions/port-pred/pps/pps-run-modes.html.md#monitoring) したり、予測統計を追跡したりすることはありません。 .mlpkgをダウンロード をクリックします。 モデルパッケージをダウンロードしたら、 クリップボードにコピー をクリックし、後で使用するためにコードスニペットを保存します。 ダウンロードしたモデルパッケージでポータブル予測サーバーを起動するには、このコードが必要です。 #### 時系列モデルパッケージのダウンロード ポータブル予測で時系列モデルをエクスポートする場合は、モデルパッケージ生成時のモデルの時系列予測間隔（1～100）の計算を有効にすることができます。 このインターフェイスは時系列以外のモデルのインターフェイスと同じですが、 予測間隔の計算 設定が追加されています。 **デプロイ:** [https://docs.datarobot.com/ja/docs/images/pp-ts-deploy-pred-int-jp.png](https://docs.datarobot.com/ja/docs/images/pp-ts-deploy-pred-int-jp.png) **リーダーボード:** [https://docs.datarobot.com/ja/docs/images/pp-ts-leaderboard-pps-pred-int-jp.png](https://docs.datarobot.com/ja/docs/images/pp-ts-leaderboard-pps-pred-int-jp.png) > [!WARNING] モデルパッケージ生成のパフォーマンスに関する注意事項 > 予測区間を計算 オプションはデフォルトで無効になっています。これは、予測間隔の計算と組み込みにより、モデルパッケージの生成に要する時間が大幅に増加する可能性があるためです。 モデルパッケージの予測間隔を有効にし、モデルをポータブル予測サーバーにデプロイした後、 `.yaml` PPS設定ファイルまたはPPS環境変数を使用して、予測間隔のパーセンタイルと指数傾向を設定できます。 > [!NOTE] 備考 > 以下の環境変数は、YAML設定が指定されていない場合にのみ使用されます。 | YAML変数 / 環境変数 | 説明 | タイプ | デフォルト | | --- | --- | --- | --- | | prediction_intervals_percentile / MLOPS_PREDICTION_INTERVALS_PERCENTILE | 予測間隔範囲の定義に使用するパーセンタイルを設定します。 | 整数 | 80 | ## ポータブル予測サーバーの設定 ダウンロードしたモデルパッケージをポータブル予測サーバーにデプロイするには、まずPPS Dockerイメージをダウンロードし、そのイメージをDockerに読み込む必要があります。 ### PPS Dockerイメージの取得 APIのキーとツール タブに移動して、 [ポータブル予測サーバーのDockerイメージ](https://docs.datarobot.com/ja/docs/platform/acct-settings/api-key-mgmt.html.md#portable-prediction-server-docker-image) をダウンロードします。 次の表で説明するように、DataRobotの環境とバージョンに応じて最新のイメージにアクセスするためのオプションが異なる場合があります。 | デプロイのタイプ | ソフトウェアバージョン | アクセス方法 | | --- | --- | --- | | セルフマネージドAIプラットフォーム | v6.3以前 | 詳細については、DataRobotの担当者に連絡してください。 イメージはリクエストに応じて提供されます。 | | セルフマネージドAIプラットフォーム | v7.0以降 | APIのキーとツールからイメージをダウンロードし、以下の説明に従ってインストールします。 イメージを取得できない場合は、DataRobotの担当者に連絡してください。 | | マネージドAIプラットフォーム | 2021年1月以降 | APIのキーとツールからイメージをダウンロードし、以下の説明に従ってインストールします。 | ### Dockerへのイメージのロード > [!WARNING] 注意 > 現在、DataRobotはイメージサイズの縮小に取り組んでいますが、圧縮されたDockerイメージは6 GBを超える場合があります（Dockerが読み込まれたイメージのレイヤーは14 GBを超える場合があります）。 PPSイメージをダウンロードおよびインポートする場合は、これらのサイズを考慮してください。 続行する前に、 [開発者ツール](https://docs.datarobot.com/ja/docs/platform/acct-settings/api-key-mgmt.html.md#portable-prediction-server-docker-image) からイメージをダウンロードします。 Dockerで読み込める、 `gzip` されたtarアーカイブです。 ダウンロードしてファイルのチェックサムを確認したら、 [docker load](https://docs.docker.com/engine/reference/commandline/load/) を使用してイメージを読み込みます。 Dockerは `gzip` されたtarアーカイブからのイメージ読み込みをネイティブにサポートしているので、ダウンロードしたファイルを解凍する必要はありません。 **Dockerへのイメージのロード:** 以下のコマンドをコピーし、 `` を置き換えてコマンドを実行すると、PPSイメージがDockerに読み込まれます。 ``` docker load < datarobot-portable-prediction-api-.tar.gz ``` > [!NOTE] 備考 > PPSファイルがカレントディレクトリにない場合は、tarファイルへのローカルな絶対ファイルパスを指定する必要があります（例： `/path/to/datarobot-portable-prediction-api-.tar.gz` ）。 **例：Dockerへのイメージのロード:** PPSファイルに `docker load` コマンドを実行すると、次のような出力が表示されるはずです。 ``` docker load < datarobot-portable-prediction-api-9.0.0-r4582.tar.gz 33204bfe17ee: Loading layer [==================================================>] 214.1MB/214.1MB 62c077c42637: Loading layer [==================================================>] 3.584kB/3.584kB 54475c7b6aee: Loading layer [==================================================>] 30.21kB/30.21kB 0f91625c248c: Loading layer [==================================================>] 3.072kB/3.072kB 21c5127d921b: Loading layer [==================================================>] 27.05MB/27.05MB 91feb2d07e73: Loading layer [==================================================>] 421.4kB/421.4kB 12ca493d22d9: Loading layer [==================================================>] 41.61MB/41.61MB ffb6e915efe7: Loading layer [==================================================>] 26.55MB/26.55MB 83e2c4ee6761: Loading layer [==================================================>] 5.632kB/5.632kB 109bf21d51e0: Loading layer [==================================================>] 3.093MB/3.093MB d5ebeca35cd2: Loading layer [==================================================>] 646.6MB/646.6MB f72ea73370ce: Loading layer [==================================================>] 1.108GB/1.108GB 4ecb5fe1d7c7: Loading layer [==================================================>] 1.844GB/1.844GB d5d87d53ea21: Loading layer [==================================================>] 71.79MB/71.79MB 34e5df35e3cf: Loading layer [==================================================>] 187.3MB/187.3MB 38ccf3dd09eb: Loading layer [==================================================>] 995.5MB/995.5MB fc5583d56a81: Loading layer [==================================================>] 3.584kB/3.584kB c51face886fc: Loading layer [==================================================>] 402MB/402MB c6017c1b6604: Loading layer [==================================================>] 1.465GB/1.465GB 7a879d3cd431: Loading layer [==================================================>] 166.6MB/166.6MB 8c2f17f7a166: Loading layer [==================================================>] 188.7MB/188.7MB 059189864c15: Loading layer [==================================================>] 115.9MB/115.9MB 991f5ac99c29: Loading layer [==================================================>] 3.072kB/3.072kB f6bbaa29a1c6: Loading layer [==================================================>] 2.56kB/2.56kB 4a0a241b3aab: Loading layer [==================================================>] 415.7kB/415.7kB 3d509cf1aa18: Loading layer [==================================================>] 5.632kB/5.632kB a611f162b44f: Loading layer [==================================================>] 1.701MB/1.701MB 0135aa7d76a0: Loading layer [==================================================>] 6.766MB/6.766MB fe5890c6ddfc: Loading layer [==================================================>] 4.096kB/4.096kB d2f4df5f0344: Loading layer [==================================================>] 5.875GB/5.875GB 1a1a6aa8556e: Loading layer [==================================================>] 10.24kB/10.24kB 77fcb6e243d1: Loading layer [==================================================>] 12.97MB/12.97MB 7749d3ff03bb: Loading layer [==================================================>] 4.096kB/4.096kB 29de05e7fdb3: Loading layer [==================================================>] 3.072kB/3.072kB 2579aba98176: Loading layer [==================================================>] 4.698MB/4.698MB 5f3d150f5680: Loading layer [==================================================>] 4.699MB/4.699MB 1f63989f2175: Loading layer [==================================================>] 3.798GB/3.798GB 3e722f5814f1: Loading layer [==================================================>] 182.3kB/182.3kB b248981a0c7e: Loading layer [==================================================>] 3.072kB/3.072kB b104fa769b35: Loading layer [==================================================>] 4.096kB/4.096kB Loaded image: datarobot/datarobot-portable-prediction-api:9.0.0-r4582 ``` `docker load` コマンドが `Loaded image` メッセージとともに正常に完了したら、イメージが [docker images](https://docs.docker.com/engine/reference/commandline/images/) コマンドで読み込まれていることを確認する必要があります。 **読み込んだイメージの表示:** 以下のコマンドをコピーして実行すると、Dockerにあるイメージの一覧が表示されます。 ``` docker images ``` **例：読み込んだイメージの表示:** この例では、前の手順で読み込んだ `datarobot/datarobot-portable-prediction-api` イメージを確認できます。 ``` docker images REPOSITORY TAG IMAGE ID CREATED SIZE datarobot/datarobot-portable-prediction-api 9.0.0-r4582 df38ea008767 29 hours ago 17GB ``` > [!TIP] ヒント > （オプション）圧縮されたイメージアーカイブ `datarobot-portable-prediction-api-.tar.gz` は、正常に読み込めたら削除することで、ディスクスペースを節約できます（オプション）。 ## コードスニペットでのPPSの起動 モデルパッケージをダウンロードしてDocker PPSイメージを設定したら、関連する [docker run](https://docs.docker.com/engine/reference/commandline/run/) コードスニペットを使用して、ダウンロードしたモデルパッケージでポータブル予測サーバーを起動することができます。 **OpenShiftでのPPSの起動** OpenShift環境でPPSを実行する場合、NGINXがデフォルトで特権ポートの使用を試行しないようにするには、OpenShiftにデプロイされたYAMLに以下の環境変数設定を含める必要があります。 ``` env: - name: NGINX_BIND_PRIVILEGES_MODE value: "unprivileged" ``` **デプロイコードスニペット（監視あり）:** デプロイされたモデルからのこちらのコードスニペット例では、以下にハイライトされたオプションを設定する必要があります。 1 2 3 4 5 6 7 8 9 10 -v /:/opt/ml/model/ \ : ダウンロードしたモデルパッケージの場所へのローカルな絶対ファイルパスを指定します。 -v （または --volume ）オプションのバインドでボリュームをマウントし、（ の）ローカルモデルパッケージディレクトリの内容をDockerコンテナの /opt/ml/model ボリュームに追加します。 -e PREDICTION_API_MODEL_REPOSITORY_PATH="/opt/ml/model/" \ : /opt/ml/model/ ボリュームにマウントされたモデルパッケージのファイル名を指定します。 これにより、PPSがモデルパッケージを見つけられる場所を示す環境変数 PREDICTION_API_MODEL_REPOSITORY_PATH が設定されます。 -e MONITORING_AGENT_DATAROBOT_APP_TOKEN="" \ : 監視目的で、DataRobotの開発者ツールからAPIトークンを提供します。 これにより、環境変数 MONITORING_AGENT_DATAROBOT_APP_TOKEN が設定され、PPSがAPIキーを見つけられるようになります。 datarobot-portable-prediction-api ：この行を、使用しているPPSイメージのイメージ名とバージョンで置き換えます。 例： datarobot/datarobot-portable-prediction-api: 。 **リーダーボードのコードスニペット:** リーダーボードモデル向けのこちらのコードスニペット例では、以下にハイライトされたオプションを設定する必要があります。 1 2 3 4 5 -v /:/opt/ml/model/ \ : ダウンロードしたモデルパッケージがあるディレクトリへのローカルな絶対ファイルパスを指定します。 -v （または --volume ）オプションのバインドでボリュームをマウントし、（ の）ローカルモデルパッケージディレクトリの内容をDockerコンテナの /opt/ml/model ボリュームに追加します。 -e PREDICTION_API_MODEL_REPOSITORY_PATH="/opt/ml/model/" \ : /opt/ml/model/ ボリュームにマウントされたモデルパッケージのファイル名を指定します。 これにより、PPSがモデルパッケージを見つけられる場所を示す環境変数 PREDICTION_API_MODEL_REPOSITORY_PATH が設定されます。 datarobot-portable-prediction-api ：この行を、使用しているPPSイメージのイメージ名とバージョンで置き換えます。 例： datarobot/datarobot-portable-prediction-api: 。 **dockerタグを使用してイメージに名前とタグを付ける** あるいは、 [docker tag](https://docs.docker.com/engine/reference/commandline/tag/) を使用して新しいイメージに `latest` というタグを付けて `datarobot-portable-prediction-api` に名前を変更すれば、最後の行に `datarobot-portable-prediction-api` を残すことができます。 この例では、Dockerはイメージの名前を変更し、 `9.0.0-r4582` タグを `latest` タグで置き換えています。 ``` docker tag datarobot/datarobot-portable-prediction-api:9.0.0-r4582 datarobot-portable-prediction-api:latest ``` 新しいタグと名前を確認するには、もう一度 `docker images` コマンドを使用します。 ``` docker images REPOSITORY TAG IMAGE ID CREATED SIZE datarobot/datarobot-portable-prediction-api 9.0.0-r4582 df38ea008767 29 hours ago 17GB datarobot-portable-prediction-api latest df38ea008767 29 hours ago 17GB ``` セットアップを完了したら、Dockerスニペットを使用して、 [単一または複数モデルのポータブルリアルタイム予測の実行](https://docs.datarobot.com/ja/docs/classic-ui/predictions/port-pred/pps/pps-run-modes.html.md) や、 [ポータブルバッチ予測の実行](https://docs.datarobot.com/ja/docs/classic-ui/predictions/port-pred/pps/portable-batch-predictions.html.md#run-portable-batch-predictions) ができます。 PPSを使用した予測ジョブの [追加の例](https://docs.datarobot.com/ja/docs/classic-ui/predictions/port-pred/pps/portable-batch-predictions.html.md#more-examples) も参照してください。 PPSは、メインのDataRobotインストール環境から切り離して実行することができます。 開始すると、イメージは `:8080` ポートを介してHTTP APIを提供します。 **FIPS対応モデルパッケージのPPSを実行する** `ENABLE_FIPS_140_2_MODE: true` （クラスターレベルの `config.yaml` ファイルで）DataRobotクラスターを設定すると、そのクラスターは、 `ENABLE_FIPS_140_2_MODE: true` のPPSを起動する必要があるMLKPGファイルを構築します。 このため、FIPS対応モデルと標準モデルを、同じPPSインスタンスでホストできません。 FIPS対応モデルをサポートしてPPSを実行するには、 [docker run](https://docs.docker.com/engine/reference/commandline/run/) に、次の引数を含めることができます。 ``` -e ENABLE_FIPS_140_2_MODE="true" ``` PPSコンテナ起動のフルコマンドは、以下の例のようになります。 ``` docker run -td -p 8080:8080 -e PYTHON3_SERVICES="true" -e ENABLE_FIPS_140_2_MODE="true" -v /:/opt/ml/model --name portable_predictions_server --rm datarobot/datarobot-portable-prediction-api: ```