Cloud ML：工作与运营
Cloud ML: Jobs vs Operations
在阅读 Cloud ML 文档时，我一直坚持使用 'operation' 术语。有人可以解释一下它指的是什么以及它与 Cloud ML Jobs 的关系吗？
工作往往是长期存在的事情，例如处理模型或进行批量预测。
操作往往是对已部署模型的创建-读取-更新-删除操作。
作业和操作有多种不同之处：
作业用于训练或预测。操作适用于 create/update/deleting 模型和版本。
作业是 API 调用的输入和输出。运算仅输出。
对于作业，您可以指定作业 ID（因此您可以在出现 5xx 错误时重新提交而无需复制作业）。对于操作，操作 ID 是自动分配的。
Operation 对象在众多 GCP 服务中是相同的，但 Job 对象是 ML Engine 所独有的。
老实说，这对 API 设计来说意义不大。我猜测发生的事情是 Operation 在 standard GCP way 中用于简单功能，但是对于 training/prediction 这还不够，所以 API 设计者添加了 Job 对象。
在阅读 Cloud ML 文档时，我一直坚持使用 'operation' 术语。有人可以解释一下它指的是什么以及它与 Cloud ML Jobs 的关系吗？
工作往往是长期存在的事情，例如处理模型或进行批量预测。
操作往往是对已部署模型的创建-读取-更新-删除操作。
作业和操作有多种不同之处：
作业用于训练或预测。操作适用于 create/update/deleting 模型和版本。
作业是 API 调用的输入和输出。运算仅输出。
对于作业，您可以指定作业 ID（因此您可以在出现 5xx 错误时重新提交而无需复制作业）。对于操作，操作 ID 是自动分配的。
Operation 对象在众多 GCP 服务中是相同的，但 Job 对象是 ML Engine 所独有的。
老实说，这对 API 设计来说意义不大。我猜测发生的事情是 Operation 在 standard GCP way 中用于简单功能，但是对于 training/prediction 这还不够，所以 API 设计者添加了 Job 对象。