在Jupyter Notebook中使用FATE Client构建任务
联邦学习开源框架FATE发布了1.5版本。由于该版本为长期支持版本（LTS），因此无论是在性能和稳定性上相对于之前的版本都有了比较大的提升，建议还没有升级的用户可以及时更新。
FATE在1.5有两个比较重要的改动，一个是可以使用Spark作为底层计算引擎；另一个则是提供了"fate_client"开发工具。后者在很大程度上方便了用户与FATE集群的交互,本文将配合Jupyter Notebook来着重介绍"fate_client"的使用。而对使用Spark作为底层计算引擎感兴趣的读者可以关注本系列文章，我们将会在后续文章中对其架构和使用进行介绍。
对于使用KubeFATE来部署集群的用户来说，部署完成后通过docker或者kubectl命令列出容器时会发现一个名为"client"的容器。该容器是是一个Jupyter Notebook服务，并且已经集成了"fate_client"，因此用户打开Notebook后可以直接使用相应的包与FATE集群进行交互。
Notebook服务的访问方式根据部署方式而异，详情如下：
-
docker-compose方式部署：访问部署节点的20000端口，如192.168.0.1:20000。
-
kubernetes方式部署：通过域名方式访问，如通过"9999.notebook.example.com"来访问party 9999的notebook，域名的设置详情请参考"optional-add-kubefatenet-to-host-file"。
对于没有使用KubeFATE来部署集群的用户，则需要额外启动Jupyter Notebook服务和通过pip的方式安装"fate_client"。假设用户已经具备python 3.7环境则步骤如下：
$ pip install notebook fate-client
$ jupyter notebook --ip=0.0.0.0 --port=20000 --allow-root --debug --no-browser --NotebookApp.token='' --NotebookApp.password=''上面的第二条命令会启动Jupyter Notebook服务并监听20000端口，待服务启动完毕后则可以通过的方式"IP：Port"的方式访问Notebook，下图展示通过浏览器访问Notebook服务。
通过KubeFATE部署的Jupyter Notebook自带了一些例子，这些例子是通过fml_manager来跟FATE集群进行交互的，在不久的未来fml_manager将与fate_client进行整合，因此本文不再详述。
目前fate_client已经打包上传到了PyPI上，因此可直接通过pip install的方式来安装。
从代码上来看其主要分为了三个部分，分别如下：
这是对fate_flow所提供的HTTP API的一层封装，因此对于FATE中常用的数据结构如job、component等都有相应的操作，用户可以在代码中导入它来跟FATE集群进行交互。一个通过flow_sdk来提交训练任务的例子如下：
from flow_sdk.client import FlowClient
client = FlowClient('127.0.0.1', 9380, 'v1')
client.job.submit(conf_path, dsl_path)上面的Python代码中通过FlowClient('127.0.0.1', 9380, 'v1')初始化了与fate_flow的链接。
随后调用job.submit提交任务，任务的配置和DSL文件分别由conf_path和dsl_path指定。
更多关于flow_sdk支持的操作可以参考"flow_sdk/README.rst"。
这个模块是在fate_sdk之上的一层封装，通过它可以直接以命令行的方式来跟FATE集群进行交互。
flow_client在第一次使用时需要先进行初始化，需要指定fate_flow的地址，命令如下:
$ flow init --ip 127.0.0.1 --port 9380初始化只需要执行一次，完成后可以通过以下例子来提交任务：
$ flow job submit -c fate_flow/examples/test_hetero_lr_job_conf.json -d fate_flow/examples/test_hetero_lr_job_dsl.json更多关于flow_client支持的指令可以参考"flow_client/README.rst"。
此模块同样也是基于fate_sdk之上的一层封装，其最核心的功能是把FATE所有支持的算法都封装成了python中的类。以往任务的流程只能通过json文件去定义，但通过pipeline模块，用户可以通过代码以更加简洁和方便的方式去定义任务流程。
pipeline最终会通过flow_sdk把任务提交到FATE集群上执行，因此它需要通过初始化来传递fate_flow的地址给flow_sdk。一个初始化的例子如下：
$ flow init --ip 127.0.0.1 --port 9380 -d ./log其中-d指定了输出日志的路径。
使用Pipeline构建任务的具体例子可参考下一节，至于pipeline的更多详情可以参考"pipeline/README.rst"。
接下来将通过一个例子来详细讲述如何通过"Pipeline"来定义和执行任务，下面用到的"usage_of_fate_client.ipynb"，用户可以自行下载并上传到Notebook服务上使用。
Notebook更改自FATE的"pipeline-mini-demo.py"。
该例子按列把原数据集"breast_cancer"拆分了"breast_hetero_guest"和"breast_hetero_host"两部分，其中参与训练的host方持有不带标签的"breast_hetero_host"，而guest方则持有带有标签的"breast_hetero_guest"。随后guest和host将联合起来对数据集进行异构逻辑回归训练，最后当训练完成后还会使用模型执行离线推理任务。
为了简化，Notebook的例子中只出现了一个FATE集群，该集群同时承担了guest和host的角色。但在现实应用中，这两个角色应由不同的FATE集群担任。
对于不是通过KubeFATE来部署集群的用户来说，还需要依照上一节提到的方式为"Pipeline"进行初始化，反之只需要直接通过浏览器访问Notebook即可，无需进行初始化操作。为方便起见，以下访问的Notebook服务经由KubeFATE部署，其party_id为10000。
下面每一步执行的日志都会输出到Pipeline/logs目录下，用户可以很方便地通过Notebook查看。
在FATE中执行训练任务需要把原数据集上传到集群中，并且需要指定（"namespace", "name"）来作为其在系统中的唯一标识。
在下面的代码中定义了guest_train_data和host_train_data两个数据集，并把原数据"breast_hetero_guest.csv"和
"breast_hetero_host.csv"分别上传到对应的数据集当中。
在下面的代码中首先用guest_train_data、host_train_data、guest_eval_data、host_eval_data指定了任务所需要用到的数据。在任务的pipeline通过PipeLine()初始化之后，使用set_initiator和set_roles来设定guest和host的相关信息。最后定义了Reader、DataIO、Intersection和HeteroLR。其中reader_0和reader_1分别用于读取训练和验证的数据；dataio_0和dataio_1用于把读取到的数据转为后续组件使用所需的格式；intersection_0和intersection_1分别用于求训练数据集和验证数据集的交集；hetero_lr_0则定义了异构逻辑回归算法的具体参数。
这个代码段首先通过调用add_component()把上一步定义的组件加入到了任务的pipeline中，调用的顺序需要与组件的执行顺序一致。然后通过compile()来验证和编译pipeline，接着通过job_parameters来指定任务的计算引擎、工作模式等参数，最后调用fit来提交并运行任务。
预测的任务通过一个新的pipeline实例predict_pipeline来完成。在预测前需要通过pipeline.deploy_component()来部署必要的组件，然后在predict_pipeline中使用。
预测的结果可以通过FATEBoard的来查看，结果如下：
目前在FATE中已经自带了很多使用"Pipeline"的例子: examples/pipeline，感兴趣的读者可以把它们转换到Notebook里面来使用。
相对与之前的版本，FATE1.5在各方面都有了比较大的提升，特别是在方便用户的使用上作出非常多的改进。本文只对其中一部分更新进行了介绍，对于更加详细的内容可以参考FATE的github代码库和官方网站。