轉載從: Tech News 科技新報
LINE 日前盛大舉行一年一度的 LINE 台灣開發者大會「LINE TAIWAN TECHPULSE 2020」，在主題專講中，LINE 分享今年在台包括 VKS 容器化平台、MLU 機器學習平台等技術躍進，並且大幅提升開發效率，同時揭開 LINE CLOVA 在台發展方向。
LINE 導入 VKS 容器化平台，強化開發部署效率
疫情不僅讓民眾對網路服務的依賴度提高，也促使網路服務商加速優化基礎設施。其中，容器化平台服務（Verda Kubernetes Services，VKS）具有彈性，當使用人數以及流量暴增時可以自動平行擴展，承載瞬間的流量峰值，為使用者提供更穩定的服務體驗；同時 VKS 也整合許多開源的生態系資源，並因全球 Kubernetes 開發社群相當活躍、共同維護，這樣的平台對單一廠商而言，維護成本相對較低。
LINE 總部已在今年初建立 VKS，LINE 台灣團隊在地完成所有服務的架構重構，到了第三季已將所有台灣的專案與服務搬移到 VKS 上，在 10 月份就有 20 多項專案在 VKS 上面運作，部署超過 130 個 App 配置以及 50 多個叢集。
LINE 台灣技術長陳鴻嘉也在主題演說時分享，台灣專案數快速成長，如何有效發揮人力資源便成為重要課題，其中包括強化開發部署的效率。當新進人員到來期望能夠盡快加入應用開發，以往只靠 Verda 虛擬機器時，新人大約需要 1、2 週建置開發工作環境；但從虛擬機器轉到 VKS 後，新人在報到的半小時後就能加入應用開發。
LINE 打造 MLU 機器學習平台，優化專案開發管理流程
LINE TAIWAN TECHPULSE 2020 另一亮點即是 MLU（Machine Learning Universe）機器學習平台。LINE 台灣在 2018 年成立資料工程研發團隊，正規化資料獲取流程，逐步累積台灣使用者行為資料，團隊會利用海量的去識別化資料來訓練機器學習模型。
原本訓練好的模型需要人工部署到線上環境，過程中有許多繁瑣的重複工作。於是今年 LINE 以 MLOps 觀念打造 MLU 機器學習平台，讓團隊訓練完的模型能快速測試，直接部署到服務中，大幅提升開發效率。
除此以外，MLU 對機器學習相關專案的流程管理也是很有效的輔助平台。原先在機器學習專案的開發過程中，每個階段都是獨立運作，一個階段完成後交棒給下一階段，每個階段成員不同，交接之間的協作不完全順暢。LINE 台灣資料工程部資深經理蔡景祥強調，MLU 讓團隊可在同一個平台上執行每個階段所需要的工作。當每個階段成員的角色都定義清楚時，團隊就能以一致、標準化流程進行開發，讓開發人力達到最佳化部署，也讓機器學習技術規模化並落實在各個專案當中。
（首圖為 LINE 台灣技術長陳鴻嘉；首圖來源：LINE）