在生产环境中监控机器学习模型会产生大量数据，并需要能在负载下稳定运行的系统。在明确了要监控什么之后（从数据漂移到性能下降），现在将重点转向建设和管理必要的基础设施，以便高效地支持这些大规模监控活动的实际操作层面。

本章将讨论相关的工程挑战。您将学习到：

• 记录数据量大的环境中预测数据和监控输出的策略。
• 使用时序数据库（$TSDBs$），它们专门设计用于高效处理带有时间戳的指标数据。
• 设计可以水平扩展的监控管道分布式系统架构。
• 将您的监控组件与Kubeflow、MLflow和SageMaker等常见MLOps平台集成。
• 专门用于ML监控的开源和商业工具概览。
• 创建有用的仪表盘和设置有意义的警报，以便及时了解模型健康状况的方法。

我们将探讨如何选择和配置这些组件，以构建一个符合生产机器学习需求的监控系统。