第2讲回顾：FATE的部署模型以及基于Docker-Compose快速部署联邦学习开发实验环境

「AI开发者成长计划」首期公开课由机器之心与微众银行联合开设，主题为《联邦学习FATE入门与应用实战》，特邀合作伙伴 VMware 也将参与分享。 公开课为期4周，共6期课程 ，设置主题分享、项目实践、在线答疑等环节，从零入门联邦学习。

整体学习计划与加入方式请查看：《联邦学习FATE入门与应用实战》公开课上线！

3 月 12 日，机器之心联合微众银行开设的公开课《联邦学习 FATE 入门与应用实战》第二讲结课，VMware 研发工程师陈家豪为大家介绍了开源框架 FATE 的部署，第二讲视频回顾： 

第二课精选问答

在第2课的 QA 环节中，有一些问题被广泛提到并且很有价值，所以我们进行了精选与编辑，供大家参考。 

1）「toy_example」跑不通原因是什么？

因为 FATE 的架构比较复杂，加上系统和网络不稳定性等客观原因，一遍下来某些步骤有不可控的小问题。这些问题可以逐步去排除，但是我们推荐比较简单的方法是可以重新跑一遍或几遍。如果还是不行那就定位是否是指令集不支持的问题，详情请参考我们 kubeFATE 在 github 上的 wiki。

2）Exchange 也负责模型聚合吗，还是只负责建立底层通信？

它是不负责模型聚合的，只负责通讯。

3）目标机和部署机有什么区别？

我们前面说 KubeFATE 的使用其实分为两个部分，一个部分是生成启动集群的配置文件。另外一个部分就是运行的 FATE 集群。部署机就是生成配置文件的机器，目标机是运行集群的机器。部署机和目标机只是一个逻辑上的划分，他们实际上可以是同一台服务器。

4）每个 party 都是有自己的 k8s 集群么？

其实取决于你是哪种部署方式，如果是 docker-compose 的话，你就不需要有 k8s 集群了。

5）这些 party 里有分中心机构和参与机构吗？

没有严格的区分，一个 party 即可以做分享数据的中心机构，也可以做参与机构，这取决于训练的具体内容。

6）如何实现分布式训练？

分布式训练由 EggRoll 模块提供支持，它向上提供了一个 MapReduce 的功能。

7）kubefate 支持容灾吗，节点挂了怎办？

如果是使用 k8s 部署的话，那么容灾其实是依赖于 k8s。节点挂也没关系，k8s 会帮你重新起一个。

8）一个 party 有多个用户吗？

一个 party 可以有多服务多个用户，这是没问题。

大家如有更多疑问，也欢迎在评论区留言讨论，我们也会定期邀请讲师在评论区答疑，并持续将精选问答收录到本篇文章的正文内容中。