提升ModelArts与OBS交互性能

当程序代码中发现与华为云OBS互联出现功能问题或者是出现性能低问题时，可以借助MoXing的接口去规避。

以一个客户案例来说明，用户代码大致如下：

import tensorflow as tf

...

summary_writer = tf.summary.FileWriter('obs://bucket/train_url/')

with tf.train.MonitoredTrainingSession() as sess:
  for step in range(10000):
    if step % log_step == 0:
      _, summary = sess.run([train_op, summary_op])
      summary_writer.add_summary(summary, step)
    else:
      sess.run(train_op)

上述代码的作用是每隔log_step，追加一些summary到OBS。用户的summary非常大，可能会到4GB以上，这里使用了TensorFlow直接连接OBS，并且不停的往OBS上的一个大文件追加写，性能会越来越慢。

解决思路：将一个summary大文件分片成多个小文件，每次追加的时候保证原始文件不会太大，并且直接保存到本地，定期利用mox接口上传到OBS

解决思路：将一个summary大文件分片成多个小文件，每次追加的时候保证原始文件不会太大，并且直接保存到本地，定期利用mox接口上传到OBS

参考代码：

import tensorflow as tf
import moxing as mox

...

# 先保存到本地summary_writer = tf.summary.FileWriter('/cache/local_summary/')

with tf.train.MonitoredTrainingSession() as sess:
  for step in range(10000):
    if step % log_step == 0:
      _, summary = sess.run([train_op, summary_op])
      summary_writer.add_summary(summary, step)
    else:
      sess.run(train_op)

    # 每隔1000个step，把summary强制写到磁盘，并且重新创建一个新的writer，强制移动到下一个文件分片
    # 在此场景中，一共10000步，假设log_step为100
    # 相当于每隔100步保存一次summary到本地，每隔1000步将summary写回磁盘，然后上传到OBS
    # 并且新建一个文件继续记录接下来的summary。也就是说最后会有10个events文件来保存summary
    if step % 1000 == 0:
      summary_writer.flush()
      summary_writer.close()
      mox.file.sync_copy('/cache/local_summary/', 'obs://bucket/train_url/')
      summary_writer = tf.summary.FileWriter('/cache/local_summary/')
      
# 最后上传遗留的所有文件
summary_writer.flush()
summary_writer.close()
mox.file.sync_copy('/cache/local_summary/', 'obs://bucket/train_url/')