Ze šesti týdnů DevOps muk na třídenní integraci
Aktualizováno pro rok 2026.
Šest týdnů. Dva inženýři. Čtyři neúspěšné pokusy o nasazení. Jeden zdravotnický SaaS tým strávil toto vše na vlastním nastavení Presidia. Pak přešli na spravované API. Přechod trval 3 dny.
Nálepka „zdarma” na open-source softwaru je lákavá. Stejně tak příslib plné kontroly. Ale skutečné náklady se projeví v hodinách inženýrské práce. Nikoli v licenčních poplatcích.
Co dokumentace Presidia nepokrývá
Dokumentace Presidia dobře pokrývá lokální nastavení. Spusťte dva Docker kontejnery. Namiřte anonymizátor na analyzátor. Na vašem notebooku to funguje.
Produkce je jiný příběh.
Škálování: Lokální Presidio běží jako jedna instance. Produkce vyžaduje více instancí za load balancerem, health checks a bezpečné selhání. Dokumentace Presidia k tomu nedává žádný návod. Každý tým to řeší sám.
Využití paměti: Modely spaCy se načítají do RAM na instanci. Samotný model en_core_web_lg má 741 MB. Pod tlakem paměti výkon klesá. Pak proces spadne s chybou „out-of-memory”. Presidio nemá k tomu žádné vestavěné pokyny.
Timeouty: Velké dokumenty trvají déle. Produkční kód potřebuje konfigurovatelné timeouty, bezpečné timeout odpovědi a logiku opakování. Nic z toho není v dokumentaci Presidia.
Selhání načtení modelu: Při vysoké souběžnosti se více pracovníků pokouší načíst stejný model spaCy najednou. Jde o race condition. Výsledkem jsou náhodné chyby 500, které je těžké reprodukovat. GitHub Issues Presidia to dokumentují. Hlavní dokumentace nikoli.
Auditní logy: GDPR a HIPAA vyžadují auditní záznamy zpracování PII. Presidio nemá vestavěné logování. Každý tým musí napsat vlastní middleware.
Verzování API: API Presidia se mezi verzemi změnilo. Kód sestavený pro Presidio 2.0 může vyžadovat aktualizace pro verze 2.2 a vyšší. Připnutí verze pomáhá. Ale přidává vlastní zátěž údržby.
Šest týdnů zdravotnického SaaS týmu
Tento tým zabudoval anonymizaci PHI do pipeline pro export výzkumných dat.
Týden 1: Postupovali podle dokumentace Presidia. Lokální vývoj fungoval. Nasazení Kubernetes selhalo. Inicializace podů vykazovala chyby načítání modelů. Tým sledoval problémy s konfigurací Kubernetes.
Týden 2: Konfigurace Kubernetes byla opravena. Načítání modelů někdy fungovalo. Při zátěžovém testování selhávalo přibližně 15 % požadavků s timeouty načítání modelů. Přidali logiku opakování.
Týden 3: Logika opakování zakryla kořenový problém, ale prošla zátěžovými testy. Přezkoumání compliance požadovalo auditní logy. Tým napsal vlastní middleware pro logování.
Týden 4: Zdravotnické typy entit — čísla zdravotní dokumentace, identifikátory zdravotního plánu — výchozí nastavení Presidia nepokrývalo. Tým napsal dva vlastní rozpoznávače.
Týden 5: Přešli do produkce. Objevil se únik paměti. Objekty modelů spaCy se hromadily napříč požadavky. Tým přidal jako řešení denní restart podů.
Týden 6: Produkce selhala pod reálným provozem. Denní restart způsoboval výpadky služby. Kořenová příčina byla jasná: únik paměti vyžadoval buď zásadní redesign aplikace, nebo jiný nástroj.
Přezkum: Vedoucí inženýr spočítal čísla. Šest týdnů krát dva inženýři rovná se 12 inženýrských týdnů. Nasazení bylo živé, ale nestabilní. Průběžná údržba byla odhadnuta na 5 až 10 hodin týdně.
Přechod: Tým testoval API anonym.legal. Pokrytí PHI entit fungovalo hned po vybalení. Žádné vlastní rozpoznávače nebyly potřeba. SLA zaručující dostupnost. Auditní logování zahrnuto. Integrace trvala 3 dny pomocí jejich stávajícího klientského kódu API.
Porovnání nákladů:
- 12 inženýrských týdnů při amerických tržních sazbách: 48 000–72 000 USD
- Odhadovaná roční údržba vlastního hostingu: 25 000–40 000 USD
- Plán anonym.legal Business: 348 € ročně (přibližně 385 USD)
Spravované API stojí méně za svůj první týden než stál vlastní build za svou první hodinu.
Když data nemohou opustit vaši síť
Některé zdravotnické týmy nemohou odesílat data na žádnou externí službu. Pravidla vzduchové mezery nebo politiky datové suverenity to blokují.
Pro tyto případy nabízí desktopová aplikace (anonym.plus) stejný engine v lokální instalaci:
- Stejný detekční engine: Presidio plus XLM-RoBERTa
- Žádná volání externích služeb
- Dávkové zpracování klinických poznámek a výzkumných datových sad
- Žádné nastavení kromě instalace
- Automatická správa modelů
To odstraňuje hlavní námitku vůči spravovanému SaaS: „naše data nemohou opustit prostředí.” Zachovává přitom jednoduchost, která dělá spravované nástroje hodnotnými.
Sestavit vs. koupit: jednoduchý rámec
Zvolte spravované API, když:
- Váš tým nemá dedikované infrastrukturní inženýry
- Potřebujete nasadit za dny, nikoli týdny
- SLA zaručující dostupnost je požadavek
- Spravovaná služba pokrývá vaše typy entit
- Potřebujete auditní logy a záznamy o compliance zahrnuté v ceně
Zvolte vlastní hosting, když:
- Předpisy zakazují opuštění dat z vaší sítě (nejprve zkontrolujte desktopovou aplikaci)
- Váš objem zpracování dělá vlastní hosting při daném měřítku levnějším
- Potřebujete hluboké přizpůsobení, které API nepodporuje
- Máte platformový tým, který to považuje za jednu z mnoha spravovaných služeb
Zvolte desktopovou aplikaci, když:
- Je vyžadováno offline zpracování
- Data lékařského výzkumu nemohou opustit klinické prostředí
- Finanční data mají geografická omezení zpracování
Závěr
Šest týdnů inženýrského času není chybou Presidia. Je to očekávaná cena za provoz jakékoli produkční NLP služby vlastními silami. Škálování, problémy s pamětí, selhání načítání modelů, auditní logy a práce na vlastních entitách se rychle sčítají.
Spravovaná API tento náklad absorbují. Pro anonymizaci PII — potřebu compliance, nikoli produktovou funkci — spravovaná cesta téměř vždy vyhrává z hlediska celkových nákladů vlastnictví.
Přečtěte si, jak API anonym.legal zpracovává detekci PHI. Viz úplné podrobnosti compliance v našem přehledu bezpečnosti. Porovnejte plány na naší stránce s cenami.
Zdroje
- Ploomber: Presidio Production Deployment Deep Dive — ploomber.io.
- Microsoft Fabric Community: Presidio with PySpark — blog.fabric.microsoft.com.
- Presidio GitHub: Production Deployment Issues — github.com/microsoft/presidio/issues.