fate资料存在着多处版本功能与发布的文档不匹配的情况，各个模块都有独立的文档，功能又有关联，坑比较多，首先要理清楚各概念、模块之间的关系。
1.概念解释：
RollSite是一个grpc通信组件，是eggroll引擎中的一个模块，相当于我们的grpc通信网关。
2.对比解读：
l网状架构相当于我们的一体化版本模式，但没有dop平台来维护网关，每方需要在配置文件里维护其他参与方的网关地址。
l星型架构的好处是只在Exchange方维护所有参与方的网关地址，前提是需要信任Exchange，并且流量全部都需要从Exchange方中转，相当于我们的中心化版本。但不支持证书。
3.Exchange配置
在Exchange上配置路由表：
在各party方配置默认路由指向exchange，不需要再配置每个party的地址。
FATE支持eggroll和spark两种计算引擎,搭配不同的通信组件，共五种组合，不同的通信模块不能兼容。
区别：
lRabbitMQ是一个简单易上手的MQ
lPulsar相比RabbitMQ，可以支持更大规模的集群化部署，也支持exchange模式的网络结构。
lSlimFATE相比其他模式，最大化减少集群所需的组件，可以使用在小规模联邦学习计算，IOT设备等情况。
Eggroll是FATE原生支持的计算存储引擎，包括以下三个组件：
lrollsite负责数据传输，以前的版本里叫Proxy+Federation
lnodemanager负责存储和计算
lclustermanager负责管理nodemanager
支持rabbitMQ替换pulsar
关联项目：
KubeFATEdocker和k8s的部署
FATE-Flow联合学习任务流水线管理模块，注册、管理和调度中心。
EggRoll第一代fate的计算引擎
FATE-Board联合学习过程可视化模块，目前只能查看一些记录
FATE-Cloud联邦学习云服务,类似于我们的dop平台，管理功能。
FedVision联邦学习支持的可视化对象检测平台
FATE-Builderfate编译工具
FedLCM新增的项目：创建FATE联邦并部署FATE实例。目前仅支持部署以Spark和Pulsar作为基础引擎，并使用Exchange实现互相连接的
FATEFlow是调度系统，根据用户提交的作业DSL，调度算法组件执行。
服务能力:
·数据接入
·任务组件注册中心
·多方资源协调
·数据流动追踪
·作业实时监测
·联合模型注册中心
·多方合作权限管理
·系统高可用
·CLI、RESTAPI、PythonAPI
旧版，图比较立体
·DSLParser：是调度的核心，通过DSLparser可以拿到上下游关系、依赖等。
·JobScheduler：是DAG层面的调度，把DAG作为一个Job，把DAG里面的节点run起来，就称为一个task。
·FederatedTaskScheduler：最小调度粒度就是task，需要调度多方运行同一个组件但参数算法不同的task，结束后，继续调度下一个组件，这里就会涉及到协同调度的问题。
·JobController：联邦任务控制器
·Executor：联邦任务执行节点，支持不同的Operator容器，现在支持Python和Script的Operator。Executor，在我们目前的应用中拉起FederatedML定义的一些组件，如dataio数据输入输出，特征选择等模块，每次调起一个组件去run，然后，这些组件会调用基础架构的API，如Storage和FederationService(API的抽象)，再经过Proxy就可以和对端的FATE-Flow进行协同调度。
·TrackingManager：任务输入输出的实时追踪，包括每个task输出的data和model。
·ModelManager：联邦模型管理器
Job提交（并运行），停止，查询，更新，配置，列表，task查询
Tracking
Pipeline
Model
Table
1.联邦统计:包括隐私交集计算，并集计算，皮尔逊系数,PSI等
2.联邦特征工程：包括联邦采样，联邦特征分箱，联邦特征选择等。
3.联邦机器学习算法：包括横向和纵向的联邦LR,GBDT，DNN，迁移学习等
4.模型评估：提供对二分类，多分类，回归评估，聚类评估，联邦和单边对比评估
5.安全协议：提供了多种安全协议，以进行更安全的多方交互计算。
Figure1：FederatedMachineLearningFramework
Adatptor：默认的情况使用系统自带的MockAdatptor，仅返回固定数据用于简单测试，实际生产环境中需要使用者需要自行开发并对接自己的业务系统。（这部分可以看看能不能对接咱们自己的在线预测系统。）
l支持使用rollsite/nginx/fateflow作为多方任务协调通信代理
lrollsite支持fateoneggroll的场景，仅支持grpc协议，支持P2P组网及星型组网模式
蓝色为guest集群，灰色代表host集群
1.通过fateflow建模2.分别部署guest方Fate-serving与host方Fate-serving
3.分别配置好guest方Fate-flow与guest方Fate-serving、host方Fate-flow与host方Fate-serving。
4.Fate-flow推送模型
5.Fate-flow将模型绑定serviceId
7.可以在serving-admin页面上测试调用（此步操作非必需）。
FATE-Serving之间的交互可以通过nginx反向代理转发grpc请求，以下几种场景配置如下：
·场景一：双方不配置TLS，通过nginx四层代理转发
·场景二：双方配置TLS，通过nginx四层代理转发，双方分别进行证书校验
·场景三：数据使用方配置Client端证书，Nginx配置Server端证书，Host不配置证书，通过nginx七层代理转发，由Client端和nginx进行证书校验
FATECloud由负责联邦站点管理的云管理端CloudManager和站点客户端管理端FATEManager组成，提供了联邦站点的注册与管理、集群自动化部署与升级、集群监控、集群权限控制等核心功能。
联邦云管理端（CloudManager）
联邦云管理端即联邦数据网络的管理中心，负责统一运营和管理FATEManager及各站点，监控站点的服务与联邦合作建模，执行联邦各权限控制，保证联邦数据合作网络的正常运作；
联邦站点管理端（FATEManager）
联邦站点管理端，负责管理和维护各自的联邦站点，为站点提供加入联邦组织、执行站点服务的自动化部署与升级，监控站点的联邦合作与集群服务，并管理站点用户角色与应用权限；
共有4类部署方式，单机的安装模式是只提供了单机的安装文档，也可以研究怎么扩展成集群模式。
||单机（不推荐生产用）|集群（生产推荐）||非容器|AllinOne|ansible||容器|dockercompose|k8s|
部署时会要求配置机器对应的角色，只能选host，guest和Exchange，其中host和guest并没有区别，实际运行联邦时还是在job的配置中去配置哪一方是guest，哪一方是host，任务只能在guest方提交。
手上没有k8s环境，暂未测试。
不同点如下：
下载镜像较慢，如果大批量部署，可以搭建内网镜像服务。
|Role|party-id|OS|IP|||host|20001|Centos7.6|11.50.52.81|8C64G||guest|20002|Centos7.6|11.50.52.62|8C64G||部署机||Centos7.6|11.50.52.40||
一开始我只部署了一台host，本来打算这2台做一个集群，后来发现文档里没提这种方式，只好先按文档实验一次，于是又部署了guest，这样在guest的配置里已经写好了host的地址，于是手动将配置更新到了host的/data/projects/fate/confs-20001/confs/eggroll/conf/route_table.json
发现不需要重启容器后续步骤也没报错，说明可以动态修改路由信息。
进入容器的时候，容器名包含的平台id需要修改成实际的。
fateflow/examples/lr/test_hetero_lr_job_conf.json中不同点，
修改对应的平台id
"initiator":{"role":"guest","party_id":20002},"role":{"guest":[20002],"host":[20001],"arbiter":[20001]},按文档写资源不够运行不了,需要修改如下
"job_parameters":{"common":{"task_parallelism":1,"computing_partitions":1,"task_cores":1}},不要修改fateflow/examples/lr/test_hetero_lr_job_dsl.json文件，文档中的配置是旧版本的，修改了就不能执行了，里面的DataIO组件已废弃。
运行测试后可以通过board查看，成功的id：202211031508511267810
#flowmodeldeploy--model-idarbiter-20001#guest-20002#host-20001#model--model-version202211031508511267810输出了产生的model_version是202211031811059832400
1.修改加载模型的配置
发送以下信息到"GUEST"方的推理服务"{SERVING_SERVICE_IP}:8059/federation/v1/inference"
本文旨在从宏观的角度分析FATE的源码分布、总体架构、主要功能及核心流程，尚有许多细节和功能未深入研究，欢迎大家留言，互相学习。