Télémétrie¶

Le projet open-source Flower recueille des mesures d’utilisation anonymes afin de prendre des décisions éclairées pour améliorer Flower. Cela permet à l’équipe de Flower de comprendre comment Flower est utilisé et quels sont les défis auxquels les utilisateurs peuvent être confrontés.

Flower est un cadre convivial pour l’IA collaborative et la science des données. En restant fidèle à cette déclaration, Flower permet de désactiver facilement la télémétrie pour les utilisateurs qui ne souhaitent pas partager des mesures d’utilisation anonymes.

Principes¶

Nous suivons des principes stricts concernant la collecte de données anonymes sur l’utilisation :

Optionnel: Tu pourras toujours désactiver la télémétrie ; lis la suite pour apprendre « Comment se désengager ».
Anonyme: Les mesures d’utilisation rapportées sont anonymes et ne contiennent aucune information personnelle identifiable (PII). Voir « Collected metrics » pour comprendre quelles mesures sont rapportées.
Transparent: Tu peux facilement inspecter les métriques anonymes qui sont rapportées ; voir la section « Comment inspecter ce qui est rapporté »
Open for feedback: You can always reach out to us if you have feedback; see the section “How to contact us” for details.

Comment se désinscrire¶

Lorsque Flower démarre, il vérifie la présence d’une variable d’environnement appelée FLWR_TELEMETRY_ENABLED. La télémétrie peut facilement être désactivée en réglant FLWR_TELEMETRY_ENABLED=0. En supposant que tu démarres un serveur ou un client Flower, fais-le simplement en faisant précéder ta commande de la façon suivante :

FLWR_TELEMETRY_ENABLED=0 python server.py # or client.py

Tu peux aussi exporter FLWR_TELEMETRY_ENABLED=0 dans, par exemple, .bashrc (ou tout autre fichier de configuration qui s’applique à ton environnement) pour désactiver la télémétrie de la fleur de façon permanente.

Mesures collectées¶

La télémétrie des fleurs recueille les métriques suivantes :

**Cela nous aide à décider si nous devons investir des efforts dans la publication d’une version corrective pour une version plus ancienne de Flower ou si nous devons plutôt utiliser la bande passante pour développer de nouvelles fonctionnalités.

Système d’exploitation. Nous permet de répondre à des questions telles que : *Faudrait-il créer plus de guides pour Linux, macOS ou Windows ?

Version de Python. Connaître la version de Python nous aide, par exemple, à décider si nous devons investir des efforts dans la prise en charge des anciennes versions de Python ou cesser de les prendre en charge et commencer à tirer parti des nouvelles fonctionnalités de Python.

**Comprendre l’environnement matériel dans lequel Flower est utilisé permet de décider si nous devrions, par exemple, faire plus d’efforts pour prendre en charge les environnements à faibles ressources.

Mode d’exécution Connaître le mode d’exécution dans lequel Flower démarre nous permet de comprendre à quel point certaines fonctionnalités sont utilisées et de mieux établir les priorités en fonction de cela.

Cluster. La télémétrie Flower attribue un ID de cluster en mémoire aléatoire à chaque fois qu’une charge de travail Flower démarre. Cela nous permet de comprendre quels types d’appareils non seulement démarrent les charges de travail Flower, mais aussi les terminent avec succès.

Source. La télémétrie de Flower essaie de stocker un ID de source aléatoire dans ~/.flwr/source la première fois qu’un événement de télémétrie est généré. L’ID de source est important pour identifier si un problème est récurrent ou si un problème est déclenché par plusieurs clusters fonctionnant simultanément (ce qui arrive souvent en simulation). Par exemple, si un périphérique exécute plusieurs charges de travail en même temps, et que cela entraîne un problème, alors, afin de reproduire le problème, plusieurs charges de travail doivent être démarrées en même temps.

Tu peux supprimer l’identifiant de la source à tout moment. Si tu souhaites que tous les événements enregistrés sous un identifiant de source spécifique soient supprimés, tu peux envoyer une demande de suppression mentionnant l’identifiant de source à telemetry@flower.ai. Tous les événements liés à cet identifiant de source seront alors définitivement supprimés.

Nous ne collecterons aucune information personnelle identifiable. Si tu penses que l’une des métriques collectées pourrait être utilisée à mauvais escient de quelque manière que ce soit, merci de nous contacter. Nous mettrons à jour cette page pour refléter toute modification des métriques collectées et nous publierons les changements dans le journal des modifications (changelog).

Si tu penses que d’autres mesures nous seraient utiles pour mieux orienter nos décisions, fais-le nous savoir ! Nous les examinerons attentivement ; si nous sommes convaincus qu’elles ne compromettent pas la vie privée des utilisateurs, nous pourrons les ajouter.

Comment inspecter ce qui est rapporté¶

Nous avons voulu qu’il soit très facile pour toi d’inspecter les mesures d’utilisation anonymes qui sont rapportées. Tu peux voir toutes les informations de télémétrie rapportées en définissant la variable d’environnement FLWR_TELEMETRY_LOGGING=1. La journalisation est désactivée par défaut. Tu peux utiliser la journalisation indépendamment de FLWR_TELEMETRY_ENABLED afin d’inspecter la fonction de télémétrie sans envoyer de mesures.

FLWR_TELEMETRY_LOGGING=1 python server.py # or client.py

L’inspecteur Flower telemetry sans envoyer de métriques d’utilisation anonymes, utilise les deux variables d’environnement :

FLWR_TELEMETRY_ENABLED=0 FLWR_TELEMETRY_LOGGING=1 python server.py # or client.py

Comment nous contacter¶

Si tu as des commentaires ou des idées pour améliorer la façon dont nous traitons les mesures d’utilisation anonymes, contacte-nous via Slack (canal #telemetry) ou par courriel (telemetry@flower.ai).