Gerenciar uma instância de computação do Azure Machine Learning

Artigo
10/16/2024

APLICA-SE A:Azure CLI ml extension v2 (current)Python SDK azure-ai-ml v2 (current)

Saiba como gerenciar uma instância de computação em seu espaço de trabalho do Azure Machine Learning.

Use uma instância de computação como seu ambiente de desenvolvimento totalmente configurado e gerenciado na nuvem. Para desenvolvimento e teste, você também pode usar a instância como um destino de computação de treinamento. Uma instância de computação pode executar vários trabalhos em paralelo e tem uma fila de trabalhos. Como um ambiente de desenvolvimento, uma instância de computação não pode ser compartilhada com outros usuários em seu espaço de trabalho.

Neste artigo, você aprenderá a iniciar, parar, reiniciar, excluir uma instância de computação. Para saber como criar uma instância de computação, consulte Criar uma instância de computação do Azure Machine Learning.

Nota

Este artigo mostra a CLI v2 nas seções abaixo. Se você ainda estiver usando a CLI v1, consulte Criar uma CLI v1 de cluster de computação do Azure Machine Learning.

Pré-requisitos

Uma área de trabalho do Azure Machine Learning. Para obter mais informações, consulte Gerenciar espaços de trabalho do Azure Machine Learning.

Selecione a guia apropriada para o restante dos pré-requisitos com base no seu método preferido de gerenciar sua instância de computação.

Se você não estiver executando seu código em uma instância de computação, instale o SDK Python do Azure Machine Learning. Este SDK já está instalado para você em uma instância de computação.
Anexe ao espaço de trabalho em seu script Python:

Execute este código para se conectar ao seu espaço de trabalho do Azure Machine Learning.

Substitua sua ID de assinatura, nome do grupo de recursos e nome do espaço de trabalho no código a seguir. Para encontrar estes valores:
1. Entre no estúdio do Azure Machine Learning.
2. Abra o espaço de trabalho que deseja usar.
3. Selecione o nome do seu espaço de trabalho na barra de ferramentas do estúdio do Azure Machine Learning no canto superior direito.
4. Copie o valor para espaço de trabalho, grupo de recursos e ID de assinatura para o código.
APLICA-SE A: Python SDK azure-ai-ml v2 (atual)
```
# Enter details of your AML workspace
subscription_id = "<SUBSCRIPTION_ID>"
resource_group = "<RESOURCE_GROUP>"
workspace = "<AML_WORKSPACE_NAME>"
```
```
# get a handle to the workspace
from azure.ai.ml import MLClient
from azure.identity import DefaultAzureCredential

ml_client = MLClient(
    DefaultAzureCredential(), subscription_id, resource_group, workspace
)
```
ml_client é um manipulador para o espaço de trabalho que você usa para gerenciar outros recursos e trabalhos.

Se você não estiver executando esses comandos em uma instância de computação, instale a extensão da CLI do Azure para o serviço de Aprendizado de Máquina (v2). Esta extensão já está instalada para você em uma instância de computação.
Autentique e defina o espaço de trabalho padrão e o grupo de recursos. Deixe o terminal aberto para executar o resto dos comandos neste artigo.
- Se você estiver em uma instância de computação:
```
az login --identity
# next line needed only if you have multiple subscriptions:
az account set --subscription "<SUBSCRIPTION-NAME>" # replace with your subscription name
az configure --defaults group=$CI_RESOURCE_GROUP workspace=$CI_WORKSPACE
```
- Se você estiver executando os comandos localmente, omita --identity e siga as instruções para autenticação. Substitua $CI_RESOURCE_GROUP também e $CI_WORKSPACE com os seus valores.

Gerir

Iniciar, parar, reiniciar e excluir uma instância de computação. Uma instância de computação nem sempre diminui automaticamente, portanto, certifique-se de interromper o recurso para evitar cobranças contínuas. Parar uma instância de computação desaloca-a. Em seguida, inicie-o novamente quando precisar. Embora a operação de parar a instância de computação também pare a faturação das horas de computação, ainda lhe será faturado o disco, o IP público e o balanceador de carga padrão.

Você pode habilitar o desligamento automático para interromper automaticamente a instância de computação após um tempo especificado.

Você também pode criar uma programação para que a instância de computação inicie e pare automaticamente com base em um horário e dia da semana.

Gorjeta

A instância de computação tem um disco do SO de 120 GB. Se você ficar sem espaço em disco, use o terminal para limpar pelo menos 5 GB antes de parar ou reiniciar a instância de computação. Por favor, não pare a instância de computação emitindo sudo shutdown do terminal. O tamanho do disco temporário na instância de computação depende do tamanho da VM escolhido e é montado em /mnt.

APLICA-SE A: Python SDK azure-ai-ml v2 (atual)

Nesses exemplos, o nome da instância de computação é armazenado na variável ci_basic_name.

Obter status

from azure.ai.ml.entities import ComputeInstance, AmlCompute

# Get compute
ci_basic_state = ml_client.compute.get(ci_basic_name)

Parar

from azure.ai.ml.entities import ComputeInstance, AmlCompute

# Stop compute
ml_client.compute.begin_stop(ci_basic_name).wait()

Iniciar

from azure.ai.ml.entities import ComputeInstance, AmlCompute

# Start compute
ml_client.compute.begin_start(ci_basic_name).wait()

Reiniciar

from azure.ai.ml.entities import ComputeInstance, AmlCompute

# Restart compute
ml_client.compute.begin_restart(ci_basic_name).wait()

Delete

from azure.ai.ml.entities import ComputeInstance, AmlCompute

ml_client.compute.begin_delete(ci_basic_name).wait()

APLICA-SE A: Azure CLI ml extension v2 (atual)

Nesses exemplos, o nome da instância de computação é instância.

Parar
```
az ml compute stop --name instance 
```
Iniciar
```
az ml compute start --name instance 
```
Reiniciar
```
az ml compute restart --name instance 
```
Delete
```
az ml compute delete --name instance 
```

No seu espaço de trabalho no estúdio do Azure Machine Learning, selecione Computação e, em seguida, selecione instância de computação na parte superior.

Pode efetuar as seguintes ações:

Criar uma nova instância de computação
Atualize a guia instâncias de computação.
Iniciar, parar e reiniciar uma instância de computação. Você paga pela instância sempre que ela estiver em execução. Pare a instância de computação quando não estiver usando-a para reduzir custos. Parar uma instância de computação desaloca-a. Em seguida, inicie-o novamente quando precisar. Você também pode agendar um horário para que a instância de computação comece e pare.
Exclua uma instância de computação.
Filtre a lista de instâncias de computação para mostrar apenas as que você criou.

Para cada instância de computação em um espaço de trabalho que você criou (ou que foi criado para você), você pode:

Acesse Jupyter, JupyterLab, RStudio na instância de computação.
SSH em instância de computação. O acesso SSH é desabilitado por padrão, mas pode ser habilitado no momento da criação da instância de computação. O acesso SSH é através do mecanismo de chave pública/privada. A guia fornece detalhes para a conexão SSH, como endereço IP, nome de usuário e número da porta. Em uma implantação de rede virtual, desabilitar o SSH impede o acesso SSH da Internet pública. Você ainda pode SSH de dentro da rede virtual usando o endereço IP privado do nó da instância de computação e da porta 22.

Gorjeta

Se as instâncias de computação estiverem em uma rede virtual gerenciada e o endereço IP público estiver desabilitado, use o az ml compute connect-ssh comando para se conectar à instância de computação.
Selecione o nome do computador para:
- Exiba detalhes sobre uma instância de computação específica, como endereço IP e região.
- Crie ou modifique o agendamento para iniciar e parar a instância de computação. Role para baixo até a parte inferior da página para editar a agenda.

O RBAC do Azure permite controlar quais usuários no espaço de trabalho podem criar, excluir, iniciar, parar, reiniciar uma instância de computação. Todos os usuários na função de colaborador e proprietário do espaço de trabalho podem criar, excluir, iniciar, parar e reiniciar instâncias de computação no espaço de trabalho. No entanto, apenas o criador de uma instância de computação específica, ou o usuário atribuído se ela foi criada em seu nome, tem permissão para acessar Jupyter, JupyterLab e RStudio nessa instância de computação. Uma instância de computação é dedicada a um único usuário que tem acesso root. Esse usuário tem acesso ao Jupyter/JupyterLab/RStudio em execução na instância. A instância de computação tem entrada de usuário único e todas as ações usam a identidade desse usuário para o RBAC do Azure e a atribuição de trabalhos de experimento. O acesso SSH é controlado através de um mecanismo de chave pública/privada.

Estas ações podem ser controladas pelo Azure RBAC:

Microsoft.MachineLearningServices/workspaces/computes/read
Microsoft.MachineLearningServices/workspaces/computes/write
Microsoft.MachineLearningServices/workspaces/computes/delete
Microsoft.MachineLearningServices/workspaces/computes/start/action
Microsoft.MachineLearningServices/workspaces/computes/stop/action
Microsoft.MachineLearningServices/workspaces/computes/restart/action
Microsoft.MachineLearningServices/workspaces/computes/updateSchedules/action

Para criar uma instância de computação, precisa de permissões para as seguintes ações:

Microsoft.MachineLearningServices/workspaces/computes/write
Microsoft.MachineLearningServices/workspaces/checkComputeNameAvailability/action

Auditar e observar a versão da instância de computação

Depois que uma instância de computação é implantada, ela não é atualizada automaticamente. A Microsoft lança novas imagens de VMs numa base mensal. Para compreender as opções para se manter atualizado com a versão mais recente, consulte Gestão de vulnerabilidades.

Para controlar se a versão do sistema operacional de uma instância é atual, você pode consultar sua versão usando a CLI, SDK ou Studio UI.

APLICA-SE A: Python SDK azure-ai-ml v2 (atual)

from azure.ai.ml.entities import ComputeInstance, AmlCompute

# Display operating system version
instance = ml_client.compute.get("myci")
print instance.os_image_metadata

Para obter mais informações sobre as classes, métodos e parâmetros usados neste exemplo, consulte os seguintes documentos de referência:

APLICA-SE A: Azure CLI ml extension v2 (atual)

az ml compute show --name "myci"

# query outdated compute instances:
az ml compute list --query "[?os_image_metadata.is_latest_os_image_version == ``false``].name"

Os administradores de TI podem utilizar o Azure Policy para monitorizar o inventário de instâncias em áreas de trabalho no portal de conformidade do Azure Policy. Atribua a política incorporada Auditar as Instâncias de Computação do Azure Machine Learning com um sistema operativo desatualizado numa subscrição do Azure ou num âmbito do grupo de gestão do Azure.

Partilhar via

Gerenciar uma instância de computação do Azure Machine Learning

Pré-requisitos

Gerir

Auditar e observar a versão da instância de computação

Próximos passos

Comentários

Recursos adicionais