Poznámka:
Přístup k této stránce vyžaduje autorizaci. Můžete se zkusit přihlásit nebo změnit adresáře.
Přístup k této stránce vyžaduje autorizaci. Můžete zkusit změnit adresáře.
Important
Tato funkce je v beta verzi. Pro jeho použití musí správce pracovního prostoru povolit náhledy AI Runtime Beta Features a Databricks Artifact Registry přímo ze stránky Preview pracovního prostoru.
Databricks CLI poskytuje pomocný příkaz databricks air images push pro kombinaci autentizace Dockeru, tagování imagů a posílání do Artifact Registry. Automaticky detekuje oblast registru. Tento pomocník můžete použít místo manuálních kroků v průvodci Artifact Registry. Pomocník nevytváří obrázky ani neodesílá úlohy.
Prerequisites
- Nainstalujte Databricks CLI verzi 1.19.0 nebo novější. Viz Instalaci nebo aktualizaci rozhraní příkazového řádku Databricks.
- Nastavte si Artifact Registry v pracovním prostoru, kde chcete image uložit. Viz Jak začít s registrem artefaktů.
- Vytvořte nebo vyberte cílový katalog a schéma a získejte požadovaná oprávnění Artifact Registry.
- Nainstalujte a spusťte Docker na svém lokálním počítači. Docker musí být dostupný na vašem
PATH.
Nakonfigurujte autentizaci v pracovním prostoru
Vytvořte nebo obnovte OAuth profil pracovního prostoru pro pracovní prostor, kde chcete obrázek uložit:
databricks auth login --profile my-databricks-profile
Pomocník pro přihlašovací údaje v Dockeru vyžaduje tento OAuth profil pracovního prostoru. Pro podporované metody autentizace viz Nastavení autentizace pro Docker.
Odeslat místní image
Například nahrajte lokální obraz s názvem my-training-image:v1 do main.ml.training:v1:
databricks air images push \
--profile my-databricks-profile \
--source my-training-image:v1 \
--catalog main \
--schema ml \
--artifact training:v1
Příkaz vytiskne název image Unity Catalog, který použijete jako environment.unity_catalog_image ve vašem workload YAML. Pro tento příklad použijte main.ml.training:v1, jak je ukázáno v Použijte obraz Dockeru v pracovní zátěži.
Pomocník znovu používá lokální zdrojový image, pokud existuje. Jinak se vytáhne zdrojový obraz pro linux/amd64. Přidejte --pull, chcete-li obnovit zdrojový obraz z jeho registru, i když je dostupný lokálně. Obrázky musí obsahovat linux/amd64. Před odesláním obrazu znovu vytvořte nekompatibilní lokální obraz pro danou platformu. Pokud je zdrojový obraz v soukromém registru, autentizujte Docker vůči tomuto registru před spuštěním pomocníka.
Chcete-li interaktivně zadat podrobnosti obrázku, spusťte databricks air images push --profile my-databricks-profile bez přepínačů pro obrázek. Spusťte databricks air images push --help pro zobrazení všech možností.
Nahrajte image z jiného registráře
Pomocník CLI můžete také použít ke zkopírování existujícího obrazu z jiného kontejnerového registru do Artifact Registry.
Následující příklad používá jako zdroj soukromý repozitář Amazon Elastic Container Registry (ECR). Pro tento příklad nainstalujte a nakonfigurujte AWS CLI s přihlašovacími údaji, pomocí kterých se lze autentizovat vůči ECR a stáhnout zdrojový obraz. Tyto AWS přihlašovací údaje jsou oddělené od vašeho Databricks profilu.
Nejprve přihlaste Docker ke zdrojovému registru ECR. Nahraďte příkladové AWS ID účtu, region, repozitář a image tag vlastními hodnotami. Region AWS musí odpovídat zdrojovému ECR registru, nikoli cílovému pracovnímu prostoru Databricks. Vizte Ověřování soukromého registru v dokumentaci AWS.
aws ecr get-login-password --region us-west-2 | \
docker login --username AWS --password-stdin \
123456789012.dkr.ecr.us-west-2.amazonaws.com
Poté předejte úplné URI image ECR jako --source:
databricks air images push \
--profile my-databricks-profile \
--source 123456789012.dkr.ecr.us-west-2.amazonaws.com/my-training-image:v1 \
--catalog main \
--schema ml \
--artifact training:ecr-v1 \
--pull
Příznak --pull načítá image linux/amd64 z ECR, i když je již uložená lokálně. Pomocník používá vaši lokální instalaci Dockeru k načtení, označení a nahrání imagu do registru. Zdrojový obraz v ECR zůstává nezměněn. Po úspěšném pushu nastavte environment.unity_catalog_image na main.ml.training:ecr-v1 v YAML workloadu.