Verwalten einer Compute-Instanz von Azure Machine Learning

GILT FÜR:Azure CLI ML-Erweiterung v2 (aktuell)Python SDK azure-ai-ml v2 (aktuell)

Erfahren Sie, wie Sie eine Compute-Instanz in Ihrem Azure Machine Learning-Arbeitsbereich verwalten.

Nutzen Sie eine Compute-Instanz als Ihre vollständig konfigurierte und verwaltete Entwicklungsumgebung in der Cloud. Zu Entwicklungs- und Testzwecken können Sie die Instanz auch als Trainingscomputeziel verwenden. Computeinstanzen können mehrere Aufträge parallel ausführen und verfügen über eine Auftragswarteschlange. Da es sich bei einer Compute-Instanz um eine Entwicklungsumgebung handelt, kann diese nicht für andere in Ihrem Arbeitsbereich freigegeben werden.

In diesem Artikel erfahren Sie, wie Sie eine Compute-Instanz starten, beenden, neu starten und löschen. Unter Erstellen einer Azure Machine Learning-Compute-Instanz erfahren Sie, wie Sie eine Compute-Instanz erstellen.

Hinweis

Die folgenden Abschnitte in diesem Artikel zeigen die CLI v2. Wenn Sie noch die CLI v1 verwenden, lesen Sie Erstellen eines Azure Machine Learning-Computeclusters (CLI v1).

Voraussetzungen

• Ein Azure Machine Learning-Arbeitsbereich. Weitere Informationen finden Sie unter Erstellen eines Azure Machine Learning-Arbeitsbereichs. Im Speicherkonto muss die Option „Zugriff auf Speicherkontoschlüssel zulassen“ aktiviert sein, damit die Erstellung der Compute-Instanz erfolgreich ist.

• Die Azure CLI-Erweiterung für Machine Learning Service (v2), das Azure Machine Learning Python SDK (v2) oder die Visual Studio Code-Erweiterung für Azure Machine Learning

• Wenn Sie das Python SDK verwenden, richten Sie Ihre Entwicklungsumgebung mit einem Arbeitsbereich ein. Sobald Ihre Umgebung eingerichtet ist, fügen Sie sie an den Arbeitsbereich in Ihrem Python-Skript an:

  GILT FÜR: Python SDK azure-ai-ml v2 (aktuell)

  Führen Sie diesen Code aus, um eine Verbindung mit Ihrem Azure ML-Arbeitsbereich herzustellen.

  Ersetzen Sie Ihre Abonnement-ID, den Namen der Ressourcengruppe und den Namen des Arbeitsbereichs in dem unten stehenden Code. So finden Sie diese Werte:

  1. Melden Sie sich bei Azure Machine Learning Studio an.
  2. Öffnen Sie den Arbeitsbereich, den Sie verwenden möchten.
  3. Wählen Sie auf der oben rechts angezeigten Azure Machine Learning Studio-Symbolleiste den Namen Ihres Arbeitsbereichs aus.
  4. Kopieren Sie den Wert für Arbeitsbereich, Ressourcengruppe und Abonnement-ID in den Code.
  5. Wenn Sie ein Notebook innerhalb von Studio verwenden, müssen Sie einen Wert kopieren, den Bereich schließen und einfügen und dann für den nächsten Wert zurückkehren.

  # 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 ist ein Handler für den Arbeitsbereich, den Sie für die Verwaltung anderer Ressourcen und Aufträge verwenden.

Verwalten

Starten, Beenden, Neustarten und Löschen einer Compute-Instanz. Eine Compute-Instanz wird nicht immer automatisch herunterskaliert. Stellen Sie daher sicher, dass die Ressource beendet wird, um laufende Gebühren zu vermeiden. Das Beenden einer Compute-Instanz gibt diese frei. Starten Sie sie dann erneut, wenn Sie sie benötigen. Das Beenden der Compute-Instanz stoppt zwar die Abrechnung der Computestunden, es fallen aber weiterhin Kosten für Datenträger, öffentliche IP-Adresse und Standardlastenausgleich an.

Sie können das automatische Herunterfahren aktivieren, um die Compute-Instanz nach einer bestimmten Zeitspanne automatisch zu beenden.

Sie können für die Compute-Instanz einen Zeitplan erstellen, um diese automatisch zu einer bestimmten Uhrzeit und an einem bestimmten Wochentag zu starten und zu beenden.

Tipp

Die Compute-Instanz verfügt über einen 120 GB Betriebssystemdatenträger. Wenn Ihnen der Speicherplatz ausgeht, verwenden Sie das Terminal, um mindestens 1–2 GB zu löschen, bevor Sie die Compute-Instanz beenden oder neu starten. Bitte beenden Sie die Compute-Instanz nicht, indem Sie sudo Herunterfahren im Terminal eingeben. Die Größe des temporären Datenträgers auf der Compute-Instanz hängt von der gewählten VM-Größe ab und wird in „/mnt“ eingebunden.

Python SDK

GILT FÜR: Python SDK azure-ai-ml v2 (aktuell)

In den unten stehenden Beispielen wird der Name der Compute-Instanz in der Variablen ci_basic_name gespeichert.

• Abrufen des Status

  from azure.ai.ml.entities import ComputeInstance, AmlCompute
  
  # Get compute
  ci_basic_state = ml_client.compute.get(ci_basic_name)

• Beenden

  from azure.ai.ml.entities import ComputeInstance, AmlCompute
  
  # Stop compute
  ml_client.compute.begin_stop(ci_basic_name).wait()

• Start

  from azure.ai.ml.entities import ComputeInstance, AmlCompute
  
  # Start compute
  ml_client.compute.begin_start(ci_basic_name).wait()

• Neu starten

  from azure.ai.ml.entities import ComputeInstance, AmlCompute
  
  # Restart compute
  ml_client.compute.begin_restart(ci_basic_name).wait()

• Löschen

  from azure.ai.ml.entities import ComputeInstance, AmlCompute
  
  ml_client.compute.begin_delete(ci_basic_name).wait()

Azure-Befehlszeilenschnittstelle

GILT FÜRAzure CLI-ML-Erweiterung v2 (aktuell)

In den folgenden Beispielen lautet der Name der Compute-Instanz instance. Sie befindet sich im Arbeitsbereich my-workspace in der Ressourcengruppe my-resource-group.

• Beenden

  az ml compute stop --name instance --resource-group my-resource-group --workspace-name my-workspace
  

• Start

  az ml compute start --name instance --resource-group my-resource-group --workspace-name my-workspace
  

• Neu starten

  az ml compute restart --name instance --resource-group my-resource-group --workspace-name my-workspace
  

• Löschen

  az ml compute delete --name instance --resource-group my-resource-group --workspace-name my-workspace
  

Studio

Wählen Sie in Ihrem Arbeitsbereich in Azure Machine Learning Studio die Option Compute und dann oben die Option Compute-Instanz aus.

! Screenshot: Registerkarte „Compute“ in Studio zum Verwalten einer Compute-Instanz.](./media/concept-compute-instance/manage-compute-instance.png)

Sie können folgende Aktionen ausführen:

• Erstellen einer neuen Compute-Instanz
• Aktualisieren der Registerkarte „Compute-Instanzen“.
• Starten, Beenden und erneutes Starten einer Compute-Instanz. Es fallen immer dann Gebühren für die Instanz an, wenn sie ausgeführt wird. Beenden Sie die Compute-Instanz, wenn Sie sie nicht benötigen, um Kosten zu sparen. Das Beenden einer Compute-Instanz gibt diese frei. Starten Sie sie dann erneut, wenn Sie sie benötigen. Sie können auch eine Zeit für das Starten und Stoppen der Compute-Instanz planen.
• Löschen einer Compute-Instanz.
• Filtern Sie die Liste der Compute-Instanzen, um nur die von Ihnen erstellten Instanzen anzuzeigen.

Für jede Compute-Instanz in einem Arbeitsbereich, den Sie erstellt haben (oder der für Sie erstellt wurde), können Sie:

• Auf der Compute-Instanz auf Jupyter, JupyterLab, RStudio zugreifen.
• SSH-Verbindung mit Compute-Instanz. Der SSH-Zugriff ist standardmäßig deaktiviert, kann aber zum Zeitpunkt der Erstellung der Compute-Instanz aktiviert werden. Der SSH-Zugriff erfolgt über einen Mechanismus mit öffentlichem/privatem Schlüssel. Auf der Registerkarte finden Sie Details zur SSH-Verbindung wie IP-Adresse, Benutzername und Portnummer. In einer virtuellen Netzbereitstellung verhindert die Deaktivierung von SSH den SSH-Zugang aus dem öffentlichen Internet. Sie können jedoch weiterhin SSH aus dem virtuellen Netz über die private IP-Adresse des Knotens der Compute-Instanz und Port 22 nutzen.
• Wählen Sie den Computernamen, um:
  • Details zu einer bestimmten Compute-Instanz anzuzeigen, wie z. B. die IP-Adresse und die Region.
  • Erstellen oder Ändern Sie den Zeitplan für das Starten und Stoppen der Compute-Instanz. Scrollen Sie zum unteren Ende der Seite, um den Zeitplan zu bearbeiten.

Mithilfe von Azure RBAC können Sie steuern, welche Benutzer im Arbeitsbereich eine Compute-Instanz erstellen, löschen, starten, beenden und neu starten können. Alle Benutzer mit der Rolle „Mitwirkender“ und „Besitzer“ des Arbeitsbereichs können Compute-Instanzen im gesamten Arbeitsbereich erstellen, löschen, starten, beenden und neu starten. Allerdings darf nur der Ersteller einer bestimmten Compute-Instanz oder der zugewiesene Benutzer (falls sie in seinem Namen erstellt wurde) auf dieser Compute-Instanz auf Jupyter, JupyterLab und RStudio zugreifen. Eine Compute-Instanz ist einem einzelnen Benutzer zugeordnet, der über Root-Zugriff verfügt. Dieser Benutzer hat Zugriff auf Jupyter/JupyterLab/RStudio, das auf der Instanz ausgeführt wird. Die Compute-Instanz verwendet eine Einzelbenutzeranmeldung, und diese Benutzeridentität wird bei allen Aktivitäten für Azure RBAC und die Zuordnung von Experimentaufträgen verwendet. Der SSH-Zugriff wird über einen Mechanismus mit öffentlichem/privatem Schlüssel gesteuert.

Diese Aktionen können von Azure RBAC gesteuert werden:

• 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

Zum Erstellen einer Compute-Instanz benötigen Sie Berechtigungen für die folgenden Aktionen:

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

Überwachen und Beobachten der Version der Compute-Instanz

Sobald eine Compute-Instanz bereitgestellt ist, wird sie nicht mehr automatisch aktualisiert. Microsoft veröffentlicht neue VM-Images monatlich. Informationen zu den Optionen zum Aktualisieren der neuesten Version finden Sie im Artikel zur Verwaltung von Sicherheitsrisiken.

Um zu überprüfen, ob die Betriebssystemversion einer Instanz aktuell ist, können Sie die Version per CLI, SDK oder Studio-Benutzeroberfläche abfragen.

Studio-Benutzeroberfläche

Wählen Sie in Ihrem Arbeitsbereich in Azure Machine Learning Studio die Option Compute und dann oben die Option Compute-Instanz aus. Wählen Sie den Computenamen einer Compute-Instanz aus, um ihre Eigenschaften einschließlich des aktuellen Betriebssystems anzuzeigen.

Python SDK

GILT FÜR: Python SDK azure-ai-ml v2 (aktuell)

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

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

Weitere Informationen zu den in diesem Beispiel verwendeten Klassen, Methoden und Parametern finden Sie in den folgenden Referenzdokumenten:

• AmlCompute-Klasse
• ComputeInstance-Klasse

Azure-Befehlszeilenschnittstelle

GILT FÜRAzure CLI-ML-Erweiterung v2 (aktuell)

az ml compute show --name "myci"

# query outdated compute instances:
az ml compute list --resource-group <azure_ml_rg> --workspace-name <your_azure_ml_workspace> --query "[?os_image_metadata.is_latest_os_image_version == ``false``].name"

IT-Administrator*innen können Azure Policy verwenden, um den Bestand von Instanzen arbeitsbereichsübergreifend im Azure Policy-Complianceportal zu überwachen. Weisen Sie die integrierte Richtlinie Azure Machine Learning Compute-Instanzen mit einem veralteten Betriebssystem überwachen für ein Azure-Abonnement oder für einen Azure-Verwaltungsgruppenbereich zu.

Nächste Schritte

• Zugreifen auf ein Compute-Instanzterminal in Ihrem Arbeitsbereich
• Erstellen und Verwalten von Dateien
• Aktualisieren der Compute-Instanz auf das neueste VM-Image