Uso del proceso administrado en una red virtual administrada

Artículo
09/08/2023

Aprenda a configurar clústeres de proceso o instancias de proceso en una red virtual administrada de Azure Machine Learning.

Cuando se usa una red administrada, los recursos de proceso administrados por Azure Machine Learning pueden participar en la red virtual. Los clústeres de proceso de Azure Machine Learning, las instancias de proceso y los puntos de conexión en línea administrados se crean en la red administrada.

Este artículo se centra en la configuración de clústeres de proceso e instancias de proceso en una red administrada. Para obtener información sobre los puntos de conexión en línea administrados, vea Protección de puntos de conexión en línea con aislamiento de red.

Importante

Si planea usar trabajos de Spark sin servidor, vea el artículored virtual administrada para obtener información de configuración. Estos pasos deben seguirse al configurar la red virtual administrada.

Requisitos previos

Antes de seguir los pasos de este artículo, asegúrese de que tiene los siguientes requisitos previos:

Cree un área de trabajo de Azure Machine Learning configurada para usar una red virtual administrada.
La CLI de Azure y la extensión ml a la CLI de Azure. Para más información, consulte Instalación, configuración y uso de la CLI v2.
Sugerencia

La red virtual gestionada de Azure Machine Learning se presentó el 23 de mayo de 2023. Si tiene una versión anterior de la extensión de ML, es posible que tenga que actualizarla para que funcionen los ejemplos de este artículo. Para actualizar la extensión, use los siguientes comandos de la CLI de Azure:
```
az extension update -n ml
```
En los ejemplos de la CLI de este artículo, se supone que usa el shell de Bash (o compatible). Por ejemplo, de un sistema Linux o Subsistema de Windows para Linux.
En los ejemplos de la CLI de Azure de este artículo, se usa ws para representar el nombre del área de trabajo y rg para representar el nombre del grupo de recursos. Cambie estos valores según sea necesario al usar los comandos con la suscripción de Azure.

Cree un área de trabajo de Azure Machine Learning configurada para usar una red virtual administrada.
El SDK de Azure Machine Learning para Python (v2). Para más información sobre el SDK, consulte Instalación del SDK de Azure Machine Learning para Python (v2).
Sugerencia

La red virtual gestionada de Azure Machine Learning se presentó el 23 de mayo de 2023. Si tiene instalada una versión anterior del SDK, es posible que tenga que actualizarla para que funcionen los ejemplos de este artículo. Use el siguiente comando para actualizar el SDK:
```
pip install --upgrade azure-ai-ml azure-identity
```

En los ejemplos de este artículo, se supone que el código comienza con el siguiente código de Python. Este código importa las clases necesarias al crear un área de trabajo con red virtual gestionada, establece las variables para la suscripción y el grupo de recursos de Azure y crea el elemento ml_client:

from azure.ai.ml import MLClient
from azure.ai.ml.entities import (
    Workspace,
    ManagedNetwork,
    IsolationMode,
    ServiceTagDestination,
    PrivateEndpointDestination,
    FqdnDestination
)
from azure.identity import DefaultAzureCredential

# Replace with the values for your Azure subscription and resource group.
subscription_id = "<SUBSCRIPTION_ID>"
resource_group = "<RESOURCE_GROUP>"

# get a handle to the subscription
ml_client = MLClient(DefaultAzureCredential(), subscription_id, resource_group)

Configurar recursos de proceso

Use las pestañas siguientes para aprender a configurar clústeres de proceso e instancias de proceso en una red virtual administrada:

Sugerencia

Cuando se usa una red virtual administrada, los clústeres de proceso y las instancias de proceso se crean automáticamente en la red administrada. Los pasos siguientes se centran en configurar los recursos de proceso para que no usen una dirección IP pública.

Para crear un clúster de proceso sin dirección IP pública, use el siguiente comando:

az ml compute create --name cpu-cluster --resource-group rg --workspace-name ws --type AmlCompute --set enable_node_public_ip=False

Para crear una instancia de proceso sin IP pública, use el siguiente comando:

az ml compute create --name myci --resource-group rg --workspace-name ws --type ComputeInstance --set enable_node_public_ip=False

En el siguiente ejemplo del SDK de Python se muestra cómo crear un clúster de proceso y una instancia de proceso sin ninguna dirección IP pública:

from azure.ai.ml.entities import AmlCompute

# Create a compute cluster
compute_cluster = AmlCompute(
    name="mycomputecluster,
    size="STANDARD_D2_V2",
    min_instances=0,
    max_instances=4,
    enable_node_public_ip=False
)
ml_client.begin_create_or_update(entity=compute_cluster)

# Create a compute instance
from azure.ai.ml.entities import ComputeInstance

compute_instance = ComputeInstance(
    name="mycomputeinstance",
    size="STANDARD_DS3_V2",
    enable_node_public_ip=False
)
ml_client.begin_create_or_update(compute_instance)

Limitaciones

No se admite la creación de un clúster de proceso en una región diferente a la del área de trabajo cuando se usa una red virtual administrada.

Migración de recursos de proceso

Si tiene un área de trabajo existente y quiere habilitar la red virtual administrada para ella, actualmente no hay ninguna ruta de migración admitida para los recursos de proceso administrados existentes. Tendrá que eliminar todos los recursos de proceso administrados existentes y volver a crearlos después de habilitar la red virtual administrada. La lista siguiente contiene los recursos de proceso que se deben eliminar y volver a crear:

Clúster de proceso
Instancia de proceso
Puntos de conexión en línea administrados

Uso del proceso administrado en una red virtual administrada

Requisitos previos

Configurar recursos de proceso

Limitaciones

Migración de recursos de proceso

Pasos siguientes

Recursos adicionales