Megjegyzés
Az oldalhoz való hozzáféréshez engedély szükséges. Megpróbálhat bejelentkezni vagy módosítani a címtárat.
Az oldalhoz való hozzáféréshez engedély szükséges. Megpróbálhatja módosítani a címtárat.
A Databricks CLI a databricks air images push segédparancsot biztosítja, amely egyesíti a Docker hitelesítést, a képcímkézést és az Artifact Registrybe történő push-t. Automatikusan érzékeli a beállításjegyzék régióját. Ezt a segítőt használhatod az
Prerequisites
- Telepítsd a Databricks CLI 1.19.0 vagy annál magasabb verziót. Lásd : A Databricks parancssori felület telepítése vagy frissítése.
- Állítsd be az Artifact Register-t abban a munkatérben, ahol a képet tárolni szeretnéd. Lásd: Ismerkedjen meg az Artifact Registry használatának alapjaival.
- Létrehozhat vagy válassz egy célkatalógust és sémát, és megszerezd a szükséges Artifact Registry jogosultságokat.
- Telepítsd és indítsd el a Dockert a helyi gépeden. A Dockernek elérhetőnek kell lennie a
PATH.
Munkaterület hitelesítésének konfigurálása
Hozz létre vagy frissíts egy munkaterülethez tartozó OAuth-profilt ahhoz a munkaterülethez, ahol a képet tárolni szeretnéd:
databricks auth login --profile my-databricks-profile
A Docker credential helper ezt a munkaterületi OAuth profilt igényel. A támogatott hitelesítési módszerekért lásd: Docker hitelesítés beállítása.
Push egy helyi képet
Például toljunk egy helyi képet, amelyet a néven my-training-image:v1 :main.ml.training:v1
databricks air images push \
--profile my-databricks-profile \
--source my-training-image:v1 \
--catalog main \
--schema ml \
--artifact training:v1
A parancs kiírja a Unity Catalog rendszerképének nevét, amelyet a munkaterhelés YAML-fájljában az environment.unity_catalog_image helyén használhat. Ehhez a példához használd main.ml.training:v1, ahogy azt a Docker kép alkalmazása munkaterhelésben mutatja.
A segéd újra felhasznál egy helyi forrásképet, ha van ilyen. Ellenkező esetben lekéri a forrásképet a(z) linux/amd64 számára. Add --pull hozzá a forráskép frissítéséhez a regiszteréből, még akkor is, ha helyben elérhető. A képeknek használnia linux/amd64kell . Építsünk újra egy inkompatibilis helyi képet ehhez a platformhoz, mielőtt előrenyomnád. Ha a forráskép egy privát regiszterben van, hitelesítése a Docker azon a nyilvántartásnak a segítő futtatása előtt.
A rendszerkép részleteinek interaktív megadásához futtasd a(z) databricks air images push --profile my-databricks-profile parancsot a rendszerkép-jelzők nélkül. Az összes lehetőség megjelenítéséhez futtassa: databricks air images push --help.
Kép leküldése egy másik registryből
Az egy másik tárolóregiszterben meglévő rendszerképet a CLI-segédprogrammal az Artifact Registrybe is átmásolhatja.
Az alábbi példa forrásként egy magán Amazon Elastic Container Registry (ECR) tárolót használ. Ebben a példában telepítse és konfigurálja az AWS CLI-t olyan hitelesítő adatokkal, amelyekkel hitelesíteni tud az ECR-ben, és letöltheti a forrásképet. Ezek az AWS-hitelesítő adatok elkülönülnek a Databricks-profiljától.
Először hitelesítse a Dockert a forrás ECR regiszterrel. Cseréld le a példa AWS fiókazonosítót, régiót, tárolót és képcímkét saját értékeidre. Az AWS-régiónak a forrás ECR-regisztrációs adattárral kell megegyeznie, nem a cél Databricks-munkaterülettel. Lásd a Private registry hitelesítést az AWS dokumentációjában.
aws ecr get-login-password --region us-west-2 | \
docker login --username AWS --password-stdin \
123456789012.dkr.ecr.us-west-2.amazonaws.com
Ezután a teljes ECR kép URI-t úgy adjuk át:--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
A --pull jelző akkor is lekéri az ECR-ből a linux/amd64 rendszerképet, ha az már helyben gyorsítótárban van. A segéd a helyi Docker telepítést használja a kép lehúzásához, címkézéséhez és továbbításához. Az ECR-ben a forráskép változatlan marad. Miután a push sikeres, állítsd a(z) environment.unity_catalog_image értékét main.ml.training:ecr-v1-re a workload YAML-fájlodban.