Felügyelt számítás használata felügyelt virtuális hálózaton

Megtudhatja, hogyan konfigurálhat számítási fürtöket vagy számítási példányokat egy Felügyelt Azure Machine Learning-alapú virtuális hálózaton.

Felügyelt hálózat használata esetén az Azure Machine Learning által felügyelt számítási erőforrások részt vehetnek a virtuális hálózatban. Az Azure Machine Learning számítási fürtök, számítási példányok és felügyelt online végpontok a felügyelt hálózaton jönnek létre.

Ez a cikk a számítási fürtök és számítási példányok felügyelt hálózaton való konfigurálásával foglalkozik. A felügyelt online végpontokról további információt a biztonságos online végpontok hálózatelkülönítésével kapcsolatban talál.

Fontos

Ha kiszolgáló nélküli Spark-feladatok használatát tervezi, a konfigurációs információkért tekintse meg a felügyelt virtuális hálózatról szóló cikket. A felügyelt virtuális hálózat konfigurálásakor ezeket a lépéseket kell követni.

Előfeltételek

A cikkben ismertetett lépések végrehajtása előtt győződjön meg arról, hogy rendelkezik a következő előfeltételekkel:

Azure CLI

• Felügyelt virtuális hálózat használatára konfigurált Azure Machine Learning-munkaterület.

• Az Azure CLI és az ml Azure CLI bővítménye. További információ: A parancssori felület (v2) telepítése, beállítása és használata.

  Tipp.

  Az Azure Machine Learning által felügyelt virtuális hálózatot 2023. május 23-án vezették be. Ha rendelkezik az ml-bővítmény régebbi verziójával, előfordulhat, hogy frissítenie kell a jelen cikkben szereplő példákhoz. A bővítmény frissítéséhez használja a következő Azure CLI-parancsot:

  az extension update -n ml
  

• A cikkben szereplő CLI-példák feltételezik, hogy a Bash (vagy kompatibilis) rendszerhéjat használja. Például linuxos rendszerből vagy Linuxos Windows-alrendszer.

• A cikkben ws szereplő Azure CLI-példák a munkaterület nevét és rg az erőforráscsoport nevét jelölik. Szükség szerint módosítsa ezeket az értékeket, amikor a parancsokat az Azure-előfizetésével használja.

Python

• Felügyelt virtuális hálózat használatára konfigurált Azure Machine Learning-munkaterület.

• Az Azure Machine Learning Python SDK 2-s verziója. Az SDK-ról további információt az Azure Machine Learninghez készült Python SDK v2 telepítése című témakörben talál.

  Tipp.

  Az Azure Machine Learning által felügyelt virtuális hálózatot 2023. május 23-án vezették be. Ha az SDK egy régebbi verziója van telepítve, előfordulhat, hogy frissítenie kell, hogy a cikkben szereplő példák működjenek. Az SDK frissítéséhez használja a következő parancsot:

  pip install --upgrade azure-ai-ml azure-identity
  

• A cikkben szereplő példák feltételezik, hogy a kód a következő Pythonnal kezdődik. Ez a kód importálja a felügyelt virtuális hálózattal rendelkező munkaterületek létrehozásakor szükséges osztályokat, beállítja az Azure-előfizetés és az erőforráscsoport változóit, és létrehozza a következőt 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>"
  workspace_name = "<WORKSPACE_NAME>"
  
  # get a handle to the subscription
  ml_client = MLClient(
      workspace_name=workspace_name,
      subscription_id=subscription_id,
      resource_group_name=resource_group,
      credential=DefaultAzureCredential()
  )
  

Stúdió

• Felügyelt virtuális hálózat használatára konfigurált Azure Machine Learning-munkaterület.

Számítási erőforrások konfigurálása

Az alábbi lapok segítségével megtudhatja, hogyan konfigurálhat számítási fürtöket és számítási példányokat egy felügyelt virtuális hálózaton:

Tipp.

Felügyelt virtuális hálózat használatakor a rendszer automatikusan létrehozza a számítási fürtöket és a számítási példányokat a felügyelt hálózaton. Az alábbi lépések a számítási erőforrások nyilvános IP-cím nélküli használatára való konfigurálására összpontosítanak.

Azure CLI

Ha nyilvános IP-cím nélküli számítási fürtöt szeretne létrehozni, használja a következő parancsot:

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

Ha nyilvános IP-cím nélküli számítási példányt szeretne létrehozni, használja a következő parancsot:

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

Python

Az alábbi Python SDK-példa bemutatja, hogyan hozhat létre számítási fürtöt és számítási példányt nyilvános IP-cím nélkül:

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)

Stúdió

Az Azure Portalról nem hozhat létre számítási fürtöt vagy számítási példányt. Ehelyett az alábbi lépésekkel hozza létre ezeket a számításokat az Azure Machine Learning Studióból:

1. Válassza ki a munkaterületet a studióban.

2. Válassza ki a Számítási lapot a bal oldali panelen.

3. Válassza az + Új lehetőséget a számítási példány vagy számítási fürt navigációs sávjáról.

4. Konfigurálja a szükséges virtuálisgép-méretet és konfigurációt, majd válassza a Tovább lehetőséget, amíg meg nem érkezik a következő oldalakra:

   • Számítási fürt esetén használja a Speciális beállítások lapot, és válassza a Nem nyilvános IP-címet a nyilvános IP-cím eltávolításához.

     

   • Számítási példány esetén használja a Biztonsági lapot, és válassza a Nem nyilvános IP-címet a nyilvános IP-cím eltávolításához.

     

5. Folytassa a számítási erőforrás létrehozásának folytatását.

Korlátozások

• Felügyelt virtuális hálózat használatakor nem támogatott a számítási fürt létrehozása a munkaterületétől eltérő régióban.

• Ha a számítás magánhálózaton van, és nyilvános IP-cím nélkül is konfigurálva van, a az ml compute connect-ssh parancs használatával csatlakozzon a számítási példányhoz SSH-n keresztül.

  Alapértelmezés szerint az SSH-hozzáférést a rendszer a nyilvános IP-címen irányítja át. A privát kapcsolat használatának biztosításához kövesse az alábbi lépéseket:

  1. Hozzon létre egy privát végpontot a munkaterülethez.
  2. Hozzon létre egy privát DNS-zónát a következőhöz instances.azureml.ms: .
  3. Hozzon létre egy DNS-rekordkészletet a számításhoz, például <compute-instance-name>-22.<region-of-workspace>.instances.azureml.ms.

  További információ: Egyéni DNS-kiszolgáló használata.

Számítási erőforrások migrálása

Ha meglévő munkaterülete van, és engedélyezni szeretné a felügyelt virtuális hálózatot, a meglévő felügyelt számítási erőforrások jelenleg nem támogatják a migrálási útvonalat. A felügyelt virtuális hálózat engedélyezése után törölnie kell az összes meglévő felügyelt számítási erőforrást, és újra létre kell hoznia őket. Az alábbi lista tartalmazza azokat a számítási erőforrásokat, amelyeket törölni és újra kell létrehozni:

• Számítási fürt
• Számítási példány
• Felügyelt online végpontok

Következő lépések

• Felügyelt virtuális hálózat elkülönítése
• Online végpontok védelme hálózati elkülönítéssel