Gestire e aumentare le quote per le risorse con Azure Machine Learning
Azure usa i limiti e le quote per evitare lo sforamento del budget a causa di illeciti e per rispettare i vincoli di capacità di Azure. Considerare questi limiti durante la scalabilità per i carichi di lavoro di produzione. In questo articolo vengono fornite informazioni su:
- Limiti predefiniti per le risorse di Azure correlate ad Azure Machine Learning.
- Creazione di quote a livello di area di lavoro.
- Visualizzazione delle quote e dei limiti.
- Aumento della quota richiesta.
Oltre a gestire le quote, è possibile apprendere come pianificare e gestire i costi per Azure Machine Learning o informazioni sui limiti del servizio in Azure Machine Learning.
Considerazioni speciali
Una quota è un limite di credito, non una garanzia di capacità. Se si hanno esigenze di capacità su larga scala, contattare supporto tecnico di Azure per aumentare la quota.
La quota viene condivisa fra tutti i servizi nelle sottoscrizioni, incluso Azure Machine Learning. Calcolare l'utilizzo in tutti i servizi durante la valutazione della capacità.
Il calcolo di Azure Machine Learning è un'eccezione. Ha una quota separata dalla quota di calcolo della memoria centrale.
I limiti predefiniti variano in base al tipo di categoria dell'offerta, ad esempio Versione di valutazione gratuita o Pagamento in base al consumo, e alle serie delle macchine virtuali, ad esempio Dv2, F e G.
Quote predefinite per le risorse
In questa sezione vengono illustrati i limiti di quota predefiniti e massimi per le risorse seguenti:
- Asset di Azure Machine Learning
- Calcolo di Azure Machine Learning
- Endpoint online gestiti di Azure Machine Learning
- Pipeline di Azure Machine Learning
- Macchine virtuali
- Istanze di Azure Container
- Archiviazione di Azure
Importante
I limiti sono soggetti a modifiche. Per le informazioni più recenti, vedere Limiti dei servizi in Azure Machine Learning.
Asset di Azure Machine Learning
I limiti seguenti per gli asset si applicano per ogni area di lavoro.
| Risorsa | Limite massimo |
|---|---|
| Set di dati | 10 milioni |
| Esecuzioni | 10 milioni |
| Modelli | 10 milioni |
| Artifacts | 10 milioni |
Inoltre, il tempo di esecuzione massimo è di 30 giorni e il numero massimo di metriche registrate per ogni esecuzione è 1 milione.
Ambiente di calcolo di Azure Machine Learning
L'ambiente di calcolo di Azure Machine Learning ha un limite di quota predefinito sia per il numero di core (suddivisi per ogni famiglia di macchine virtuali che per i core totali cumulativi) sia per il numero di risorse di calcolo univoche consentite per area in una sottoscrizione. Questa quota è separata dalla quota di core della macchina virtuale elencata nella sezione precedente perché si applica solo alle risorse di calcolo gestite di Azure Machine Learning.
Richiedere un aumento della quota per aumentare i limiti per varie quote di core della famiglia di macchine virtuali, quote di core di sottoscrizione totali, quota del cluster e risorse in questa sezione.
Risorse disponibili:
I core dedicati per area hanno un limite predefinito da 24 a 300, a seconda del tipo di offerta della sottoscrizione. È possibile aumentare il numero di core dedicati per sottoscrizione per ogni famiglia di macchine virtuali. Le famiglie di macchine virtuali specializzate, ad esempio NCv2, NCv3 o serie ND, iniziano con un valore predefinito pari a zero core. Anche le GPU iniziano con un valore predefinito di zero core.
I core con priorità bassa per area hanno un limite predefinito da 100 a 3.000, a seconda del tipo di offerta della sottoscrizione. Il numero di core a bassa priorità per ogni sottoscrizione può essere aumentato ed è un valore singolo per le famiglie di macchine virtuali.
I cluster per area hanno un limite predefinito di 200. Questo limite viene condiviso tra cluster di training, istanze di calcolo e distribuzioni di endpoint MIR. Un'istanza di calcolo viene considerata un cluster a nodo singolo a scopo di quota. La quota del cluster può essere aumentata fino a un valore di 500 per area all'interno di una determinata sottoscrizione.
Suggerimento
Per altre informazioni sulla famiglia di macchine virtuali per cui richiedere un aumento della quota, vedere dimensioni delle macchine virtuali in Azure. Ad esempio, le famiglie di macchine virtuali GPU iniziano con un "N" nel nome della famiglia (ad esempio, Serie NCv3)
La tabella seguente illustra altri limiti nella piattaforma. Contattare il team del prodotto Azure Machine Learning tramite un ticket di supporto tecnico per richiedere un'eccezione.
| Risorsa o azione | Limite massimo |
|---|---|
| Aree di lavoro per gruppo di risorse | 800 |
| I nodi in un singolo cluster di calcolo di Azure Machine Learning (AmlCompute) configurati come pool non abilitato per la comunicazione, ovvero non possono eseguire processi MPI. | 100 nodi ma configurabili fino a 65.000 nodi |
| I nodi in un singolo passaggio di esecuzione parallela vengono eseguiti in un cluster di calcolo di Azure Machine Learning (AmlCompute) | 100 nodi ma configurabili fino a 65.000 nodi se il cluster è configurato per la scalabilità superiore |
| Nodi in un singolo cluster di calcolo di Azure Machine Learning (AmlCompute) configurato come pool abilitato per la comunicazione | 300 nodi ma configurabili fino a 4000 nodi |
| Nodi in un singolo cluster di calcolo di Azure Machine Learning (AmlCompute) configurato come pool abilitato per le comunicazioni in una famiglia di macchine virtuali abilitata per RDMA | 100 nodi |
| I nodi in un singolo MPI vengono eseguiti in un cluster di calcolo di Azure Machine Learning (AmlCompute) | 100 nodi, ma possono essere aumentati a 300 nodi |
| Durata dei processi | 21 giorni1 |
| Durata del processo in un nodo con priorità bassa | 7 giorni2 |
| Server di parametri per nodo | 1 |
1 La durata massima è la durata compresa tra l'avvio di un processo e il termine. I processi completati vengono mantenuti per un periodo illimitato. I dati per i processi non completati entro la durata massima non sono accessibili.
2 I processi in un nodo con priorità bassa possono essere annullati ogni volta che è presente un vincolo di capacità. È consigliabile implementare checkpoint nel processo.
Endpoint online gestiti di Azure Machine Learning
Gli endpoint online gestiti di Azure Machine Learning presentano limiti descritti nella tabella seguente. Si tratta di limiti a livello di area, vale a dire che è possibile usare fino a questi limiti per ogni area in uso.
| Risorsa | Limite | Consente l'eccezione |
|---|---|---|
| Nome dell'endpoint | I nomi degli endpoint devono |
- |
| Nome distribuzione | I nomi di distribuzione devono |
- |
| Numero di endpoint per sottoscrizione | 50 | Sì |
| Numero di distribuzioni per sottoscrizione | 200 | Sì |
| Numero di distribuzioni per endpoint | 20 | Sì |
| Numero di istanze per distribuzione | 20 2 | Sì |
| Timeout massimo della richiesta a livello di endpoint | 90 secondi | - |
| Richieste totali al secondo a livello di endpoint per tutte le distribuzioni | 500 3 | Sì |
| Connessioni totali al secondo a livello di endpoint per tutte le distribuzioni | 500 3 | Sì |
| Totale connessioni attive a livello di endpoint per tutte le distribuzioni | 500 3 | Sì |
| Larghezza di banda totale a livello di endpoint per tutte le distribuzioni | 5 MBPS 3 | Sì |
1 I trattini singoli, ad esempio , my-endpoint-namevengono accettati nei nomi di endpoint e distribuzione.
2 Sono disponibili risorse di calcolo aggiuntive del 20% per l'esecuzione di aggiornamenti. Ad esempio, se si richiedono 10 istanze in una distribuzione, è necessario avere una quota per 12. In caso contrario, viene visualizzato un errore.
3 Se si richiede un aumento del limite, assicurarsi di calcolare gli aumenti di limite correlati potrebbe essere necessario. Ad esempio, se si richiede un aumento del limite per le richieste al secondo, è anche possibile calcolare le connessioni e i limiti di larghezza di banda necessari e includere questi limiti nella stessa richiesta.
Per determinare l'utilizzo corrente per un endpoint, visualizzare le metriche.
Per richiedere un'eccezione al team del prodotto Azure Machine Learning, seguire la procedura descritta in Richiedere aumenti della quota.
Endpoint online kubernetes di Azure Machine Learning
Gli endpoint online kubernetes di Azure Machine Learning hanno limiti descritti nella tabella seguente.
| Risorsa | Limite |
|---|---|
| Nome dell'endpoint | Uguale all'endpoint online gestito |
| Nome distribuzione | Uguale all'endpoint online gestito |
| Numero di endpoint per sottoscrizione | 50 |
| Numero di distribuzioni per sottoscrizione | 200 |
| Numero di distribuzioni per endpoint | 20 |
| Timeout massimo della richiesta a livello di endpoint | 300 secondi |
La somma degli endpoint online kubernetes e degli endpoint online gestiti in ogni sottoscrizione non può superare i 50. Analogamente, la somma delle distribuzioni online kubernetes e delle distribuzioni online gestite in ogni sottoscrizione non può superare i 200.
Pipeline di Azure Machine Learning
Le pipeline di Azure Machine Learning presentano i limiti seguenti.
| Risorsa | Limite |
|---|---|
| Passaggi in una pipeline | 30.000 |
| Aree di lavoro per gruppo di risorse | 800 |
Integrazione di Azure Machine Learning con Synapse
Spark serverless di Azure Machine Learning consente di accedere facilmente alla funzionalità di elaborazione distribuita per il ridimensionamento dei processi Apache Spark. Ciò usa la stessa quota dedicata dell'ambiente di calcolo di Azure Machine Learning. I limiti di quota possono essere aumentati inviando un ticket di supporto e richiedendo l'aumento della quota nella categoria "Servizio Machine Learning: Macchina virtuale".
Per visualizzare l'utilizzo delle quote, passare a Machine Learning Studio e selezionare il nome della sottoscrizione per cui si vuole visualizzare l'utilizzo. Selezionare "Quota" nel pannello sinistro.
Macchine virtuali
Ogni sottoscrizione di Azure ha un limite per il numero di macchine virtuali in tutti i servizi. I core delle macchine virtuali hanno un limite totale a livello di area e un limite a livello di area per serie di dimensioni. Entrambi i limiti vengono applicati separatamente.
Si consideri ad esempio una sottoscrizione con limite di core di VM totale per gli Stati Uniti orientali pari a 30, un limite di core di serie A pari a 30 e un limite di core di serie D pari a 30. Questa sottoscrizione può distribuire 30 macchine virtuali A1 o 30 D1 oppure una combinazione di due macchine virtuali che non supera un totale di 30 core.
Non è possibile aumentare i limiti per le macchine virtuali oltre i valori illustrati nella tabella seguente.
| Risorsa | Limite |
|---|---|
| Sottoscrizioni di Azure associate a un tenant di Azure Active Directory | Nessuna limitazione |
| Coamministratori per ogni sottoscrizione | Nessuna limitazione |
| Gruppi di risorse per sottoscrizione | 980 |
| Dimensione delle richieste delle API di Azure Resource Manager | 4.194.304 byte |
| Tag per sottoscrizione1 | 50 |
| Calcoli di tag univoci per sottoscrizione2 | 80.000 |
| Distribuzioni a livello di sottoscrizione per sede | 8003 |
| Percorsi delle distribuzioni a livello di sottoscrizione | 10 |
1È possibile applicare fino a 50 tag direttamente a una sottoscrizione. La sottoscrizione può tuttavia contenere un numero illimitato di tag che vengono applicati ai gruppi di risorse e alle risorse all'interno della sottoscrizione. Il numero di tag per risorsa o per gruppo di risorse è limitato a 50.
2 Resource Manager restituisce un elenco di valori e nome tag nella sottoscrizione solo quando il numero di tag univoci è 80.000 o inferiore. Un tag univoco viene definito dalla combinazione di ID risorsa, nome tag e valore di tag. Ad esempio, due risorse con lo stesso nome di tag e il valore verranno calcolati come due tag univoci. È comunque possibile trovare una risorsa per tag quando il numero supera 80.000.
3 Le distribuzioni vengono eliminate automaticamente dalla cronologia quando si avvicina il limite. Per alter informazioni, vedere Eliminazioni automatiche dalla cronologia delle distribuzioni.
Istanze di contenitore
Per altre informazioni, vedere limiti Istanze di Container.
Archiviazione
Archiviazione di Azure ha un limite di 250 account di archiviazione per area, per sottoscrizione. Questo limite include sia gli account di archiviazione Standard che Premium.
Quote a livello di area di lavoro
Usare le quote a livello di area di lavoro per gestire l'allocazione di destinazione di calcolo di Azure Machine Learning tra più aree di lavoro nella stessa sottoscrizione.
Per impostazione predefinita, tutte le aree di lavoro condividono la stessa quota a livello di sottoscrizione per le famiglie di macchine virtuali. È tuttavia possibile impostare una quota massima per singole famiglie di macchine virtuali nelle aree di lavoro in una sottoscrizione. In questo modo è possibile condividere la capacità ed evitare problemi di conflitti di risorse.
- Passare a un'area di lavoro nella sottoscrizione.
- Nel riquadro a sinistra selezionare Utilizzo e quote.
- Selezionare la scheda Configura quote per visualizzare le quote.
- Espandere una famiglia di macchine virtuali.
- Impostare un limite di quota per una qualsiasi area di lavoro elencata nella famiglia di macchine virtuali.
Non è possibile impostare un valore negativo o un valore superiore alla quota a livello di sottoscrizione.
Nota
Sono necessarie autorizzazioni a livello di sottoscrizione per impostare una quota a livello di area di lavoro.
Visualizzare le quote nello studio
Quando si crea una nuova risorsa di calcolo, per impostazione predefinita vengono visualizzate solo le dimensioni della macchina virtuale già disponibili per l'uso. Passare alla visualizzazione selezionare da tutte le opzioni.
Scorrere verso il basso fino a visualizzare l'elenco delle dimensioni della macchina virtuale per cui non si dispone della quota.
Usare il collegamento per passare direttamente alla richiesta di supporto clienti online per una quota maggiore.
Visualizzare l'utilizzo e le quote nell'portale di Azure
Per visualizzare la quota per varie risorse di Azure, ad esempio macchine virtuali, archiviazione o rete, usare la portale di Azure:
Nel riquadro sinistro selezionare Tutti i servizi e quindi selezionare Sottoscrizioni nella categoria Generale .
Nell'elenco delle sottoscrizioni selezionare la sottoscrizione la cui quota si sta cercando.
Selezionare Utilizzo e quote per visualizzare i limiti e l'utilizzo correnti delle quote. Usare i filtri per selezionare il provider e le posizioni.
È possibile gestire la quota di calcolo di Azure Machine Learning nella sottoscrizione separatamente da altre quote di Azure:
Passare all'area di lavoro di Azure Machine Learning nel portale di Azure.
Nel riquadro sinistro, nella sezione Supporto e risoluzione dei problemi selezionare Utilizzo + quote per visualizzare i limiti di quota e l'utilizzo correnti.
Selezionare una sottoscrizione per visualizzare i limiti di quota. Filtrare l'area a cui si è interessati.
È possibile passare da una visualizzazione a livello di sottoscrizione a una visualizzazione a livello di area di lavoro.
Richiedere aumenti di quota
Per aumentare il limite o la quota della macchina virtuale al di sopra del limite predefinito, aprire una richiesta di supporto clienti online senza alcun addebito.
Non è possibile aumentare i limiti al di sopra dei valori massimi visualizzati nelle tabelle precedenti. Se non esiste alcun limite massimo, non è possibile modificare il limite per la risorsa.
Quando si richiede un aumento della quota, selezionare il servizio che si ha in mente. Ad esempio, selezionare Servizio Machine Learning, Istanze di Container o Archiviazione. Per l'endpoint di Azure Machine Learning, è possibile selezionare il pulsante Richiedi quota durante la visualizzazione della quota nei passaggi precedenti.
Scorrere fino al servizio Machine Learning: Quota macchina virtuale.
In Dettagli aggiuntivi specificare i dettagli della richiesta con il numero di vCPU aggiuntivi necessari per eseguire l'endpoint di Machine Learning.
Nota
Le sottoscrizioni di valutazione gratuite non sono idonee per l'aumento del limite o della quota. Se si dispone di una sottoscrizione di valutazione gratuita, è possibile eseguire l'aggiornamento a una sottoscrizione con pagamento in base al consumo. Per altre informazioni, vedere Aggiornare la versione di valutazione gratuita di Azure a pagamento in base al consumo e domande frequenti sull'account gratuito di Azure.
Aumenti della quota degli endpoint
Quando si richiede un aumento della quota, specificare le informazioni seguenti:
Quando si apre la richiesta di supporto, selezionare Servizio Machine Learning: limiti degli endpoint come Tipo di quota.
Nella scheda Dettagli aggiuntivi selezionare Immetti dettagli e quindi specificare la quota da aumentare e il nuovo valore, il motivo della richiesta di aumento della quota e le posizioni in cui è necessario tale aumento. Infine, selezionare Salva e continua per continuare.
