Usare il calcolo gestito in una rete virtuale gestita

Informazioni su come configurare cluster di elaborazione o istanze di ambiente di calcolo in una rete virtuale gestita di Azure Machine Learning.

Quando si usa una rete gestita, le risorse di calcolo gestite da Azure Machine Learning possono partecipare alla rete virtuale. I cluster di elaborazione di Azure Machine Learning, le istanze di ambiente di calcolo e gli endpoint online gestiti vengono creati nella rete gestita.

Questo articolo è incentrato sulla configurazione di cluster di elaborazione e istanze di ambiente di calcolo in una rete gestita. Per informazioni sugli endpoint online gestiti, vedere Endpoint online sicuri con isolamento rete.

Importante

Se si prevede di usare processi di Spark serverless, vedere l'articolo Rete virtuale gestita per informazioni sulla configurazione. Questi passaggi devono essere eseguiti durante la configurazione della rete virtuale gestita.

Prerequisiti

Prima di seguire la procedura descritta in questo articolo, assicurarsi di disporre dei prerequisiti seguenti:

Interfaccia della riga di comando di Azure

• Un'area di lavoro di Azure Machine Learning configurata per l'uso di una rete virtuale gestita.

• L'interfaccia della riga di comando di Azure e l'ml estensione per l'interfaccia stessa. Per altre informazioni, vedere Installare, configurare e usare l'interfaccia della riga di comando (v2).

  Suggerimento

  La rete virtuale gestita di Azure Machine Learning è stata introdotta il 23 maggio 2023. Se si ha una versione precedente dell'estensione ml, potrebbe essere necessario aggiornarla affinché gli esempi riportati in questo articolo funzionino. Per aggiornare l'estensione, usare il comando seguente dell'interfaccia della riga di comando di Azure:

  az extension update -n ml
  

• Gli esempi dell'interfaccia della riga di comando in questo articolo presuppongono che si usi la shell Bash (o compatibile). Ad esempio, un sistema Linux o un sottosistema Windows per Linux.

• Gli esempi dell'interfaccia della riga di comando di Azure in questo articolo usano ws per rappresentare il nome dell'area di lavoro e rg per rappresentare il nome del gruppo di risorse. Modificare questi valori in base alle esigenze quando si usano i comandi con la sottoscrizione di Azure.

Python SDK

• Un'area di lavoro di Azure Machine Learning configurata per l'uso di una rete virtuale gestita.

• Python SDK v2 di Azure Machine Learning. Per altre informazioni sull'SDK, vedere Installare Python SDK v2 per Azure Machine Learning.

  Suggerimento

  La rete virtuale gestita di Azure Machine Learning è stata introdotta il 23 maggio 2023. Se è installata una versione precedente dell'SDK, potrebbe essere necessario aggiornarla affinché gli esempi riportati in questo articolo funzionino. Per aggiornare l'SDK, usare il comando seguente:

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

• Gli esempi riportati in questo articolo presuppongono che il codice inizi con il codice Python seguente. Questo codice importa le classi necessarie durante la creazione di un'area di lavoro con rete virtuale gestita, imposta le variabili per la sottoscrizione di Azure e il gruppo di risorse e crea il 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)
  

Studio

• Un'area di lavoro di Azure Machine Learning configurata per l'uso di una rete virtuale gestita.

Configurare le risorse di calcolo

Usare le schede seguenti per scoprire come configurare cluster di elaborazione e istanze di ambiente di calcolo in una rete virtuale gestita:

Suggerimento

Quando si usa una rete virtuale gestita, i cluster di elaborazione e le istanze di ambiente di calcolo vengono creati automaticamente nella rete gestita. La procedura seguente è incentrata sulla configurazione delle risorse di calcolo per non usare un indirizzo IP pubblico.

Interfaccia della riga di comando di Azure

Per creare un cluster di elaborazione senza un IP pubblico, usare il comando seguente:

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

Per creare un'istanza di ambiente di calcolo senza un IP pubblico, usare il comando seguente:

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

Python SDK

L'esempio di Python SDK seguente illustra come creare un cluster di elaborazione e un'istanza di ambiente di calcolo senza un IP pubblico:

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)

Studio

Non è possibile creare un cluster di elaborazione o un'istanza di ambiente di calcolo dal portale di Azure. Usare invece la procedura seguente per creare questi calcoli da Studio di Azure Machine Learning:

1. Da Studio, selezionare l'area di lavoro.

2. Selezionare la pagina Calcolo nella barra di spostamento a sinistra.

3. Selezionare + Nuovo dalla barra di spostamento dell'istanza di ambiente di calcolo o del cluster di elaborazione.

4. Configurare le dimensioni e la configurazione della macchina virtuale necessarie, quindi selezionare Avanti fino a quando non si arriva alle pagine seguenti:

   • Per un cluster di elaborazione, usare la pagina Impostazioni avanzate e selezionare l'opzione Nessun indirizzo IP pubblico per rimuovere l'indirizzo IP pubblico.

     

   • Per un' istanza di ambiente di calcolo, usare la pagina Sicurezza e selezionare l'opzione Nessun indirizzo IP pubblico per rimuovere l'indirizzo IP pubblico.

     

5. Continuare con la creazione della risorsa di calcolo.

Limiti

• La creazione di un cluster di elaborazione in un'area diversa da quella dell'area di lavoro non è supportata quando si usa una rete virtuale gestita.

Migrazione delle risorse di calcolo

Se si dispone di un'area di lavoro esistente e si vuole abilitare la rete virtuale gestita, non è attualmente disponibile alcun percorso di migrazione supportato per le risorse di calcolo gestite esistenti. È necessario eliminare tutte le risorse di calcolo gestite esistenti e ricrearle dopo aver abilitato la rete virtuale gestita. L'elenco seguente contiene le risorse di calcolo che devono essere eliminate e ricreate:

• Cluster di elaborazione
• Istanza di calcolo
• Endpoint online gestiti

Passaggi successivi

• Isolamento della rete virtuale gestita
• Proteggere gli endpoint online con isolamento rete