AI Runtime 向け Databricks CLI クイックスタート

Important

この機能は パブリック プレビュー段階です。

DatabricksのCLIを使ってAIランタイム上でGPUワークロードを送信・監視します。 まずは最小限のGPUチェックから始め、自分でPythonコードを実行して実行状況を検証します。

必要条件

  • AI Runtime が有効な Azure Databricks ワークスペース 要件を参照してください。
  • インストールされ、ワークスペースで認証済みの最新の Databricks CLI Databricks CLI のインストールまたは更新 とDatabricks CLI の認証を参照してください。
  • Python の例を実行するには、Git がPATHにインストールされ、利用可能であること。 CLIはGitを使ってローカルコードをパッケージ化します。

airコマンドがDatabricks CLIで利用可能であることを確認しましょう:

databricks air --help

Tip

ワークロードの設定作成や実行管理のサポートを得るには、AIエージェント用の databricks-ai-runtime スキルをインストールしてください。 AI エージェントを使用するを参照してください。

最小限のワークロードを実行する

workload.yamlファイルを作成し、1つのA10 GPUを要求し、GPU名を出力するためにnvidia-smiを実行します。

experiment_name: air-quickstart
compute:
  num_accelerators: 1
  accelerator_type: GPU_1xA10
command: nvidia-smi --query-gpu=name --format=csv,noheader

ワークロードを送信し、そのログを databricks air runでストリーミングします:

databricks air run --file workload.yaml --watch

CLIはジョブ実行IDとワークスペース内の実行リンクを返します。 --watch 端末を接続したまま、ワークロードが終わるまでログをストリーミングします。

Submitting experiment: air-quickstart
Submitted workload with Job Run ID: 783940125630184
View job run at: https://example.cloud.databricks.com/jobs/runs/783940125630184?o=1234567890123456

Monitoring run and streaming logs...
...
Environment setup completed at Thu Oct 1 14:23:45 UTC 2026
NVIDIA A10

自分のPythonコードを実行してください

ローカルPythonコードをアップロード・実行するには、以下のファイルを含むair-quickstartディレクトリを作成してください。

air-quickstart/
├── workload.yaml
└── main.py

AIランタイムがアップロードしたコードをGPU上で実行していることを検証するために、以下の最小限のPythonコードを使用します。

import torch

print("Hello from Python on AI Runtime")
print(f"GPU: {torch.cuda.get_device_name(0)}")

この例を拡張するには、main.py を独自のトレーニング、バッチ推論、またはその他の AI アプリケーションに置き換えることができます。

workload.yamlには以下の設定を使用してください:

experiment_name: python-quickstart
environment:
  version: databricks_ai_v6
compute:
  num_accelerators: 1
  accelerator_type: GPU_1xH100
code_source:
  type: snapshot
  snapshot:
    root_path: .
command: python "$CODE_SOURCE_PATH/main.py"

この構成では、次の設定を使用します：

  • environment.version PyTorchを含む組み込みの Databricks AI環境バージョン6を選択します。
  • root_path: .はworkload.yamlを含むディレクトリをアップロードします。 実行時には、$CODE_SOURCE_PATH はアップロードされたディレクトリを指します。

AIランタイムは1つのH100 GPUで main.py 動作します。

air-quickstartディレクトリから、次のワークロードを送信してください:

databricks air run --file workload.yaml --watch

ストリーミングログには以下が含まれます:

...
Hello from Python on AI Runtime
GPU: NVIDIA H100 80GB HBM3

環境、コードソース、計算、その他のワークロード設定の設定については、 Workload YAMLリファレンスを参照してください。

実行を点検する

提出の出力にあるジョブ実行IDを使って実行状況を確認しましょう:

databricks air get <job-run-id>

databricks air get 実行状況、構成、タイミングを表示します。 また、ジョブ実行や利用可能な場合はMLflow実行にもリンクします。

送信後のログ配信や中断されたストリームを再開するには、以下を実行します:

databricks air logs <job-run-id>

CLIは、ワークロードの一覧表示、検査、キャンセル、およびワークロードからのログ取得のための追加コマンドを提供します。 airコマンド リファレンスを参照してください。

Reference

その他のリソース

  • 最終更新: