Udostępnij za pośrednictwem

Wdrażanie rozszerzenia usługi Azure Machine Learning w klastrze Kubernetes usługi AKS lub Arc

  • Artykuł

Aby umożliwić klastrowi AKS lub Arc Kubernetes uruchamianie zadań szkoleniowych lub obciążeń wnioskowania, należy najpierw wdrożyć rozszerzenie usługi Azure Machine Learning w klastrze AKS lub Arc Kubernetes. Rozszerzenie usługi Azure Machine Learning jest oparte na rozszerzeniu klastra dla usługi AKS i rozszerzenia klastra lub rozwiązania Arc Kubernetes, a jego cykl życia można łatwo zarządzać za pomocą rozszerzenia k8s interfejsu wiersza polecenia platformy Azure.

W tym artykule możesz dowiedzieć się:

  • Wymagania wstępne
  • Ograniczenia
  • Przegląd ustawień konfiguracji rozszerzenia usługi Azure Machine Learning
  • Scenariusze wdrażania rozszerzenia usługi Azure Machine Learning
  • Weryfikacja wdrożenia rozszerzenia usługi Azure Machine Learning
  • Przegląd składników rozszerzenia usługi Azure Machine Learning
  • Zarządzanie rozszerzeniem usługi Azure Machine Learning

Wymagania wstępne

  • Klaster usługi AKS uruchomiony na platformie Azure. Jeśli rozszerzenia klastra nie były wcześniej używane, musisz zarejestrować dostawcę usługi KubernetesConfiguration.
  • Lub klaster Kubernetes usługi Arc jest uruchomiony. Postępuj zgodnie z instrukcjami w artykule Łączenie istniejącego klastra Kubernetes z usługą Azure Arc.
  • W celach produkcyjnych klaster Kubernetes musi mieć co najmniej 4 rdzenie wirtualne i 14 GB pamięci. Aby uzyskać więcej informacji na temat szczegółów zasobów i zaleceń dotyczących rozmiaru klastra, zobacz Zalecane planowanie zasobów.
  • Klaster działający za serwerem proxy ruchu wychodzącego lub zapora wymaga dodatkowych konfiguracji sieci.
  • Zainstaluj lub uaktualnij interfejs wiersza polecenia platformy Azure do wersji 2.24.0 lub nowszej.
  • Zainstaluj lub uaktualnij rozszerzenie k8s-extension interfejsu wiersza polecenia platformy Azure do wersji 1.2.3 lub nowszej.

Ograniczenia

  • Używanie jednostki usługi z usługą AKS nie jest obsługiwane przez usługę Azure Machine Learning. Klaster usługi AKS musi zamiast tego używać tożsamości zarządzanej. Obsługiwana jest zarówno tożsamość zarządzana przypisana przez system, jak i tożsamość zarządzana przypisana przez użytkownika. Aby uzyskać więcej informacji, zobacz Use a managed identity in Azure Kubernetes Service (Używanie tożsamości zarządzanej w usłudze Azure Kubernetes Service).
    • Gdy używana przez klaster usługi AKS jednostka usługi jest konwertowana na użycie tożsamości zarządzanej, przed zainstalowaniem rozszerzenia należy usunąć i ponownie utworzyć wszystkie pule węzłów, zamiast ich bezpośredniej aktualizacji.
  • Wyłączanie kont lokalnych dla usługi AKS nie jest obsługiwane przez usługę Azure Machine Learning. Po wdrożeniu klastra usługi AKS konta lokalne są domyślnie włączone.
  • Jeśli klaster usługi AKS ma włączony zakres autoryzowanych adresów IP w celu uzyskania dostępu do serwera interfejsu API, włącz zakresy adresów IP płaszczyzny sterowania usługi Azure Machine Learning dla klastra usługi AKS. Płaszczyzna sterowania usługi Azure Machine Learning jest wdrożona we wszystkich sparowanych regionach. Bez dostępu do serwera interfejsu API zasobniki uczenia maszynowego nie mogą zostać wdrożone. Włączając zakresy adresów IP w klastrze usługi AKS, użyj zakresów adresów IP dla obu sparowanych regionów.
  • Usługa Azure Machine Learning nie obsługuje dołączania między subskrypcjami klastra usługi AKS. Jeśli masz klaster usługi AKS w innej subskrypcji, musisz najpierw połączyć go z usługą Azure-Arc i określić w tej samej subskrypcji co obszar roboczy usługi Azure Machine Learning.
  • Usługa Azure Machine Learning nie gwarantuje obsługi wszystkich funkcji etapu w wersji zapoznawczej w usłudze AKS. Na przykład tożsamość zasobnika Entra firmy Microsoft nie jest obsługiwana.
  • Jeśli wykonano kroki z dokumentu usługi Azure Machine Learning AKS w wersji 1, aby utworzyć lub dołączyć usługę AKS jako klaster wnioskowania, użyj poniższego linku, aby wyczyścić starsze zasoby związane z usługą azureml-fe przed kontynuowaniem następnego kroku.

Przegląd ustawień konfiguracji rozszerzenia usługi Azure Machine Learning

Aby wdrożyć rozszerzenie usługi Azure Machine Learning, możesz użyć polecenia interfejsu wiersza polecenia k8s-extension create usługi Azure Machine Learning. Interfejs wiersza polecenia k8s-extension create umożliwia określenie zestawu ustawień konfiguracji w key=value formacie przy użyciu polecenia --config lub --config-protected parametru. Poniżej znajduje się lista dostępnych ustawień konfiguracji, które mają być określone podczas wdrażania rozszerzenia usługi Azure Machine Learning.

Nazwa klucza ustawienia konfiguracji opis Szkolenia Wnioskowanie Trenowanie i wnioskowanie
enableTraining True lub False, wartość domyślna False. Dla wdrożenia rozszerzenia usługi Azure Machine Learning należy ustawić True wartość na potrzeby trenowania modelu usługi Machine Learning i obsługi oceniania wsadowego. ✓ Nie dotyczy ✓
enableInference True lub False, wartość domyślna False. Należy ustawić wartość na True wartość dla wdrożenia rozszerzenia usługi Azure Machine Learning z obsługą wnioskowania usługi Machine Learning. Nie dotyczy ✓ ✓
allowInsecureConnections True lub False, wartość domyślna False. Można ustawić na wartość , aby True używać punktów końcowych HTTP wnioskowania na potrzeby programowania lub testowania. Nie dotyczy Opcjonalnie Opcjonalnie
inferenceRouterServiceType loadBalancerlub nodePort clusterIP. Wymagane , jeśli enableInference=True. Nie dotyczy ✓ ✓
internalLoadBalancerProvider Ta konfiguracja ma zastosowanie tylko do klastra usługi Azure Kubernetes Service(AKS). Ustaw wartość , aby azure zezwolić routerowi wnioskowania przy użyciu wewnętrznego modułu równoważenia obciążenia. Nie dotyczy Opcjonalnie Opcjonalnie
sslSecret Nazwa wpisu tajnego kubernetes w azureml przestrzeni nazw. Ta konfiguracja służy do przechowywania cert.pem (certyfikatu TLS/SSL zakodowanego za pomocą protokołu PEM) i key.pem (klucza TLS/SSL zakodowanego za pomocą protokołu PEM), które są wymagane do obsługi punktu końcowego HTTPS wnioskowania, gdy allowInsecureConnections jest ustawiona wartość False. Aby zapoznać się z przykładową definicją KODU YAML w sslSecretpliku , zobacz Konfigurowanie protokołu sslSecret. Użyj tej konfiguracji lub kombinacji ustawień konfiguracji chronionych i sslKeyPemFile chronionychsslCertPemFile. Nie dotyczy Opcjonalnie Opcjonalnie
sslCname Protokół CNAME protokołu TLS/SSL jest używany przez punkt końcowy protokołu HTTPS wnioskowania. Wymagane , jeśli allowInsecureConnections=False Nie dotyczy Opcjonalnie Opcjonalnie
inferenceRouterHA True lub False, wartość domyślna True. Domyślnie rozszerzenie usługi Azure Machine Learning wdraża trzy repliki routera wnioskowania w celu zapewnienia wysokiej dostępności, co wymaga co najmniej trzech węzłów roboczych w klastrze. Ustaw wartość na False wartość , jeśli klaster ma mniej niż trzy węzły robocze, w tym przypadku wdrożono tylko jedną usługę routera wnioskowania. Nie dotyczy Opcjonalnie Opcjonalnie
nodeSelector Domyślnie wdrożone zasoby kubernetes i obciążenia uczenia maszynowego są losowo wdrażane w co najmniej jednym węźle klastra, a zasoby daemonSet są wdrażane we wszystkich węzłach. Jeśli chcesz ograniczyć wdrożenie rozszerzenia i obciążenia trenowania/wnioskowania do określonych węzłów z etykietą key1=value1 i key2=value2, użyj odpowiednio polecenia nodeSelector.key1=value1nodeSelector.key2=value2 . Opcjonalnie Opcjonalnie Opcjonalnie
installNvidiaDevicePlugin True lub False, wartość domyślna False. Wtyczka urządzenia NVIDIA jest wymagana w przypadku obciążeń uczenia maszynowego na sprzęcie GPU firmy NVIDIA. Domyślnie wdrożenie rozszerzenia usługi Azure Machine Learning nie instaluje wtyczki urządzenia NVIDIA, niezależnie od tego, czy klaster Kubernetes ma sprzęt procesora GPU, czy nie. Użytkownik może określić to ustawienie na True, aby je zainstalować, ale upewnij się, że spełnia wymagania wstępne. Opcjonalnie Opcjonalnie Opcjonalnie
installPromOp True lub False, wartość domyślna True. Rozszerzenie azure Machine Learning wymaga operatora prometheus do zarządzania prometheus. Ustaw wartość , aby False ponownie użyć istniejącego operatora prometheus. Aby uzyskać więcej informacji o ponownym użyciu istniejącego operatora prometheus, zobacz ponowne przy użyciu operatora prometheus Opcjonalnie Opcjonalnie Opcjonalnie
installVolcano True lub False, wartość domyślna True. Rozszerzenie Usługi Azure Machine Learning wymaga harmonogramu wulkanu, aby zaplanować zadanie. Ustaw wartość na False ponowne użycie istniejącego harmonogramu wulkanów. Aby uzyskać więcej informacji o ponownym użyciu istniejącego harmonogramu wulkanów, zobacz ponowne używanie harmonogramu wulkanu Opcjonalnie Nie dotyczy Opcjonalnie
installDcgmExporter True lub False, wartość domyślna False. Eksporter Dcgm może uwidaczniać metryki procesora GPU dla obciążeń usługi Azure Machine Learning, które można monitorować w witrynie Azure Portal. Ustaw installDcgmExporter wartość na , aby True zainstalować dcgm-eksporter. Ale jeśli chcesz wykorzystać własny eksporter dcgm, zobacz eksporter DCGM Opcjonalnie Opcjonalnie Opcjonalnie
Nazwa klucza chronionego ustawienia konfiguracji opis Szkolenia Wnioskowanie Trenowanie i wnioskowanie
sslCertPemFile, sslKeyPemFile Ścieżka do certyfikatu TLS/SSL i pliku klucza (kodowanego PEM), wymaganego do wdrożenia rozszerzenia usługi Azure Machine Learning z obsługą punktu końcowego HTTPS wnioskowania, gdy allowInsecureConnections jest ustawiona wartość False. Uwaga Plik PEM z chronionym przekazywaniem frazy nie jest obsługiwany Nie dotyczy Opcjonalnie Opcjonalnie

Jak widać w tabeli ustawień konfiguracji, kombinacje różnych ustawień konfiguracji umożliwiają wdrażanie rozszerzenia usługi Azure Machine Learning dla różnych scenariuszy obciążeń uczenia maszynowego:

  • W przypadku zadania szkoleniowego i obciążenia wnioskowania wsadowego określ enableTraining=True
  • W przypadku tylko obciążenia wnioskowania określ enableInference=True
  • W przypadku wszystkich rodzajów obciążeń uczenia maszynowego określ zarówno, jak enableTraining=True i enableInference=True

Jeśli planujesz wdrożyć rozszerzenie usługi Azure Machine Learning dla obciążenia wnioskowania w czasie rzeczywistym i chcesz określić enableInference=True, zwróć uwagę na następujące ustawienia konfiguracji związane z obciążeniem wnioskowania w czasie rzeczywistym:

  • azureml-fe Usługa routera jest wymagana do obsługi wnioskowania w czasie rzeczywistym i należy określić inferenceRouterServiceType ustawienie konfiguracji dla elementu azureml-fe. azureml-fe można wdrożyć przy użyciu jednego z następujących elementów inferenceRouterServiceType:
    • Wpisz LoadBalancer. Uwidacznia azureml-fe zewnętrznie przy użyciu modułu równoważenia obciążenia dostawcy usług w chmurze. Aby określić tę wartość, upewnij się, że klaster obsługuje aprowizowanie modułu równoważenia obciążenia. Zwróć uwagę, że większość lokalnych klastrów Kubernetes może nie obsługiwać zewnętrznego modułu równoważenia obciążenia.
    • Wpisz NodePort. Uwidacznia azureml-fe adres IP każdego węzła na porcie statycznym. Będzie można skontaktować się z azureml-feusługą , spoza klastra, żądając <NodeIP>:<NodePort>polecenia . Użycie NodePort umożliwia również skonfigurowanie własnego rozwiązania do równoważenia obciążenia i kończenia żądań TLS/SSL dla usługi azureml-fe.
    • Wpisz ClusterIP. Uwidacznia azureml-fe wewnętrzny adres IP klastra i sprawia, że jest azureml-fe dostępny tylko z poziomu klastra. Aby azureml-fe obsługiwać żądania wnioskowania pochodzące poza klastrem, wymaga skonfigurowania własnego rozwiązania do równoważenia obciążenia i kończenia żądań TLS/SSL dla usługi azureml-fe.
  • Aby zapewnić wysoką dostępność usługi routingu azureml-fe , wdrożenie rozszerzenia usługi Azure Machine Learning domyślnie tworzy trzy repliki klastrów azureml-fe z trzema węzłami lub więcej. Jeśli klaster ma mniej niż 3 węzły, ustaw wartość inferenceRouterHA=False.
  • Należy również rozważyć użycie protokołu HTTPS w celu ograniczenia dostępu do punktów końcowych modelu i zabezpieczenia przesyłanych danych. W tym celu należy określić sslSecret ustawienie konfiguracji lub kombinację ustawień chronionych sslKeyPemFile konfiguracją i sslCertPemFile .
  • Domyślnie wdrożenie rozszerzenia usługi Azure Machine Learning oczekuje ustawień konfiguracji dla obsługi protokołu HTTPS . W celach programistycznych lub testowych obsługa protokołu HTTP jest wygodnie dostarczana za pomocą ustawienia allowInsecureConnections=Truekonfiguracji .

Wdrażanie rozszerzenia usługi Azure Machine Learning — przykłady dla interfejsu wiersza polecenia i witryny Azure Portal

Aby wdrożyć rozszerzenie usługi Azure Machine Learning za pomocą interfejsu wiersza polecenia, użyj az k8s-extension create polecenia przekazującego wartości obowiązkowych parametrów.

Do celów referencyjnych wymieniono cztery typowe scenariusze wdrażania rozszerzeń. Aby wdrożyć rozszerzenie dla użycia produkcyjnego , dokładnie przeczytaj pełną listę ustawień konfiguracji.

  • Użyj klastra usługi AKS na platformie Azure, aby szybko sprawdzić koncepcję, aby uruchomić wszelkiego rodzaju obciążenia uczenia maszynowego, tj. uruchamiać zadania trenowania lub wdrażać modele jako punkty końcowe online/wsadowe

    W przypadku wdrożenia rozszerzenia usługi Azure Machine Learning w klastrze usługi AKS upewnij się, że określono managedClusters wartość parametru --cluster-type . Uruchom następujące polecenie interfejsu wiersza polecenia platformy Azure, aby wdrożyć rozszerzenie usługi Azure Machine Learning:

    az k8s-extension create --name <extension-name> --extension-type Microsoft.AzureML.Kubernetes --config enableTraining=True enableInference=True inferenceRouterServiceType=LoadBalancer allowInsecureConnections=True InferenceRouterHA=False --cluster-type managedClusters --cluster-name <your-AKS-cluster-name> --resource-group <your-RG-name> --scope cluster

  • Użyj klastra Arc Kubernetes spoza platformy Azure, aby szybko sprawdzić koncepcję, aby uruchamiać tylko zadania szkoleniowe

    W przypadku wdrożenia rozszerzenia usługi Azure Machine Learning w klastrze Kubernetes usługi Arc należy określić connectedClusters wartość parametru --cluster-type . Uruchom następujące polecenie interfejsu wiersza polecenia platformy Azure, aby wdrożyć rozszerzenie usługi Azure Machine Learning:

    az k8s-extension create --name <extension-name> --extension-type Microsoft.AzureML.Kubernetes --config enableTraining=True --cluster-type connectedClusters --cluster-name <your-connected-cluster-name> --resource-group <your-RG-name> --scope cluster

  • Włącz klaster usługi AKS na platformie Azure na potrzeby trenowania produkcyjnego i obciążenia wnioskowania Dla wdrożenia rozszerzenia usługi Azure Machine Learning w usłudze AKS, upewnij się, że określono managedClusters wartość parametru --cluster-type . Zakładając, że klaster ma więcej niż trzy węzły i używasz publicznego modułu równoważenia obciążenia platformy Azure i protokołu HTTPS do obsługi obciążeń wnioskowania. Uruchom następujące polecenie interfejsu wiersza polecenia platformy Azure, aby wdrożyć rozszerzenie usługi Azure Machine Learning:

    az k8s-extension create --name <extension-name> --extension-type Microsoft.AzureML.Kubernetes --config enableTraining=True enableInference=True inferenceRouterServiceType=LoadBalancer sslCname=<ssl cname> --config-protected sslCertPemFile=<file-path-to-cert-PEM> sslKeyPemFile=<file-path-to-cert-KEY> --cluster-type managedClusters --cluster-name <your-AKS-cluster-name> --resource-group <your-RG-name> --scope cluster

  • Włączanie klastra Kubernetes usługi Arc w dowolnym miejscu na potrzeby trenowania produkcyjnego i wnioskowania obciążenia przy użyciu procesorów GPU FIRMY NVIDIA

    W przypadku wdrożenia rozszerzenia usługi Azure Machine Learning w klastrze Kubernetes usługi Arc upewnij się, że określono connectedClusters wartość parametru --cluster-type . Zakładając, że klaster ma więcej niż trzy węzły, użyj typu usługi NodePort i protokołu HTTPS na potrzeby obsługi obciążenia wnioskowania, uruchom następujące polecenie interfejsu wiersza polecenia platformy Azure, aby wdrożyć rozszerzenie usługi Azure Machine Learning:

    az k8s-extension create --name <extension-name> --extension-type Microsoft.AzureML.Kubernetes --config enableTraining=True enableInference=True inferenceRouterServiceType=NodePort sslCname=<ssl cname> installNvidiaDevicePlugin=True installDcgmExporter=True --config-protected sslCertPemFile=<file-path-to-cert-PEM> sslKeyPemFile=<file-path-to-cert-KEY> --cluster-type connectedClusters --cluster-name <your-connected-cluster-name> --resource-group <your-RG-name> --scope cluster

Weryfikacja wdrożenia rozszerzenia usługi Azure Machine Learning

  1. Uruchom następujące polecenie interfejsu wiersza polecenia, aby sprawdzić szczegóły rozszerzenia usługi Azure Machine Learning:

    az k8s-extension show --name <extension-name> --cluster-type connectedClusters --cluster-name <your-connected-cluster-name> --resource-group <resource-group>

  2. W odpowiedzi wyszukaj frazę "name" i "provisioningState": "Succeeded". Zwróć uwagę, że w ciągu pierwszych kilku minut może być wyświetlany komunikat "provisioningState": "Pending".

  3. Jeśli stan provisioningState to Powodzenie, uruchom następujące polecenie na maszynie z plikiem kubeconfig wskazującym klaster, aby sprawdzić, czy wszystkie zasobniki w przestrzeni nazw "azureml" są w stanie "Uruchomiono":

     kubectl get pods -n azureml

Przegląd składnika rozszerzenia usługi Azure Machine Learning

Po zakończeniu wdrażania rozszerzenia usługi Azure Machine Learning można wyświetlić kubectl get deployments -n azureml listę zasobów utworzonych w klastrze. Zwykle składa się z podzbioru następujących zasobów na określone ustawienia konfiguracji.

Nazwa zasobu Typ zasobu Szkolenia Wnioskowanie Trenowanie i wnioskowanie opis Komunikacja z chmurą
relayserver Wdrożenie rozwiązania Kubernetes ✓ ✓ ✓ Serwer przekaźnika jest tworzony tylko dla klastra Kubernetes usługi Arc, a nie w klastrze usługi AKS. Serwer relay współpracuje z usługą Azure Relay w celu komunikowania się z usługami w chmurze. Odbierz żądanie utworzenia zadania, wdrożenie modelu z usługi w chmurze; zsynchronizuj stan zadania z usługą w chmurze.
brama Wdrożenie rozwiązania Kubernetes ✓ ✓ ✓ Brama służy do komunikowania się i wysyłania danych tam i z powrotem. Wysyłaj węzły i informacje o zasobach klastra do usług w chmurze.
aml-operator Wdrożenie rozwiązania Kubernetes ✓ Nie dotyczy ✓ Zarządzanie cyklem życia zadań szkoleniowych. Wymiana tokenów z usługą tokenu w chmurze na potrzeby uwierzytelniania i autoryzacji usługi Azure Container Registry.
metrics-controller-manager Wdrożenie rozwiązania Kubernetes ✓ ✓ ✓ Zarządzanie konfiguracją rozwiązania Prometheus Nie dotyczy
{EXTENSION-NAME}-kube-state-metrics Wdrożenie rozwiązania Kubernetes ✓ ✓ ✓ Wyeksportuj metryki związane z klastrem do rozwiązania Prometheus. Nie dotyczy
{EXTENSION-NAME}-prometheus-operator Wdrożenie rozwiązania Kubernetes Opcjonalnie Opcjonalnie Opcjonalnie Podaj natywne wdrożenie rozwiązania Kubernetes i zarządzanie rozwiązaniami Prometheus oraz powiązanymi składnikami monitorowania. Nie dotyczy
amlarc-identity-controller Wdrożenie rozwiązania Kubernetes Nie dotyczy ✓ ✓ Zażądaj i odnów token usługi Azure Blob/Azure Container Registry za pomocą tożsamości zarządzanej. Wymiana tokenów z usługą tokenów w chmurze na potrzeby uwierzytelniania i autoryzacji usługi Azure Container Registry i obiektu blob platformy Azure używanego przez wdrażanie wnioskowania/modelu.
amlarc-identity-proxy Wdrożenie rozwiązania Kubernetes Nie dotyczy ✓ ✓ Zażądaj i odnów token usługi Azure Blob/Azure Container Registry za pomocą tożsamości zarządzanej. Wymiana tokenów z usługą tokenów w chmurze na potrzeby uwierzytelniania i autoryzacji usługi Azure Container Registry i obiektu blob platformy Azure używanego przez wdrażanie wnioskowania/modelu.
azureml-fe-v2 Wdrożenie rozwiązania Kubernetes Nie dotyczy ✓ ✓ Składnik frontonu, który kieruje przychodzące żądania wnioskowania do wdrożonych usług. Wysyłanie dzienników usługi do obiektu blob platformy Azure.
inference-operator-controller-manager Wdrożenie rozwiązania Kubernetes Nie dotyczy ✓ ✓ Zarządzanie cyklem życia punktów końcowych wnioskowania. Nie dotyczy
wstęp do wulkanu Wdrożenie rozwiązania Kubernetes Opcjonalnie Nie dotyczy Opcjonalnie Element webhook wstępu wulkanu. Nie dotyczy
kontrolery wulkanów Wdrożenie rozwiązania Kubernetes Opcjonalnie Nie dotyczy Opcjonalnie Zarządzanie cyklem życia zasobników zadań szkoleniowych usługi Azure Machine Learning. Nie dotyczy
volcano-scheduler Wdrożenie rozwiązania Kubernetes Opcjonalnie Nie dotyczy Opcjonalnie Służy do planowania zadań w klastrze. Nie dotyczy
fluent-bit Zestaw demonów kubernetes ✓ ✓ ✓ Zbierz dziennik systemu składników. Przekaż dziennik systemu składników do chmury.
{EXTENSION-NAME}-dcgm-eksporter Zestaw demonów kubernetes Opcjonalnie Opcjonalnie Opcjonalnie Eksporter dcgm uwidacznia metryki procesora GPU dla rozwiązania Prometheus. Nie dotyczy
nvidia-device-plugin-daemonset Zestaw demonów kubernetes Opcjonalnie Opcjonalnie Opcjonalnie nvidia-device-plugin-daemonset uwidacznia procesory GPU w każdym węźle klastra Nie dotyczy
prometheus-prometheus Stanowy zestaw kubernetes ✓ ✓ ✓ Zbieranie i wysyłanie metryk zadań do chmury. Wysyłaj metryki zadań, takie jak użycie procesora CPU/procesora GPU/pamięci do chmury.

Ważne

  • Zasób usługi Azure Relay znajduje się w tej samej grupie zasobów co zasób klastra Arc. Służy do komunikowania się z klastrem Kubernetes i modyfikowanie ich spowoduje przerwanie dołączonych obiektów docelowych obliczeniowych.
  • Domyślnie zasoby wdrażania kubernetes są losowo wdrażane w co najmniej 1 węzłach klastra, a zasoby zestawu demonów są wdrażane we wszystkich węzłach. Jeśli chcesz ograniczyć wdrożenie rozszerzenia do określonych węzłów, użyj nodeSelector ustawienia konfiguracji opisanego w tabeli ustawień konfiguracji.

Uwaga

  • {EXTENSION-NAME}: to nazwa rozszerzenia określona za az k8s-extension create --name pomocą polecenia interfejsu wiersza polecenia.

Zarządzanie rozszerzeniem usługi Azure Machine Learning

Aktualizowanie, wyświetlanie i usuwanie rozszerzenia usługi Azure Machine Learning.

  • W przypadku klastra usługi AKS bez połączonej usługi Azure Arc zapoznaj się z artykułem Wdrażanie rozszerzeń klastra i zarządzanie nimi.
  • W przypadku platformy Kubernetes z obsługą usługi Azure Arc zobacz Wdrażanie rozszerzeń klastra Kubernetes z obsługą usługi Azure Arc i zarządzanie nimi.

Następne kroki