Gerir uma instância de computação do Azure Machine Learning

APLICA-SE A:Extensão v2 da CLI do Azure (atual)SDK python azure-ai-ml v2 (atual)

Saiba como gerir uma instância de computação na área de trabalho do Azure Machine Learning.

Utilize uma instância de computação como o seu ambiente de desenvolvimento totalmente configurado e gerido na cloud. Para desenvolvimento e teste, também pode utilizar a instância como um destino de computação de preparação. Uma instância de computação pode executar várias tarefas em paralelo e tem uma fila de tarefas. Enquanto ambiente de desenvolvimento, não é possível partilhar uma instância de computação com outros utilizadores na sua área de trabalho.

Neste artigo, vai aprender a iniciar, parar, reiniciar, eliminar uma instância de computação. Veja Criar uma instância de computação do Azure Machine Learning para saber como criar uma instância de computação.

Nota

Este artigo mostra a CLI v2 nas secções abaixo. Se ainda estiver a utilizar a CLI v1, veja Criar um cluster de computação do Azure Machine Learning CLI v1.

Pré-requisitos

• Uma área de trabalho do Azure Machine Learning. Para obter mais informações, veja Criar uma área de trabalho do Azure Machine Learning. Na conta de armazenamento, a opção "Permitir acesso à chave da conta de armazenamento" tem de estar ativada para que a criação da instância de computação seja bem-sucedida.

• A extensão da CLI do Azure para o serviço Machine Learning (v2), o SDK Python do Azure Machine Learning (v2) ou a extensão do Visual Studio Code do Azure Machine Learning.

• Se utilizar o SDK python, configure o seu ambiente de desenvolvimento com uma área de trabalho. Assim que o seu ambiente estiver configurado, anexe à área de trabalho no script do Python:

  APLICA-SE A: SDK python azure-ai-ml v2 (atual)

  Execute este código para ligar à área de trabalho do Azure ML.

  Substitua o ID da Subscrição, o nome do Grupo de Recursos e o nome da Área de Trabalho no código abaixo. Para localizar estes valores:

  1. Inicie sessão no estúdio do Azure Machine Learning.
  2. Abra a área de trabalho que pretende utilizar.
  3. No canto superior direito estúdio do Azure Machine Learning barra de ferramentas, selecione o nome da área de trabalho.
  4. Copie o valor para a área de trabalho, o grupo de recursos e o ID da subscrição para o código.
  5. Se estiver a utilizar um bloco de notas dentro do estúdio, terá de copiar um valor, fechar a área e colar e, em seguida, voltar para o próximo.

  # Enter details of your AML workspace
  subscription_id = "<SUBSCRIPTION_ID>"
  resource_group = "<RESOURCE_GROUP>"
  workspace = "<AML_WORKSPACE_NAME>"

  # get a handle to the workspace
  from azure.ai.ml import MLClient
  from azure.identity import DefaultAzureCredential
  
  ml_client = MLClient(
      DefaultAzureCredential(), subscription_id, resource_group, workspace
  )

  ml_client é um processador da área de trabalho que irá utilizar para gerir outros recursos e tarefas.

Gerir

Iniciar, parar, reiniciar e eliminar uma instância de computação. Uma instância de computação nem sempre reduz automaticamente, por isso, certifique-se de que para o recurso para evitar custos contínuos. Parar uma instância de computação desaloca-a. Em seguida, inicie-o novamente quando precisar. Embora a operação de parar a instância de computação também pare a faturação das horas de computação, ainda lhe será faturado o disco, o IP público e o balanceador de carga padrão.

Pode ativar o encerramento automático para parar automaticamente a instância de computação após uma hora especificada.

Também pode criar uma agenda para a instância de computação iniciar e parar automaticamente com base numa hora e dia da semana.

Dica

A instância de computação tem um disco do SO de 120 GB. Se ficar sem espaço em disco, utilize o terminal para limpar, pelo menos, 1 a 2 GB antes de parar ou reiniciar a instância de computação. Não pare a instância de computação ao emitir o encerramento sudo do terminal. O tamanho do disco temporário na instância de computação depende do tamanho da VM escolhido e é montado em /mnt.

Python SDK

APLICA-SE A: SDK python azure-ai-ml v2 (atual)

Nos exemplos abaixo, o nome da instância de computação é armazenado na variável ci_basic_name.

• Obter estado

  from azure.ai.ml.entities import ComputeInstance, AmlCompute
  
  # Get compute
  ci_basic_state = ml_client.compute.get(ci_basic_name)

• Parar

  from azure.ai.ml.entities import ComputeInstance, AmlCompute
  
  # Stop compute
  ml_client.compute.begin_stop(ci_basic_name).wait()

• Iniciar

  from azure.ai.ml.entities import ComputeInstance, AmlCompute
  
  # Start compute
  ml_client.compute.begin_start(ci_basic_name).wait()

• Reiniciar

  from azure.ai.ml.entities import ComputeInstance, AmlCompute
  
  # Restart compute
  ml_client.compute.begin_restart(ci_basic_name).wait()

• Eliminar

  from azure.ai.ml.entities import ComputeInstance, AmlCompute
  
  ml_client.compute.begin_delete(ci_basic_name).wait()

CLI do Azure

APLICA-SE A:Extensão v2 da CLI do Azure (atual)

Nos exemplos abaixo, o nome da instância de computação é instância, na área de trabalho my-workspace, no grupo de recursos my-resource-group.

• Parar

  az ml compute stop --name instance --resource-group my-resource-group --workspace-name my-workspace
  

• Iniciar

  az ml compute start --name instance --resource-group my-resource-group --workspace-name my-workspace
  

• Reiniciar

  az ml compute restart --name instance --resource-group my-resource-group --workspace-name my-workspace
  

• Eliminar

  az ml compute delete --name instance --resource-group my-resource-group --workspace-name my-workspace
  

Studio

Na área de trabalho no estúdio do Azure Machine Learning, selecione Computação e, em seguida, selecione instância de computação na parte superior.

! Captura de ecrã a mostrar o separador de computação no estúdio para gerir uma instância de computação.] (./media/concept-compute-instance/manage-compute-instance.png)

Pode executar as seguintes ações:

• Criar uma nova instância de computação
• Atualize o separador instâncias de computação.
• Iniciar, parar e reiniciar uma instância de computação. Paga a instância sempre que estiver em execução. Pare a instância de computação quando não a estiver a utilizar para reduzir os custos. Parar uma instância de computação desaloca-a. Em seguida, inicie-o novamente quando precisar. Também pode agendar uma hora para a instância de computação iniciar e parar.
• Eliminar uma instância de computação.
• Filtre a lista de instâncias de computação para mostrar apenas as que criou.

Para cada instância de computação numa área de trabalho que criou (ou que foi criada para si), pode:

• Aceda ao Jupyter, JupyterLab, RStudio na instância de computação.
• SSH na instância de computação. O acesso SSH está desativado por predefinição, mas pode ser ativado no momento da criação da instância de computação. O acesso SSH é através de um mecanismo de chave pública/privada. O separador irá fornecer-lhe detalhes sobre a ligação SSH, como endereço IP, nome de utilizador e número de porta. Numa implementação de rede virtual, desativar o SSH impede o acesso SSH a partir da Internet pública, ainda pode utilizar o SSH a partir da rede virtual através do endereço IP privado do nó de instância de computação e da porta 22.
• Selecione o nome da computação para:
  • Veja detalhes sobre uma instância de computação específica, como o endereço IP e a região.
  • Crie ou modifique a agenda para iniciar e parar a instância de computação. Desloque-se para baixo até à parte inferior da página para editar a agenda.

O RBAC do Azure permite-lhe controlar que utilizadores na área de trabalho podem criar, eliminar, iniciar, parar, reiniciar uma instância de computação. Todos os utilizadores na função de contribuidor e proprietário da área de trabalho podem criar, eliminar, iniciar, parar e reiniciar instâncias de computação em toda a área de trabalho. No entanto, apenas o criador de uma instância de computação específica, ou o utilizador atribuído se tiver sido criado em seu nome, tem permissão para aceder ao Jupyter, JupyterLab e RStudio nessa instância de computação. Uma instância de computação é dedicada a um único utilizador que tenha acesso de raiz. Esse utilizador tem acesso ao Jupyter/JupyterLab/RStudio em execução na instância. A instância de computação terá início de sessão de utilizador único e todas as ações utilizarão a identidade desse utilizador para o RBAC do Azure e a atribuição de tarefas de experimentação. O acesso SSH é controlado através do mecanismo de chave pública/privada.

Estas ações podem ser controladas pelo RBAC do Azure:

• Microsoft.MachineLearningServices/workspaces/computes/read
• Microsoft.MachineLearningServices/workspaces/computes/write
• Microsoft.MachineLearningServices/workspaces/computes/delete
• Microsoft.MachineLearningServices/workspaces/computes/start/action
• Microsoft.MachineLearningServices/workspaces/computes/stop/action
• Microsoft.MachineLearningServices/workspaces/computes/restart/action
• Microsoft.MachineLearningServices/workspaces/computes/updateSchedules/action

Para criar uma instância de computação, precisará de permissões para as seguintes ações:

• Microsoft.MachineLearningServices/workspaces/computes/write
• Microsoft.MachineLearningServices/workspaces/checkComputeNameAvailability/action

Auditar e observar a versão da instância de computação

Quando uma instância de computação é implementada, não é atualizada automaticamente. A Microsoft lança novas imagens de VM mensalmente. Para compreender as opções para manter recentemente a versão mais recente, veja Gestão de vulnerabilidades.

Para controlar se a versão do sistema operativo de uma instância é atual, pode consultar a versão com a CLI, o SDK ou a IU do Studio.

IU do Studio

Na área de trabalho no estúdio do Azure Machine Learning, selecione Computação e, em seguida, selecione instância de computação na parte superior. Selecione o nome de computação de uma instância de computação para ver as respetivas propriedades, incluindo o sistema operativo atual.

Python SDK

APLICA-SE A: SDK python azure-ai-ml v2 (atual)

from azure.ai.ml.entities import ComputeInstance, AmlCompute

# Display operating system version
instance = ml_client.compute.get("myci")
print instance.os_image_metadata

Para obter mais informações sobre as classes, métodos e parâmetros utilizados neste exemplo, veja os seguintes documentos de referência:

• Classe AmlCompute
• Classe ComputeInstance

CLI do Azure

APLICA-SE A:Extensão v2 da CLI do Azure (atual)

az ml compute show --name "myci"

# query outdated compute instances:
az ml compute list --resource-group <azure_ml_rg> --workspace-name <your_azure_ml_workspace> --query "[?os_image_metadata.is_latest_os_image_version == ``false``].name"

Os administradores de TI podem utilizar Azure Policy para monitorizar o inventário de instâncias em áreas de trabalho no portal de conformidade Azure Policy. Atribua a política incorporada Auditar Instâncias de Computação do Azure Machine Learning com um sistema operativo desatualizado numa subscrição do Azure ou no âmbito do grupo de gestão do Azure.

Passos seguintes

• Aceder ao terminal da instância de computação
• Criar e gerir ficheiros
• Atualizar a instância de computação para a imagem de VM mais recente