Использование управляемых вычислений в управляемой виртуальной сети

Статья
11/14/2023

Узнайте, как настроить вычислительные кластеры или вычислительные экземпляры в управляемой виртуальной сети Машинное обучение Azure.

При использовании управляемой сети вычислительные ресурсы, управляемые Машинное обучение Azure, могут участвовать в виртуальной сети. Машинное обучение Azure вычислительные кластеры, вычислительные экземпляры и управляемые сетевые конечные точки создаются в управляемой сети.

В этой статье рассматривается настройка вычислительных кластеров и вычислительных экземпляров в управляемой сети. Сведения об управляемых сетевых конечных точках см. в разделе "Безопасные сетевые конечные точки" с сетевой изоляцией.

Важно!

Если вы планируете использовать бессерверные задания Spark , ознакомьтесь со статьей об управляемой виртуальной сети для сведений о конфигурации. Эти действия необходимо выполнить при настройке управляемой виртуальной сети.

Необходимые компоненты

Перед выполнением действий, описанных в этой статье, убедитесь, что выполнены следующие необходимые условия:

Рабочая область Машинное обучение Azure, настроенная для использования управляемой виртуальной сети.
Azure CLI и расширение ml для Azure CLI. Дополнительные сведения см. в разделе Установка, настройка и использование CLI (версия 2).
Совет

Машинное обучение Azure управляемая виртуальная сеть появилась 23 мая 2023 года. Если у вас есть более ранняя версия расширения ml, может потребоваться обновить его для примеров, приведенных в этой статье. Чтобы обновить расширение, используйте следующую команду Azure CLI:
```
az extension update -n ml
```
В примерах интерфейса командной строки в этой статье предполагается, что вы используете оболочку Bash (или совместимая). Например, из системы Linux или подсистемы Windows для Linux.
Примеры Azure CLI в этой статье используются ws для представления имени рабочей области и rg представления имени группы ресурсов. Измените эти значения по мере необходимости при использовании команд с подпиской Azure.

Рабочая область Машинное обучение Azure, настроенная для использования управляемой виртуальной сети.
Пакет SDK для Python версии 2 Машинное обучение Azure. Дополнительные сведения о пакете SDK см. в статье "Установка пакета SDK для Python версии 2 для Машинное обучение Azure".
Совет

23 мая 2023 г. была представлена управляемая виртуальная сеть Машинного обучения Azure. Если у вас установлена более ранняя версия пакета SDK, возможно, потребуется обновить его для работы в примерах, приведенных в этой статье. Чтобы обновить пакет SDK, используйте следующую команду:
```
pip install --upgrade azure-ai-ml azure-identity
```

В примерах этой статьи предполагается, что код начинается со следующего Python. Этот код импортирует классы, необходимые при создании рабочей области с управляемой виртуальной сетью, задает переменные для подписки Azure и группы ресурсов и создает ml_clientследующие элементы:

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)

Настройка вычислительных ресурсов

Используйте приведенные ниже вкладки, чтобы узнать, как настроить вычислительные кластеры и вычислительные экземпляры в управляемой виртуальной сети:

Совет

При использовании управляемой виртуальной сети вычислительные кластеры и вычислительные экземпляры автоматически создаются в управляемой сети. Приведенные ниже действия посвящены настройке вычислительных ресурсов, чтобы не использовать общедоступный IP-адрес.

Чтобы создать вычислительный кластер без общедоступного IP-адреса, используйте следующую команду:

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

Чтобы создать вычислительный экземпляр без общедоступного IP-адреса, используйте следующую команду:

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

В следующем примере пакета SDK для Python показано, как создать вычислительный кластер и вычислительный экземпляр без общедоступного IP-адреса:

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)

Ограничения

Создание вычислительного кластера в другом регионе, отличном от рабочей области, не поддерживается при использовании управляемой виртуальной сети.

Миграция вычислительных ресурсов

Если у вас есть рабочая область и требуется включить для нее управляемую виртуальную сеть, в настоящее время нет поддерживаемого пути миграции для существующих управляемых вычислительных ресурсов. Необходимо удалить все существующие управляемые вычислительные ресурсы и повторно создать их после включения управляемой виртуальной сети. В следующем списке содержатся вычислительные ресурсы, которые необходимо удалить и воссоздать.

Вычислительный кластер
Вычислительная операция
Управляемые сетевые конечные точки

Использование управляемых вычислений в управляемой виртуальной сети

Необходимые компоненты

Настройка вычислительных ресурсов

Ограничения

Миграция вычислительных ресурсов

Следующие шаги

Дополнительные ресурсы