在受控虛擬網路中使用受控計算

了解如何在 Azure Machine Learning 受控虛擬網路中設定計算叢集或計算執行個體。

當您使用受控網路時，Azure Machine Learning 所管理的計算資源可以參與虛擬網路。 Azure Machine Learning 計算叢集、計算執行個體，以及在受控網路中建立 受控線上端點。

本文著重於在受控網路中設定計算叢集和計算執行個體。 如需受控線上端點的資訊，請參閱 使用網路隔離保護線上端點。

重要

如果您打算使用無伺服器 Spark 作業，請參閱 受控虛擬網路 一文以取得設定資訊。 設定受控虛擬網路時，必須遵循這些步驟。

必要條件

遵循本文中的步驟之前，請確定您已滿足下列必要條件：

Azure CLI

• 設定為使用 受控虛擬網路 的 Azure Machine Learning 工作區。

• Azure CLI 和 Azure CLI 的 ml 擴充功能。 如需詳細資訊，請參閱安裝、設定和使用 CLI (v2)。

  提示

  Azure Machine Learning 受控虛擬網路於 2023 年 5 月 23 日推出。 如果您有舊版的 ml 延伸模組，您可能需要更新它，本文中的範例才能運作。 若要更新延伸模組，請使用下列 Azure CLI 命令:

  az extension update -n ml
  

• 本文中的 CLI 範例假設您使用 Bash (或相容的) 殼層。 例如，從 Linux 系統或 Windows 子系統 Linux 版。

• 本文中的 Azure CLI 範例會使用 ws 來表示工作區的名稱，以及 rg 來表示資源群組的名稱。 使用命令搭配您的 Azure 訂用帳戶時，請視需要變更這些值。

Python SDK

• 設定為使用 受控虛擬網路 的 Azure Machine Learning 工作區。

• Azure Machine Learning Python SDK v2。 如需 SDK 的詳細資訊，請參閱 安裝適用於 Azure Machine Learning 的 Python SDK v2。

  提示

  Azure Machine Learning 受控虛擬網路於 2023 年 5 月 23 日推出。 如果您有已安裝舊版的 SDK，您可能需要更新它，本文中的範例才能運作。 若要更新 SDK，請使用下列命令:

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

• 本文中的範例假設您的程式碼以下列 Python 開頭。 此程式碼會匯入使用受控虛擬網路建立工作區時所需的類別、設定 Azure 訂用帳戶和資源群組的變數，並建立 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>"
  workspace_name = "<WORKSPACE_NAME>"
  
  # get a handle to the subscription
  ml_client = MLClient(
      workspace_name=workspace_name,
      subscription_id=subscription_id,
      resource_group_name=resource_group,
      credential=DefaultAzureCredential()
  )
  

工作室

• 設定為使用 受控虛擬網路 的 Azure Machine Learning 工作區。

設定計算資源

使用以下索引標籤了解如何在 Azure Machine Learning 受控虛擬網路中設定計算叢集或計算執行個體:

提示

使用受控虛擬網路時，會自動在受控網路中建立計算叢集和計算執行個體。 下列步驟著重於將計算資源設定為不使用公用 IP 位址。

Azure CLI

若要建立沒有公用 IP 的計算叢集，請使用下列命令:

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

若要建立沒有公用IP的 計算執行個體，請使用下列命令:

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

Python SDK

下列 Python SDK 範例會示範如何建立不含公用 IP 的計算叢集和計算執行個體:

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)

工作室

您無法從 Azure 入口網站建立計算叢集或計算執行個體。 請改用下列步驟，在 Azure Machine Learning 工作室 中建立計算叢集:

1. 在 工作室 中選取您的工作區。

2. 從左側導覽列選取 [計算] 頁面。

3. 從 計算執行個體 或 計算叢集 的導覽列選取 [+ 新增]。

4. 設定您需要的 VM 大小和設定，然後選取 [下一步]，直到您到達下列頁面為止:

   • 針對 計算叢集，請使用 [進階設定] 頁面，然後選取 [沒有公用 IP] 選項來移除公用 IP 位址。

     

   • 針對 計算實例，請使用 [安全性] 頁面，然後選取 [沒有公用 IP] 選項來移除公用 IP 位址。

     

5. 繼續建立計算資源。

限制

• 使用受控虛擬網路時，不支援在與工作區不同的區域中建立計算叢集。
• 如果計算位於受控網路中，而且未針對公用 IP 進行設定，請使用 az ml compute connect-ssh 命令透過 SSH 連線到計算執行個體。

計算資源的移轉

如果您有現有的工作區，且想要為其啟用受控虛擬網路，則現有受控計算資源目前沒有支援的移轉路徑。 您必須刪除所有現有的受控計算資源，並在啟用受控虛擬網路之後重新建立它們。 下列清單包含必須刪除並重新建立的計算資源:

• 計算叢集
• 計算執行個體
• 受控線上端點

下一步

• 受控虛擬網路隔離
• 使用網路隔離保護線上端點