Použití spravovaných výpočetních prostředků ve spravované virtuální síti

Zjistěte, jak nakonfigurovat výpočetní clustery nebo výpočetní instance ve spravované virtuální síti Azure Machine Learning.

Pokud používáte spravovanou síť, mohou se výpočetní prostředky spravované službou Azure Machine Learning účastnit virtuální sítě. Výpočetní clustery, výpočetní instance a spravované online koncové body služby Azure Machine Learning se vytvářejí ve spravované síti.

Tento článek se zaměřuje na konfiguraci výpočetních clusterů a výpočetních instancí ve spravované síti. Informace o spravovaných online koncových bodech najdete v tématu Zabezpečení online koncových bodů s izolací sítě.

Důležité

Pokud plánujete používat bezserverové úlohy Sparku , přečtěte si článek o konfiguraci spravované virtuální sítě . Tyto kroky je potřeba provést při konfiguraci spravované virtuální sítě.

Požadavky

Než budete postupovat podle kroků v tomto článku, ujistěte se, že máte následující požadavky:

Azure CLI

• Pracovní prostor Azure Machine Learning nakonfigurovaný tak, aby používal spravovanou virtuální síť.

• Azure CLI a ml rozšíření azure CLI. Další informace najdete v tématu Instalace, nastavení a použití rozhraní příkazového řádku (v2).

  Tip

  Spravovaná virtuální síť Azure Machine Learning byla zavedena 23. května 2023. Pokud máte starší verzi rozšíření ml, možná ji budete muset aktualizovat pro příklady v tomto článku. Pokud chcete rozšíření aktualizovat, použijte následující příkaz Azure CLI:

  az extension update -n ml
  

• Příklady rozhraní příkazového řádku v tomto článku předpokládají, že používáte prostředí Bash (nebo kompatibilní). Například ze systému Linux nebo Subsystém Windows pro Linux.

• Příklady Azure CLI v tomto článku slouží ws k reprezentaci názvu pracovního prostoru a rg k reprezentaci názvu skupiny prostředků. Tyto hodnoty podle potřeby změňte při použití příkazů s předplatným Azure.

Python SDK

• Pracovní prostor Azure Machine Learning nakonfigurovaný tak, aby používal spravovanou virtuální síť.

• Sada Azure Machine Learning Python SDK v2. Další informace o sadě SDK najdete v tématu Instalace sady Python SDK v2 pro Azure Machine Learning.

  Tip

  Spravovaná virtuální síť Azure Machine Learning byla zavedena 23. května 2023. Pokud máte nainstalovanou starší verzi sady SDK, možná ji budete muset aktualizovat, aby příklady v tomto článku fungovaly. Pokud chcete sadu SDK aktualizovat, použijte následující příkaz:

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

• Příklady v tomto článku předpokládají, že váš kód začíná následujícím Pythonem. Tento kód importuje třídy požadované při vytváření pracovního prostoru se spravovanou virtuální sítí, nastaví proměnné pro vaše předplatné Azure a skupinu prostředků a vytvoří 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()
  )
  

Studio

• Pracovní prostor Azure Machine Learning nakonfigurovaný tak, aby používal spravovanou virtuální síť.

Konfigurace výpočetních prostředků

Na následujících kartách se dozvíte, jak nakonfigurovat výpočetní clustery a výpočetní instance ve spravované virtuální síti:

Tip

Při použití spravované virtuální sítě se ve spravované síti automaticky vytvoří výpočetní clustery a výpočetní instance. Následující kroky se zaměřují na konfiguraci výpočetních prostředků tak, aby nepoužíly veřejnou IP adresu.

Azure CLI

Pokud chcete vytvořit výpočetní cluster bez veřejné IP adresy, použijte následující příkaz:

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

Pokud chcete vytvořit výpočetní instanci bez veřejné IP adresy, použijte následující příkaz:

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

Python SDK

Následující příklad sady Python SDK ukazuje, jak vytvořit výpočetní cluster a výpočetní instanci bez veřejné IP adresy:

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)

Studio

Výpočetní cluster ani výpočetní instanci nemůžete vytvořit na webu Azure Portal. Místo toho pomocí následujících kroků vytvořte tyto výpočty ze studia Azure Machine Learning:

1. V sadě Studio vyberte svůj pracovní prostor.

2. Na levém navigačním panelu vyberte stránku Výpočty.

3. Na navigačním panelu výpočetní instance nebo výpočetního clusteru vyberte + Nový.

4. Nakonfigurujte požadovanou velikost a konfiguraci virtuálního počítače a pak vyberte Další , dokud nedorazíte na následující stránky:

   • U výpočetního clusteru použijte stránku Upřesnit nastavení a výběrem možnosti Žádná veřejná IP adresa odeberte veřejnou IP adresu.

     

   • Pro výpočetní instanci použijte stránku Zabezpečení a výběrem možnosti Žádná veřejná IP adresa odeberte veřejnou IP adresu.

     

5. Pokračujte vytvořením výpočetního prostředku.

Omezení

• Vytvoření výpočetního clusteru v jiné oblasti než pracovní prostor se při použití spravované virtuální sítě nepodporuje.
• Pokud se výpočetní prostředky nachází ve spravované síti a jsou také nakonfigurované pro žádnou veřejnou IP adresu, použijte az ml compute connect-ssh příkaz pro připojení k výpočetní instanci přes SSH.

Migrace výpočetních prostředků

Pokud máte existující pracovní prostor a chcete pro ni povolit spravovanou virtuální síť, aktuálně neexistuje žádná podporovaná cesta migrace pro stávající spravované výpočetní prostředky. Po povolení spravované virtuální sítě budete muset odstranit všechny existující spravované výpočetní prostředky a znovu je vytvořit. Následující seznam obsahuje výpočetní prostředky, které je potřeba odstranit a znovu vytvořit:

• Výpočtový cluster
• Výpočetní instance
• Spravované online koncové body

Další kroky

• Izolace spravované virtuální sítě
• Zabezpečení online koncových bodů pomocí izolace sítě