Utiliser le calcul managé dans un réseau virtuel managé

Découvrez comment configurer des clusters de calcul ou des instances de calcul dans un réseau virtuel managé Azure Machine Learning.

Lors de l’utilisation d’un réseau managé, les ressources de calcul gérées par Azure Machine Learning peuvent participer au réseau virtuel. Les clusters de calcul, les instances de calcul et les points de terminaison en ligne managés Azure Machine Learning sont créés dans le réseau managé.

Cet article se concentre sur la configuration des clusters de calcul et des instances de calcul dans un réseau managé. Pour plus d’informations sur les points de terminaison en ligne managés, consultez Sécuriser les points de terminaison en ligne avec l’isolement réseau.

Important

Si vous envisagez d’utiliser des travaux Spark serverless, consultez l’article sur le réseau virtuel managé pour plus d’informations sur la configuration. Ces étapes doivent être suivies lors de la configuration du réseau virtuel managé.

Prérequis

Avant de suivre les étapes décrites dans cet article, vérifiez que vous disposez des composants requis suivants :

Azure CLI

• Un espace de travail Azure Machine Learning configuré pour utiliser un réseau virtuel managé.

• L’interface CLI Azure et l’extension ml pour l’interface CLI Azure. Pour plus d’informations, consultez Installer, configurer et utiliser l’interface CLI (v2).

  Conseil

  Le réseau virtuel managé Azure Machine Learning a été introduit le 23 mai 2023. Si vous avez une version antérieure de l’extension ml, il peut être nécessaire de la mettre à jour pour que les exemples de cet article fonctionnent. Pour mettre à jour l’extension, utilisez la commande Azure CLI suivante :

  az extension update -n ml
  

• Les exemples CLI de cet article supposent que vous utilisez le shell Bash (ou un shell compatible). Par exemple, à partir d’un système Linux ou d’un sous-système Windows pour Linux.

• Les exemples Azure CLI de cet article utilisent ws pour représenter le nom de l’espace de travail et rg pour représenter le nom du groupe de ressources. Changez ces valeurs selon ce qui est nécessaire lors de l’utilisation des commandes avec votre abonnement Azure.

Kit de développement logiciel (SDK) Python

• Un espace de travail Azure Machine Learning configuré pour utiliser un réseau virtuel managé.

• Le SDK Python v2 pour Azure Machine Learning. Pour plus d’informations sur le SDK, consultez Installer le SDK Python v2 pour Azure Machine Learning.

  Conseil

  Le réseau virtuel managé Azure Machine Learning a été introduit le 23 mai 2023. Si vous avez une version antérieure installée du SDK, il peut être nécessaire de la mettre à jour pour que les exemples de cet article fonctionnent. Pour mettre à jour le SDK, utilisez la commande suivante :

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

• Les exemples de cet article supposent que votre code commence par le Python suivant. Ce code importe les classes nécessaires lors de la création d’un espace de travail avec un réseau virtuel managé, définit des variables pour votre abonnement Azure et votre groupe de ressources, et crée le paramètre 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

• Un espace de travail Azure Machine Learning configuré pour utiliser un réseau virtuel managé.

Configurer des ressources de calcul

Utilisez les onglets suivants pour savoir comment configurer des clusters de calcul et des instances de calcul dans un réseau virtuel managé :

Conseil

Lors de l’utilisation d’un réseau virtuel managé, les clusters de calcul et les instances de calcul sont automatiquement créés dans le réseau managé. Les étapes suivantes se concentrent sur la configuration des ressources de calcul pour ne pas utiliser d’adresse IP publique.

Azure CLI

Pour créer un cluster de calcul sans adresse IP publique, utilisez la commande suivante :

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

Pour créer une instance de calcul sans adresse IP publique, utilisez la commande suivante :

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

Kit de développement logiciel (SDK) Python

L’exemple suivant du kit de développement logiciel (SDK) Python montre comment créer un cluster de calcul et une instance de calcul sans adresse IP publique :

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

Vous ne pouvez pas créer de cluster de calcul ou d’instance de calcul à partir du portail Azure. Utilisez plutôt les étapes suivantes pour créer ces calculs à partir d’Azure Machine Learning studio :

1. Depuis studio, sélectionnez votre espace de travail.

2. Sélectionnez la page Calcul dans la barre de navigation gauche.

3. Sélectionnez + Nouveau dans la barre de navigation de l’instance de calcul ou du cluster de calcul.

4. Configurez la taille et la configuration de la machine virtuelle dont vous avez besoin, puis sélectionnez Suivant jusqu’à ce que vous arriviez aux pages suivantes :

   • Pour un cluster de calcul, utilisez la page Paramètres avancés et sélectionnez l’option Aucune adresse IP publique pour supprimer l’adresse IP publique.

     

   • Pour un instance de calcul, utilisez la page Sécurité et sélectionnez l’option Aucune adresse IP publique pour supprimer l’adresse IP publique.

     

5. Poursuivez la création de la ressource de calcul.

Limites

• La création d’un cluster de calcul dans une région différente de celle de l’espace de travail n’est pas prise en charge lors de l’utilisation d’un réseau virtuel managé.
• Si le calcul se trouve dans un réseau managé et aussi configuré sans adresse IP publique, utilisez la commande az ml compute connect-ssh pour vous connecter à l’instance de calcul via SSH.

Migration des ressources de calcul

Si vous disposez d’un espace de travail existant et que vous souhaitez activer le réseau virtuel managé pour celui-ci, il n’existe actuellement aucun chemin de migration pris en charge pour les ressources de calcul managées existantes. Vous devez supprimer toutes les ressources de calcul managées existantes et les recréer après avoir activé le réseau virtuel managé. La liste suivante contient les ressources de calcul qui doivent être supprimées et recréées :

• Cluster de calcul
• Instance de calcul
• Points de terminaison en ligne managés

Étapes suivantes

• Isolement de réseau virtuel managé
• Sécuriser les points de terminaison en ligne avec l’isolement réseau