Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Bestandteile von AWS Batch

AWS Batch vereinfacht die Ausführung von Batch-Jobs in mehreren Availability Zones innerhalb einer Region. Sie können AWS Batch -Datenverarbeitungsumgebungen in einer neuen oder bestehenden VPC erstellen. Nachdem eine Datenverarbeitungsumgebung erstellt und einer Auftragswarteschlange zugewiesen wurde, können Sie Auftragsdefinitionen definieren, die Docker-Containerabbilder für die Ausführung Ihrer Aufträge festzulegen. Containerabbilder werden in Container-Registrys gespeichert und daraus abgerufen, die sich innerhalb oder außerhalb Ihrer AWS -Infrastruktur befinden können.

Datenverarbeitungsumgebung

Bei einer Datenverarbeitungsumgebung handelt es sich um eine Gruppe verwalteter oder nicht verwalteter Datenverarbeitungsressourcen für die Ausführung von Aufträgen. Bei verwalteten Rechenumgebungen können Sie den Berechnungstyp (Fargate, Amazon EC2 oder Amazon ECS Managed Instances) und die Instance-Größe angeben. Sie können auch die minimale, gewünschte und maximale Anzahl von vCPUs, den Schwellenwert für den Spot-Instance-Preis und Ziel-VPC-Subnetze angeben.

Mit Amazon ECS Managed Instances verwaltet Amazon ECS die Bereitstellung, Skalierung und Kündigung von Amazon EC2-Instances vollständig in Ihrem Namen. Sie geben die maximale Kapazität und optionale Instance-Einschränkungen an. AWS Batch Startet, verwaltet und beendet Rechenarten effizient nach Bedarf.

Sie können zudem Ihre eigenen Datenverarbeitungsumgebungen verwalten. In diesem Fall sind Sie für die Einrichtung und Skalierung der Instances in einem Amazon ECS-Cluster verantwortlich, der für Sie AWS Batch erstellt wird. Weitere Informationen finden Sie unter Rechenumgebungen für AWS Batch.

Auftragswarteschlangen

Wenn Sie einen AWS Batch Job einreichen, senden Sie ihn an eine bestimmte Auftragswarteschlange, in der sich der Job befindet, bis er in einer Rechenumgebung geplant wird. Sie verknüpfen eine oder mehrere Computerumgebungen mit einer Auftragswarteschlange. Sie können diesen Rechenumgebungen und sogar den Auftragswarteschlangen selbst Prioritätswerte zuweisen. Sie können beispielsweise eine Warteschlange mit hoher Priorität einrichten, an die Sie zeitkritische Jobs senden, und eine Warteschlange mit niedriger Priorität für Jobs, die jederzeit ausgeführt werden können, wenn die Rechenressourcen günstiger sind. Weitere Informationen finden Sie unter Auftragswarteschlangen.

Auftragsdefinitionen

Eine Auftragsdefinition gibt an, wie Jobs ausgeführt werden sollen. Sie können sich eine Jobdefinition als Blaupause für die Ressourcen in Ihrem Job vorstellen. Sie können Ihrem Job eine IAM-Rolle zuweisen, um Zugriff auf andere AWS Ressourcen zu gewähren. Sie geben auch die Speicher- und CPU-Anforderungen an. Mit der Auftragsdefinition können zudem Containereigenschaften, Umgebungsvariablen und Bereitstellungspunkte zur persistente Speicherung gesteuert werden. Viele der Spezifikationen in einer Auftragsdefinition können überschrieben werden, indem Sie beim Senden einzelner Aufträge neue Werte angeben. Weitere Informationen finden Sie unter Auftragsdefinitionen.

Jobs

Eine Arbeitseinheit (etwa als Shell-Script, eine ausführbare Linux-Datei oder ein Docker-Containerabbild), die Sie an AWS Batch senden. Es hat einen Namen und läuft als containerisierte Anwendung auf AWS Fargate oder Amazon EC2-Ressourcen in Ihrer Rechenumgebung, wobei Parameter verwendet werden, die Sie in einer Auftragsdefinition angeben. Jobs können mit Namen oder ID auf andere Jobs verweisen und können vom erfolgreichen Abschluss anderer Jobs oder der Verfügbarkeit der von Ihnen angegebenen Ressourcen abhängen. Weitere Informationen finden Sie unter Jobs.

Richtlinie für die Terminplanung

Mithilfe von Planungsrichtlinien können Sie konfigurieren, wie Rechenressourcen in einer Auftragswarteschlange Benutzern oder Workloads zugewiesen werden. Mithilfe von Fair-Share-Planungsrichtlinien können Sie Workloads oder Benutzern unterschiedliche Share-Identifikatoren zuweisen. Der AWS Batch Job Scheduler verwendet standardmäßig eine First-In, First-Out (FIFO) -Strategie. Weitere Informationen finden Sie unter Fair-Share-Terminplanungsrichtlinien.

Verbrauchbare Ressourcen

Eine verbrauchbare Ressource ist eine Ressource, die für die Ausführung Ihrer Jobs benötigt wird, z. B. ein Drittanbieter-Lizenz-Token, die Bandbreite des Datenbankzugriffs, die Notwendigkeit, Aufrufe an eine Drittanbieter-API zu drosseln usw. Sie geben die verbrauchbaren Ressourcen an, die für die Ausführung eines Jobs benötigt werden, und Batch berücksichtigt diese Ressourcenabhängigkeiten bei der Planung eines Jobs. Sie können die Unterauslastung der Rechenressourcen verringern, indem Sie nur die Jobs zuweisen, für die alle erforderlichen Ressourcen verfügbar sind. Weitere Informationen finden Sie unter Ressourcenbewusste Planung.

Serviceumgebung

Eine Serviceumgebung definiert, wie sie SageMaker zur Auftragsausführung AWS Batch integriert wird. Serviceumgebungen AWS Batch ermöglichen das Senden und Verwalten von Aufträgen und bieten SageMaker gleichzeitig die Funktionen für Warteschlangen, Zeitplanung und Prioritätsverwaltung von AWS Batch. Serviceumgebungen definieren Kapazitätsgrenzen für bestimmte Servicetypen, wie z. B. SageMaker Schulungsaufträge. Die Kapazitätsgrenzen steuern die maximale Anzahl an Ressourcen, die für Serviceaufträge in der Umgebung verwendet werden können. Weitere Informationen finden Sie unter Serviceumgebungen für AWS Batch.

Serviceauftrag

Ein Servicejob ist eine Arbeitseinheit, der Sie unterwerfen, AWS Batch um sie in einer Dienstumgebung auszuführen. Serviceaufträge nutzen AWS Batch die Warteschlangen- und Planungsfunktionen und delegieren gleichzeitig die eigentliche Ausführung an den externen Dienst. Beispielsweise werden SageMaker Trainingsaufträge, die als Serviceaufträge eingereicht werden, in die Warteschlange gestellt und priorisiert AWS Batch, aber die Ausführung des SageMaker Trainingsauftrags erfolgt innerhalb der KI-Infrastruktur. SageMaker Diese Integration ermöglicht es Datenwissenschaftlern und ML-Ingenieuren, von AWS Batch der automatisierten Workloadverwaltung und der Prioritätswarteschlange für ihre SageMaker KI-Schulungsworkloads zu profitieren. Servicejobs können mit Namen oder ID auf andere Jobs verweisen und Jobabhängigkeiten unterstützen. Weitere Informationen finden Sie unter Serviceaufträge in AWS Batch.