View a markdown version of this page

Raycluster an Space anhängen - Amazon SageMaker KI
VoraussetzungenVerbinden Sie einen Space mit einem Ray-Cluster mit Amazon Studio SageMakerVerbinde mit kubectl einen Space mit einem Ray-ClusterVerifyVersionskompatibilität

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.

Raycluster an Space anhängen

Wenn Sie einen Ray-Cluster an einen Space anhängen, wird Ihre IDE- oder Notebook-Sitzung auf diesen Cluster verwiesen, sodass eine ray.init() Verbindung zu diesem Cluster hergestellt wird. Innerhalb des Space ist der Cluster für interaktive Entwicklung über Port 8265 erreichbar. Dies ist derselbe Port, den ein lokaler Ray-Cluster verwendet. Sie haben die Erfahrung, Ray auf einem Laptop auszuführen, hinter dem Cloud-Computing steckt.

Sie verwalten die Verbindung über den Ray-Cluster-Tab im Space.

Voraussetzungen

  • (Optional) Amazon SageMaker Studio ist für Ihren Cluster konfiguriert. Weitere Informationen finden Sie unter Studio für Ray einrichten.

  • Das SageMaker Spaces-Add-on ist aktiv. Weitere Informationen finden Sie unter Einrichtung des Spaces-Add-ons.

  • Ein JupyterLab oder Code-Editor-Bereich, der auf der Registerkarte IDE und Notebooks in Amazon SageMaker Studio erstellt wurde.

  • Ein laufender Ray-Cluster im selben Namespace wie die Space-Pods.

Verbinden Sie einen Space mit einem Ray-Cluster mit Amazon Studio SageMaker

Um einen Space an einen Ray-Cluster anzuhängen

  1. Öffnen Sie den Bereich JupyterLab oder den Code-Editor, den Sie in Studio auf der Registerkarte IDE und Notebooks erstellt haben, und wählen Sie dann die Registerkarte Ray-Cluster.

  2. Wählen Sie Connect aus.

  3. Wählen Sie einen vorhandenen Cluster aus der Auswahl aus, oder erstellen Sie einen neuen und speichern Sie dann.

Verwenden Sie „Ändern“, um den Bereich auf einen anderen Cluster zu richten, und „Trennen“, um ihn zu trennen.

Wichtig

Beim Speichern einer Verbindungsänderung werden die Space-Pods neu gestartet. Speichern Sie zuerst die ungespeicherte Arbeit.

Verbinde mit kubectl einen Space mit einem Ray-Cluster

Sie können die Workspace Ressource des Spaces auch mit patchen, kubectl anstatt Studio zu verwenden. Die Ray-Integrationsvorlage befindet sich im jupyter-k8s-system Namespace, und Sie übergeben den Ray-Clusternamen als Parameter.

Ersetzen Sie die folgenden Werte in beiden Befehlen:

Placeholder Ersetzen durch
my-workspace Der Name der Workspace Ressource des Raums.
my-namespace Der Namespace, der sowohl den Space als auch den Ray-Cluster enthält.
my-cluster Der Name des, der angehängt RayCluster werden soll.

Geh ray-integration und jupyter-k8s-system wie sie sind. Sie identifizieren die Integrationsvorlage, die das Add-on installiert.

kubectl patch workspace my-workspace -n my-namespace --type=merge -p '{
  "spec": {
    "integrationTemplateRefs": [
      {
        "name": "ray-integration",
        "namespace": "jupyter-k8s-system",
        "parameters": [
          { "name": "rayClusterName", "value": "my-cluster" }
        ]
      }
    ]
  }
}'

Um den Space von seinem Cluster zu trennen, löschen Sie die Integrationsreferenzen.

kubectl patch workspace my-workspace -n my-namespace --type=merge -p '{"spec":{"integrationTemplateRefs":[]}}'

Verify

Nachdem Sie den Space verbunden haben ray.init() und standardmäßig den angehängten Cluster ray job submit erreicht haben. Öffnen Sie ein Terminal oder Notebook im Space und führen Sie es ausray.init(). Vergewissern Sie sich, dass eine Verbindung zum Cluster hergestellt wird.

Versionskompatibilität

Das SageMaker AI Distribution-Image des Spaces hat seine eigene Ray-Version und muss mit der des Clusters übereinstimmenspec.rayVersion. Wenn sich die Versionen unterscheiden, zeigt Studio eine Warnung an und bietet an, stattdessen einen kompatiblen Cluster zu erstellen.

Die Python-Version muss ebenfalls übereinstimmen, einschließlich der Patch-Version. Ein Space, auf dem Python 3.11.9 ausgeführt wird, und ein Cluster, auf dem Python 3.11.4 ausgeführt wird, sind nicht kompatibel.

Eine Versionsinkongruenz tritt während der Entwicklung als Fehler auf. Für eine einfachere Benutzererfahrung können Sie dasselbe SageMaker AI Distribution-Image sowohl für den Ray-Cluster als auch für das Space Image wählen, um die Kompatibilität sicherzustellen.