Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
Gestione dei carichi di lavoro di Ray con Studio
Amazon SageMaker Studio gestisce i carichi di lavoro Ray da un'interfaccia web. Apri il cluster nella HyperPod console, quindi scegli la scheda Attività. La scheda elenca le risorse Ray nei namespace a cui hai accesso e il filtro del tipo di attività passa da RayClusterRayJob, RayCronJob e. RayService
Studio legge e scrive le stesse risorse KubeRay personalizzate riconciliate dall'operatore. Una risorsa creata in Studio è identica a quella utilizzata per la candidatura. kubectl Puoi spostarti tra le due superfici sullo stesso carico di lavoro.
Prima che qualcuno utilizzi la scheda Attività, configura un dominio SageMaker AI e concedigli l'accesso al tuo cluster. Per ulteriori informazioni, consulta Configurare Studio per Ray.
Creazione di un cluster
Scegli Crea cluster Ray e completa il modulo o incolla un RayCluster manifesto nella vista YAML. Il modulo contiene i campi comuni. La vista YAML accetta qualsiasi campo supportato dall' KubeRay operatore. Usalo quando hai bisogno di un campo che il modulo non espone.
Il selettore dello spazio dei nomi nel modulo mostra l'allocazione di calcolo e l'utilizzo corrente per ogni namespace a cui hai accesso. Utilizzatelo per dimensionare il cluster in base alla capacità effettivamente disponibile prima dell'invio, invece di scoprire in seguito che il cluster è in attesa del raggiungimento della quota. Ciò è particolarmente importante in un namespace gestito da HyperPod Task Governance, in cui il cluster non è ammesso fino a quando non viene raggiunta la quota massima dichiarata. Per ulteriori informazioni, consulta Comportamento delle quote e della pianificazione per i carichi di lavoro Ray.
Allega uno spazio al cluster quando desideri svilupparlo in modo interattivo. Uno spazio è un ambiente JupyterLab o Code Editor in Amazon SageMaker Studio. Il codice che esegui lì, in un notebook o in un terminale, raggiunge il cluster tramiteray.init().
Uno spazio ha una propria versione di Ray, a partire dall'immagine di SageMaker AI Distribution che esegue. Abbina quella versione alla versione Ray del cluster. Una mancata corrispondenza produce errori di runtime difficili da diagnosticare. Per ulteriori informazioni, consulta Collegare il cluster Ray allo spazio.
Azioni su un cluster
Scegli Azioni su una riga per agire su quella risorsa senza uscire da Studio.
| Azione | Cosa fa |
|---|---|
| Sviluppo interattivo | Apre uno spazio JupyterLab o Code Editor collegato al cluster, ray.init() in cui si connette ad esso. Richiede il componente aggiuntivo SageMaker AI Spaces. Per ulteriori informazioni, consulta Collegare il cluster Ray allo spazio. |
| Invia lavoro | Invia un lavoro al cluster in esecuzione. |
| Apri Ray Dashboard | Apre il Ray Dashboard per il cluster. Richiede il Ray Endpoint Operator. Per ulteriori informazioni, consulta Installazione di HyperPod Ray Endpoint Operator. |
| Apri Grafana | Apre le dashboard di Grafana per il cluster. Richiede l'add-on per l'osservabilità. Per ulteriori informazioni, consulta Impostazione della raccolta di metriche Ray. |
| Modifica il cluster Ray | Modifica il cluster, inclusi i conteggi delle repliche dei lavoratori. |
| Sospendi il cluster Ray | Arresta i pod del cluster e mantiene la risorsa. Rilascia il calcolo. |
| Riprendi il cluster Ray | Riavvia i pod di un cluster sospeso con la configurazione esistente. Disponibile quando il cluster è sospeso. |
| Elimina il cluster Ray | Elimina il cluster e i relativi pod. |
Visualizzazione di dettagli ed eventi
Scegli il nome di una risorsa per aprirla. La scheda Eventi elenca i pod del cluster Ray insieme ai relativi eventi Kubernetes. Inizia da lì quando un cluster non raggiunge lo stato di esecuzione. È utile anche quando un pod si riavvia in modo imprevisto o un processo fallisce per un motivo che i suoi log non spiegano. Gli eventi indicano il pod in errore e ne indicano il motivo, ad esempio un errore nell'estrazione dell'immagine o una capacità allocabile insufficiente. Per ulteriori informazioni, consulta Risoluzione dei problemi relativi a Ray on HyperPod.
Per vedere l'utilizzo del cluster, scegli Azioni, quindi Apri Grafana. Per il comportamento relativo a quote, priorità e privilegi in un namespace gestito da Task Governance, consulta. HyperPod Comportamento delle quote e della pianificazione per i carichi di lavoro Ray
