Verwalten einer Compute-Instanz von Azure Machine Learning

GILT FÜR:Azure CLI ML-Erweiterung v2 (aktuell)Python SDK azure-ai-ml v2 (aktuell)

Erfahren Sie, wie Sie eine Compute-Instanz in Ihrem Azure Machine Learning-Arbeitsbereich verwalten.

Nutzen Sie eine Compute-Instanz als Ihre vollständig konfigurierte und verwaltete Entwicklungsumgebung in der Cloud. Zu Entwicklungs- und Testzwecken können Sie die Instanz auch als Trainingscomputeziel verwenden. Computeinstanzen können mehrere Aufträge parallel ausführen und verfügen über eine Auftragswarteschlange. Da es sich bei einer Compute-Instanz um eine Entwicklungsumgebung handelt, kann diese nicht für andere in Ihrem Arbeitsbereich freigegeben werden.

In diesem Artikel erfahren Sie, wie Sie eine Compute-Instanz starten, beenden, neu starten und löschen. Unter Erstellen einer Azure Machine Learning-Compute-Instanz erfahren Sie, wie Sie eine Compute-Instanz erstellen.

Hinweis

Die folgenden Abschnitte in diesem Artikel zeigen die CLI v2. Wenn Sie noch die CLI v1 verwenden, lesen Sie Erstellen eines Azure Machine Learning-Computeclusters (CLI v1).

Voraussetzungen

• Ein Azure Machine Learning-Arbeitsbereich. Weitere Informationen finden Sie unter Verwalten von Azure Machine Learning-Arbeitsbereichen.

Wählen Sie die entsprechende Registerkarte für die restlichen Voraussetzungen basierend auf Ihrer bevorzugten Methode zum Verwalten Ihrer Compute-Instanz aus.

Python SDK

• Wenn Sie Ihren Code nicht auf einer Compute-Instanz ausführen, installieren Sie das Python-SDK für Azure Machine Learning. Dieses SDK ist auf einer Compute-Instanz bereits installiert.

• Fügen Sie den Arbeitsbereich in Ihrem Python-Skript an:

  Führen Sie diesen Code aus, um eine Verbindung mit Ihrem Azure Machine Learning-Arbeitsbereich herzustellen.

  Ersetzen Sie Ihre Abonnement-ID, den Namen der Ressourcengruppe und den Namen des Arbeitsbereichs im folgenden Code. So finden Sie diese Werte:

  1. Melden Sie sich bei Azure Machine Learning Studio an.
  2. Öffnen Sie den Arbeitsbereich, den Sie verwenden möchten.
  3. Wählen Sie in der Azure Machine Learning Studio-Symbolleiste oben rechts den Namen Ihres Arbeitsbereichs aus.
  4. Kopieren Sie den Wert für Arbeitsbereich, Ressourcengruppe und Abonnement-ID in den Code.
  5. Kopieren Sie einen Wert, schließen Sie den Bereich, und fügen Sie den Wert ein. Kehren Sie dann für den nächsten Wert zurück, wenn Sie einen Wert in ein Notebook innerhalb von Studio einfügen.

  GILT FÜR: Python SDK azure-ai-ml v2 (aktuell)

  # Enter details of your AML workspace
  subscription_id = "<SUBSCRIPTION_ID>"
  resource_group = "<RESOURCE_GROUP>"
  workspace = "<AML_WORKSPACE_NAME>"

  # get a handle to the workspace
  from azure.ai.ml import MLClient
  from azure.identity import DefaultAzureCredential
  
  ml_client = MLClient(
      DefaultAzureCredential(), subscription_id, resource_group, workspace
  )

  ml_client ist ein Handler für den Arbeitsbereich, den Sie für die Verwaltung anderer Ressourcen und Aufträge verwenden.

Azure-Befehlszeilenschnittstelle

• Wenn Sie diese Befehle nicht auf einer Compute-Instanz ausführen, installieren Sie die Azure CLI-Erweiterung für den Machine Learning-Dienst (V2). Diese Erweiterung ist auf einer Compute-Instanz bereits installiert.

• Authentifizieren Sie sich, und legen Sie den Standardarbeitsbereich und die Ressourcengruppe fest. Lassen Sie das Terminal geöffnet, um die restlichen Befehle in diesem Artikel auszuführen.

  • Wenn Sie sich auf einer Compute-Instanz befinden:

    az login --identity
    # next line needed only if you have multiple subscriptions:
    az account set --subscription "<SUBSCRIPTION-NAME>" # replace with your subscription name
    az configure --defaults group=$CI_RESOURCE_GROUP workspace=$CI_WORKSPACE
    

  • Wenn Sie die Befehle lokal ausführen, lassen Sie --identity weg, und folgen Sie den Anweisungen für die Authentifizierung. Ersetzen Sie außerdem $CI_RESOURCE_GROUP und $CI_WORKSPACE durch Ihre eigenen Werte.

Studio

Beginnen Sie in Azure Machine Learning Studio.

Verwalten

Starten, Beenden, Neustarten und Löschen einer Compute-Instanz. Eine Compute-Instanz wird nicht immer automatisch herunterskaliert. Stellen Sie daher sicher, dass die Ressource beendet wird, um laufende Gebühren zu vermeiden. Das Beenden einer Compute-Instanz gibt diese frei. Starten Sie sie dann erneut, wenn Sie sie benötigen. Das Beenden der Compute-Instanz stoppt zwar die Abrechnung der Computestunden, es fallen aber weiterhin Kosten für Datenträger, öffentliche IP-Adresse und Standardlastenausgleich an.

Sie können das automatische Herunterfahren aktivieren, um die Compute-Instanz nach einer bestimmten Zeitspanne automatisch zu beenden.

Sie können für die Compute-Instanz einen Zeitplan erstellen, um diese automatisch zu einer bestimmten Uhrzeit und an einem bestimmten Wochentag zu starten und zu beenden.

Tipp

Die Compute-Instanz verfügt über einen 120 GB Betriebssystemdatenträger. Wenn Ihnen der Speicherplatz ausgeht, verwenden Sie das Terminal, um mindestens 1–2 GB zu löschen, bevor Sie die Compute-Instanz beenden oder neu starten. Bitte beenden Sie die Compute-Instanz nicht, indem Sie sudo Herunterfahren im Terminal eingeben. Die Größe des temporären Datenträgers auf der Compute-Instanz hängt von der gewählten VM-Größe ab und wird in „/mnt“ eingebunden.

Python SDK

GILT FÜR: Python SDK azure-ai-ml v2 (aktuell)

In diesen Beispielen wird der Name der Compute-Instanz in der Variablen ci_basic_name gespeichert.

• Abrufen des Status

  from azure.ai.ml.entities import ComputeInstance, AmlCompute
  
  # Get compute
  ci_basic_state = ml_client.compute.get(ci_basic_name)

• Beenden

  from azure.ai.ml.entities import ComputeInstance, AmlCompute
  
  # Stop compute
  ml_client.compute.begin_stop(ci_basic_name).wait()

• Start

  from azure.ai.ml.entities import ComputeInstance, AmlCompute
  
  # Start compute
  ml_client.compute.begin_start(ci_basic_name).wait()

• Neu starten

  from azure.ai.ml.entities import ComputeInstance, AmlCompute
  
  # Restart compute
  ml_client.compute.begin_restart(ci_basic_name).wait()

• Löschen

  from azure.ai.ml.entities import ComputeInstance, AmlCompute
  
  ml_client.compute.begin_delete(ci_basic_name).wait()

Azure-Befehlszeilenschnittstelle

GILT FÜRAzure CLI-ML-Erweiterung v2 (aktuell)

In diesen Beispielen lautet der Name der Compute-Instanz instance.

• Beenden

  az ml compute stop --name instance 
  

• Start

  az ml compute start --name instance 
  

• Neu starten

  az ml compute restart --name instance 
  

• Löschen

  az ml compute delete --name instance 
  

Studio

Wählen Sie in Ihrem Arbeitsbereich in Azure Machine Learning Studio die Option Compute und dann oben die Option Compute-Instanz aus.

Sie können folgende Aktionen ausführen:

• Erstellen einer neuen Compute-Instanz
• Aktualisieren der Registerkarte „Compute-Instanzen“.
• Starten, Beenden und erneutes Starten einer Compute-Instanz. Es fallen immer dann Gebühren für die Instanz an, wenn sie ausgeführt wird. Beenden Sie die Compute-Instanz, wenn Sie sie nicht benötigen, um Kosten zu sparen. Das Beenden einer Compute-Instanz gibt diese frei. Starten Sie sie dann erneut, wenn Sie sie benötigen. Sie können auch eine Zeit für das Starten und Stoppen der Compute-Instanz planen.
• Löschen einer Compute-Instanz.
• Filtern Sie die Liste der Compute-Instanzen, um nur die von Ihnen erstellten Instanzen anzuzeigen.

Für jede Compute-Instanz in einem Arbeitsbereich, den Sie erstellt haben (oder der für Sie erstellt wurde), können Sie:

• Auf der Compute-Instanz auf Jupyter, JupyterLab, RStudio zugreifen.
• SSH-Verbindung mit Compute-Instanz. Der SSH-Zugriff ist standardmäßig deaktiviert, kann aber zum Zeitpunkt der Erstellung der Compute-Instanz aktiviert werden. Der SSH-Zugriff erfolgt über einen Mechanismus mit öffentlichem/privatem Schlüssel. Auf der Registerkarte finden Sie Details zur SSH-Verbindung, wie IP-Adresse, Benutzername und Portnummer. Bei der Bereitstellung eines virtuellen Netzwerks verhindert das Deaktivieren von SSH den SSH-Zugriff aus dem öffentlichen Internet. Sie können SSH weiterhin im virtuellen Netzwerk mithilfe der privaten IP-Adresse des Compute-Instanzknotens und Port 22 verwenden.
• Wählen Sie den Computernamen, um:
  • Details zu einer bestimmten Compute-Instanz anzuzeigen, wie z. B. die IP-Adresse und die Region.
  • Erstellen oder Ändern Sie den Zeitplan für das Starten und Stoppen der Compute-Instanz. Scrollen Sie zum unteren Ende der Seite, um den Zeitplan zu bearbeiten.

Mithilfe von Azure RBAC können Sie steuern, welche Benutzer im Arbeitsbereich eine Compute-Instanz erstellen, löschen, starten, beenden und neu starten können. Alle Benutzer mit der Rolle „Mitwirkender“ und „Besitzer“ des Arbeitsbereichs können Compute-Instanzen im gesamten Arbeitsbereich erstellen, löschen, starten, beenden und neu starten. Allerdings darf nur der Ersteller einer bestimmten Compute-Instanz oder der zugewiesene Benutzer (falls sie in seinem Namen erstellt wurde) auf dieser Compute-Instanz auf Jupyter, JupyterLab und RStudio zugreifen. Eine Compute-Instanz ist einem einzelnen Benutzer zugeordnet, der über Root-Zugriff verfügt. Dieser Benutzer hat Zugriff auf Jupyter/JupyterLab/RStudio, das auf der Instanz ausgeführt wird. Die Compute-Instanz verwendet eine Einzelbenutzeranmeldung, und diese Benutzeridentität wird bei allen Aktivitäten für Azure RBAC und die Zuordnung von Experimentaufträgen verwendet. Der SSH-Zugriff wird über einen Mechanismus mit öffentlichem/privatem Schlüssel gesteuert.

Diese Aktionen können von Azure RBAC gesteuert werden:

• Microsoft.MachineLearningServices/workspaces/computes/read
• Microsoft.MachineLearningServices/workspaces/computes/write
• Microsoft.MachineLearningServices/workspaces/computes/delete
• Microsoft.MachineLearningServices/workspaces/computes/start/action
• Microsoft.MachineLearningServices/workspaces/computes/stop/action
• Microsoft.MachineLearningServices/workspaces/computes/restart/action
• Microsoft.MachineLearningServices/workspaces/computes/updateSchedules/action

Zum Erstellen einer Compute-Instanz benötigen Sie Berechtigungen für die folgenden Aktionen:

• Microsoft.MachineLearningServices/workspaces/computes/write
• Microsoft.MachineLearningServices/workspaces/checkComputeNameAvailability/action

Überwachen und Beobachten der Version der Compute-Instanz

Nachdem eine Compute-Instanz bereitgestellt wurde, wird sie nicht mehr automatisch aktualisiert. Microsoft veröffentlicht neue VM-Images monatlich. Informationen zu den Optionen zum Aktualisieren der neuesten Version finden Sie im Artikel zur Verwaltung von Sicherheitsrisiken.

Um zu überprüfen, ob die Betriebssystemversion einer Instanz aktuell ist, können Sie die Version per CLI, SDK oder Studio-Benutzeroberfläche abfragen.

Python SDK

GILT FÜR: Python SDK azure-ai-ml v2 (aktuell)

from azure.ai.ml.entities import ComputeInstance, AmlCompute

# Display operating system version
instance = ml_client.compute.get("myci")
print instance.os_image_metadata

Weitere Informationen zu den in diesem Beispiel verwendeten Klassen, Methoden und Parametern finden Sie in den folgenden Referenzdokumenten:

• AmlCompute-Klasse
• ComputeInstance-Klasse

Azure-Befehlszeilenschnittstelle

GILT FÜRAzure CLI-ML-Erweiterung v2 (aktuell)

az ml compute show --name "myci"

# query outdated compute instances:
az ml compute list --query "[?os_image_metadata.is_latest_os_image_version == ``false``].name"

Studio

Wählen Sie in Ihrem Arbeitsbereich in Azure Machine Learning Studio die Option Compute und dann oben die Option Compute-Instanz aus. Um ihre Eigenschaften einschließlich des aktuellen Betriebssystems anzuzeigen, wählen Sie den Computenamen einer Compute-Instanz aus.

IT-Administrator*innen können Azure Policy verwenden, um den Bestand von Instanzen arbeitsbereichsübergreifend im Azure Policy-Complianceportal zu überwachen. Weisen Sie die integrierte Richtlinie Azure Machine Learning Compute-Instanzen mit einem veralteten Betriebssystem überwachen für ein Azure-Abonnement oder für einen Azure-Verwaltungsgruppenbereich zu.

Nächste Schritte

• Zugreifen auf ein Compute-Instanzterminal in Ihrem Arbeitsbereich
• Erstellen und Verwalten von Dateien
• Aktualisieren der Compute-Instanz auf das neueste VM-Image