Yönetilen bir sanal ağda yönetilen işlem kullanma

Azure Machine Learning yönetilen sanal ağında işlem kümelerini veya işlem örneklerini yapılandırmayı öğrenin.

Yönetilen ağ kullanırken Azure Machine Learning tarafından yönetilen işlem kaynakları sanal ağa katılabilir. Yönetilen ağda Azure Machine Learning işlem kümeleri, işlem örnekleri ve yönetilen çevrimiçi uç noktalar oluşturulur.

Bu makale, yönetilen bir ağda işlem kümelerini ve işlem örneklerini yapılandırmaya odaklanır. Yönetilen çevrimiçi uç noktalar hakkında bilgi için bkz . Ağ yalıtımı ile güvenli çevrimiçi uç noktalar.

Önemli

Sunucusuz Spark işlerini kullanmayı planlıyorsanız yapılandırma bilgileri için yönetilen sanal ağ makalesine bakın. Yönetilen sanal ağ yapılandırıldığında bu adımlar izlenmelidir.

Ön koşullar

Bu makaledeki adımları takip etmeden önce aşağıdaki önkoşullara sahip olduğunuzdan emin olun:

Azure CLI

• Yönetilen sanal ağ kullanacak şekilde yapılandırılmış bir Azure Machine Learning çalışma alanı.

• Azure CLI ve ml Azure CLI uzantısı. Daha fazla bilgi için bkz . CLI'yi (v2) yükleme, ayarlama ve kullanma.

  Bahşiş

  Azure Machine Learning yönetilen sanal ağı 23 Mayıs 2023'te kullanıma sunulmuştur. ML uzantısının eski bir sürümüne sahipseniz, bu makaledeki örnekler için bu uzantıyı güncelleştirmeniz gerekebilir. Uzantıyı güncelleştirmek için aşağıdaki Azure CLI komutunu kullanın:

  az extension update -n ml
  

• Bu makaledeki CLI örneklerinde Bash (veya uyumlu) kabuğu kullandığınız varsayılır. Örneğin, bir Linux sisteminden veya Linux için Windows Alt Sistemi.

• Bu makaledeki Azure CLI örnekleri, çalışma alanının adını ve rg kaynak grubunun adını temsil etmek için kullanılırws. Azure aboneliğinizle komutları kullanırken bu değerleri gerektiği gibi değiştirin.

Python SDK'sı

• Yönetilen sanal ağ kullanacak şekilde yapılandırılmış bir Azure Machine Learning çalışma alanı.

• Azure Machine Learning Python SDK v2. SDK hakkında daha fazla bilgi için bkz . Azure Machine Learning için Python SDK v2'yi yükleme.

  Bahşiş

  Azure Machine learning yönetilen sanal ağı 23 Mayıs 2023'te kullanıma sunulmuştur. SDK'nın eski bir sürümü yüklüyse, bu makaledeki örneklerin çalışması için bunu güncelleştirmeniz gerekebilir. SDK'yı güncelleştirmek için aşağıdaki komutu kullanın:

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

• Bu makaledeki örneklerde kodunuzun aşağıdaki Python ile başladığı varsayılır. Bu kod, yönetilen sanal ağ ile çalışma alanı oluştururken gereken sınıfları içeri aktarır, Azure aboneliğiniz ve kaynak grubunuz için değişkenleri ayarlar ve oluşturur 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>"
  
  # get a handle to the subscription
  ml_client = MLClient(DefaultAzureCredential(), subscription_id, resource_group)
  

Studio

• Yönetilen sanal ağ kullanacak şekilde yapılandırılmış bir Azure Machine Learning çalışma alanı.

İşlem kaynaklarını yapılandırma

Yönetilen bir sanal ağda işlem kümelerini ve işlem örneklerini yapılandırmayı öğrenmek için aşağıdaki sekmeleri kullanın:

Bahşiş

Yönetilen bir sanal ağ kullanılırken, yönetilen ağda işlem kümeleri ve işlem örnekleri otomatik olarak oluşturulur. Aşağıdaki adımlar, işlem kaynaklarını genel IP adresi kullanmayacak şekilde yapılandırmaya odaklanır.

Azure CLI

Genel IP adresi olmayan bir işlem kümesi oluşturmak için aşağıdaki komutu kullanın:

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

Genel IP olmadan bir işlem örneği oluşturmak için aşağıdaki komutu kullanın:

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

Python SDK'sı

Aşağıdaki Python SDK örneği, genel IP olmadan bir işlem kümesi ve işlem örneği oluşturmayı gösterir:

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

Azure portalından işlem kümesi veya işlem örneği oluşturamazsınız. Bunun yerine, Azure Machine Learning studio'dan bu işlemleri oluşturmak için aşağıdaki adımları kullanın:

1. Studio'dan çalışma alanınızı seçin.

2. Sol gezinti çubuğundan İşlem sayfasını seçin.

3. İşlem örneğinin veya işlem kümesinin gezinti çubuğundan + Yeni'yi seçin.

4. İhtiyacınız olan VM boyutunu ve yapılandırmasını yapılandırın, ardından aşağıdaki sayfalara ulaşana kadar İleri'yi seçin:

   • İşlem kümesi için Gelişmiş Ayarlar sayfasını kullanın ve genel IP adresini kaldırmak için Genel IP Yok seçeneğini belirleyin.

     

   • İşlem örneği için Güvenlik sayfasını kullanın ve genel IP adresini kaldırmak için Genel IP Yok seçeneğini belirleyin.

     

5. İşlem kaynağını oluşturmaya devam edin.

Sınırlamalar

• Yönetilen bir sanal ağ kullanılırken çalışma alanından farklı bir bölgede işlem kümesi oluşturma desteklenmez.

İşlem kaynaklarının geçişi

Mevcut bir çalışma alanınız varsa ve bunun için yönetilen sanal ağı etkinleştirmek istiyorsanız, şu anda mevcut yönetilen işlem kaynakları için desteklenen bir geçiş yolu yoktur. Yönetilen sanal ağı etkinleştirdikten sonra mevcut tüm yönetilen işlem kaynaklarını silmeniz ve yeniden oluşturmanız gerekir. Aşağıdaki liste, silinmesi ve yeniden oluşturulması gereken işlem kaynaklarını içerir:

• İşlem kümesi
• İşlem örneği
• Yönetilen çevrimiçi uç noktalar

Sonraki adımlar

• Yönetilen sanal ağ yalıtımı
• Ağ yalıtımı ile çevrimiçi uç noktaların güvenliğini sağlama