Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Migrer les ressources vers la dernière version d'Operators

Nous arrêtons le développement et le support technique de la version originale d' SageMaker Operators for Kubernetes.

Si vous utilisez actuellement la version v1.2.2 ou une version inférieure d' SageMaker Operators for Kubernetes, nous vous recommandons de migrer vos ressources vers le contrôleur de service ACK pour Amazon. SageMaker Le contrôleur de service ACK est une nouvelle génération d' SageMaker opérateurs pour Kubernetes basés sur les AWS contrôleurs pour Kubernetes (ACK).

Pour obtenir les réponses aux questions fréquemment posées concernant la fin du support de la version originale d' SageMaker Operators for Kubernetes, voir Annonce de la fin du support de la version originale des opérateurs SageMaker AI pour Kubernetes

Suivez les étapes suivantes pour migrer vos ressources et utiliser ACK pour former, régler et déployer des modèles d'apprentissage automatique avec Amazon SageMaker AI.

Prérequis

Pour réussir la migration des ressources vers les derniers opérateurs SageMaker AI pour Kubernetes, vous devez effectuer les opérations suivantes :

Si les autorisations sont correctement configurées, le contrôleur de service ACK SageMaker AI peut déterminer les spécifications et l'état de la AWS ressource et réconcilier la ressource comme si le contrôleur ACK l'avait créée à l'origine.

Adoption des ressources

Les nouveaux opérateurs d' SageMaker IA pour Kubernetes permettent d'adopter des ressources qui n'ont pas été créées à l'origine par le contrôleur de service ACK. Pour plus d'informations, consultez Adopter les AWS ressources existantes dans la documentation ACK.

Les étapes suivantes montrent comment les nouveaux opérateurs d' SageMaker IA pour Kubernetes peuvent adopter un point de terminaison d'IA existant SageMaker . Enregistrez l'exemple suivant dans un fichier nommé adopt-endpoint-sample.yaml.

apiVersion: services.k8s.aws/v1alpha1
kind: AdoptedResource
metadata:
  name: adopt-endpoint-sample
spec:  
  aws:
    # resource to adopt, not created by ACK
    nameOrID: xgboost-endpoint
  kubernetes:
    group: sagemaker.services.k8s.aws
    kind: Endpoint
    metadata:
      # target K8s CR name
      name: xgboost-endpoint

Soumettez la ressource personnalisée (CR) en utilisant kubectl apply :

kubectl apply -f adopt-endpoint-sample.yaml

Utilisez kubectl describe pour vérifier les conditions de statut de la ressource que vous avez adoptée.

kubectl describe adoptedresource adopt-endpoint-sample

Vérifiez que la condition ACK.Adopted est True. La sortie doit ressembler à cet exemple :

---
kind: AdoptedResource
metadata:
  annotations:
    kubectl.kubernetes.io/last-applied-configuration: '{"apiVersion":"services.k8s.aws/v1alpha1","kind":"AdoptedResource","metadata":{"annotations":{},"name":"xgboost-endpoint","namespace":"default"},"spec":{"aws":{"nameOrID":"xgboost-endpoint"},"kubernetes":{"group":"sagemaker.services.k8s.aws","kind":"Endpoint","metadata":{"name":"xgboost-endpoint"}}}}'
  creationTimestamp: '2021-04-27T02:49:14Z'
  finalizers:
  - finalizers.services.k8s.aws/AdoptedResource
  generation: 1
  name: adopt-endpoint-sample
  namespace: default
  resourceVersion: '12669876'
  selfLink: "/apis/services.k8s.aws/v1alpha1/namespaces/default/adoptedresources/adopt-endpoint-sample"
  uid: 35f8fa92-29dd-4040-9d0d-0b07bbd7ca0b
spec:
  aws:
    nameOrID: xgboost-endpoint
  kubernetes:
    group: sagemaker.services.k8s.aws
    kind: Endpoint
    metadata:
      name: xgboost-endpoint
status:
  conditions:
  - status: 'True'
    type: ACK.Adopted

Vérifiez que votre ressource existe dans votre cluster :

kubectl describe endpoints.sagemaker xgboost-endpoint

Ressources HostingAutoscalingPolicy

La ressource HostingAutoscalingPolicy (HAP) comprend plusieurs ressources de mise à l'échelle automatique d'application : ScalableTarget et ScalingPolicy. Lorsque vous adoptez une ressource HAP avec ACK, commencez par installer le contrôleur de mise à l'échelle automatique d'application. Pour adopter les ressources HAP, vous devez adopter les ressources ScalableTarget et ScalingPolicy. Vous trouverez l'identificateur de ces ressources dans le statut de la ressource HostingAutoscalingPolicy (status.ResourceIDList).

HostingDeployment ressources

La HostingDeployment ressource se compose de plusieurs ressources d' SageMaker IA :Endpoint,EndpointConfig, et chacune d'ellesModel. Si vous adoptez un point de terminaison SageMaker AI dans ACK, vous devez adopter le EndpointEndpointConfig, et chacun Model séparément. Les noms Endpoint, EndpointConfig et Model peuvent être trouvés dans le statut de la ressource HostingDeployment (status.endpointName, status.endpointConfigName et status.modelNames).

Pour obtenir la liste de toutes les ressources d' SageMaker IA prises en charge, reportez-vous à la référence d'API ACK.

Nettoyage des anciennes ressources

Une fois que les nouveaux opérateurs SageMaker AI pour Kubernetes auront adopté vos ressources, vous pourrez désinstaller les anciens opérateurs et nettoyer les anciennes ressources.

Étape 1 : désinstaller l'ancien opérateur

Pour désinstaller l'ancien opérateur, consultez Supprimer les opérateurs.

Étape 2 : supprimer les finaliseurs et supprimer les anciennes ressources

Après avoir désinstallé l'ancien opérateur, vous devez supprimer explicitement les finaliseurs pour supprimer les anciennes ressources de l'opérateur. L'exemple de script ci-dessous montre comment supprimer toutes les tâches d'entraînement gérées par l'ancien opérateur dans un espace de noms donné. Vous pouvez utiliser un modèle similaire pour supprimer des ressources supplémentaires une fois qu'elles ont été adoptées par le nouvel opérateur.

namespace=sagemaker_namespace
training_jobs=$(kubectl get trainingjobs.sagemaker.aws.amazon.com -n $namespace -ojson | jq -r '.items | .[] | .metadata.name')
 
for job in $training_jobs
do
    echo "Deleting $job resource in $namespace namespace"
    kubectl patch trainingjobs.sagemaker.aws.amazon.com $job -n $namespace -p '{"metadata":{"finalizers":null}}' --type=merge
    kubectl delete trainingjobs.sagemaker.aws.amazon.com $job -n $namespace
done

Utilisez les nouveaux opérateurs d' SageMaker IA pour Kubernetes

Pour des guides détaillés sur l'utilisation des nouveaux opérateurs d' SageMaker intelligence artificielle pour Kubernetes, voir Utiliser des opérateurs d' SageMaker IA pour Kubernetes