Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Komponen AWS Batch
AWS Batch menyederhanakan menjalankan tugas batch di beberapa Zona Ketersediaan dalam Wilayah. Anda dapat membuat lingkungan komputasi AWS Batch dalam VPC baru atau yang sudah ada. Setelah lingkungan komputasi berjalan dan dikaitkan dengan antrean tugas, Anda dapat menentukan ketentuan tugas yang menentukan gambar kontainer Docker mana yang akan menjalankan tugas Anda. Gambar kontainer disimpan dan ditarik dari registri kontainer, yang mungkin ada di dalam atau di luar infrastruktur AWS .
Lingkungan komputasi
Lingkungan komputasi adalah seperangkat sumber daya komputasi terkelola atau tidak terkelola yang digunakan untuk menjalankan tugas. Dengan lingkungan komputasi terkelola, Anda dapat menentukan jenis komputasi (Fargate, Amazon EC2, atau Instans Terkelola Amazon ECS) dan ukuran instans. Anda juga dapat menentukan jumlah minimum, yang diinginkan, dan maksimum vCPU, ambang harga Instans Spot, dan subnet VPC target.
Dengan Instans Terkelola Amazon ECS, Amazon ECS sepenuhnya mengelola penyediaan, penskalaan, dan penghentian instans Amazon EC2 atas nama Anda. Anda menentukan kapasitas maksimum dan batasan instans opsional. AWS Batch secara efisien meluncurkan, mengelola, dan mengakhiri jenis komputasi sesuai kebutuhan.
Anda juga dapat mengelola lingkungan komputasi Anda sendiri. Dalam hal ini, Anda bertanggung jawab untuk menyiapkan dan menskalakan instans di cluster Amazon ECS yang dibuat AWS Batch untuk Anda. Untuk informasi selengkapnya, lihat Lingkungan komputasi untuk AWS Batch.
Antrean tugas
Saat Anda mengirimkan AWS Batch pekerjaan, Anda mengirimkannya ke antrian pekerjaan tertentu, tempat pekerjaan berada sampai dijadwalkan ke lingkungan komputasi. Anda mengaitkan satu atau beberapa lingkungan komputasi dengan antrean tugas. Anda juga dapat menetapkan nilai prioritas untuk lingkungan komputasi dan bahkan di antrean tugas itu sendiri. Misalnya, Anda dapat memiliki antrean prioritas tinggi yang menjadi tujuan pengiriman tugas sensitif waktu, dan antrean prioritas rendah untuk tugas yang dapat berjalan kapan saja ketika sumber daya komputasi lebih murah. Untuk informasi selengkapnya, lihat Antrean tugas.
Ketentuan tugas
Ketentuan tugas menentukan cara tugas akan dijalankan. Anda dapat membayangkan ketentuan tugas sebagai cetak biru untuk sumber daya dalam tugas Anda. Anda dapat menyediakan pekerjaan Anda dengan peran IAM untuk menyediakan akses ke AWS sumber daya lain. Anda juga menentukan persyaratan memori dan CPU. Ketentuan tugas juga dapat mengontrol properti kontainer, variabel lingkungan, dan titik pemasangan untuk penyimpanan tetap. Banyak spesifikasi dalam ketentuan tugas dapat diganti dengan menentukan nilai-nilai baru ketika mengirimkan tugas individu. Untuk informasi selengkapnya, lihat Ketentuan tugas
Lowongan Kerja
Unit kerja (seperti skrip shell, file Linux yang dapat dijalankan, atau gambar kontainer Docker) yang Anda kirimkan ke AWS Batch. Ini memiliki nama, dan berjalan sebagai aplikasi kontainer pada AWS Fargate atau sumber daya Amazon EC2 di lingkungan komputasi Anda, menggunakan parameter yang Anda tentukan dalam definisi pekerjaan. Pekerjaan dapat mereferensikan pekerjaan lain berdasarkan nama atau ID, dan dapat bergantung pada keberhasilan penyelesaian pekerjaan lain atau ketersediaan sumber daya yang Anda tentukan. Untuk informasi selengkapnya, lihat Lowongan Kerja.
Kebijakan penjadwalan
Anda dapat menggunakan kebijakan penjadwalan untuk mengonfigurasi cara sumber daya komputasi dalam antrian pekerjaan dialokasikan antara pengguna atau beban kerja. Menggunakan kebijakan penjadwalan pembagian yang adil, Anda dapat menetapkan pengidentifikasi berbagi yang berbeda untuk beban kerja atau pengguna. Penjadwal AWS Batch pekerjaan secara default menggunakan strategi first-in, first-out (FIFO). Untuk informasi selengkapnya, lihat Kebijakan penjadwalan saham adil.
Sumber daya habis pakai
Sumber daya yang dapat dikonsumsi adalah sumber daya yang diperlukan untuk menjalankan pekerjaan Anda, seperti token lisensi pihak ketiga, bandwidth akses database, kebutuhan untuk membatasi panggilan ke API pihak ketiga, dan sebagainya. Anda menentukan sumber daya habis pakai yang diperlukan untuk menjalankan pekerjaan, dan Batch memperhitungkan dependensi sumber daya ini ketika menjadwalkan pekerjaan. Anda dapat mengurangi kurangnya pemanfaatan sumber daya komputasi dengan mengalokasikan hanya pekerjaan yang memiliki semua sumber daya yang diperlukan tersedia. Untuk informasi selengkapnya, lihat Penjadwalan sadar sumber daya.
Lingkungan layanan
Lingkungan Layanan mendefinisikan bagaimana AWS Batch terintegrasi dengan SageMaker untuk eksekusi pekerjaan. Lingkungan layanan memungkinkan AWS Batch untuk mengirimkan dan mengelola pekerjaan SageMaker sambil menyediakan kemampuan antrian, penjadwalan, dan manajemen prioritas. AWS Batch Lingkungan Layanan menentukan batas kapasitas untuk jenis layanan tertentu seperti pekerjaan SageMaker Pelatihan. Batas kapasitas mengontrol sumber daya maksimum yang dapat digunakan oleh pekerjaan layanan di lingkungan. Untuk informasi selengkapnya, lihat Lingkungan layanan untuk AWS Batch.
Pekerjaan layanan
Pekerjaan layanan adalah unit kerja yang Anda kirimkan AWS Batch untuk dijalankan di lingkungan layanan. Pekerjaan layanan memanfaatkan kemampuan antri AWS Batch an dan penjadwalan sambil mendelegasikan eksekusi aktual ke layanan eksternal. Misalnya, pekerjaan Pel SageMaker atihan yang dikirimkan sebagai pekerjaan layanan diantri dan diprioritaskan oleh AWS Batch, tetapi eksekusi pekerjaan SageMaker Pelatihan terjadi dalam infrastruktur SageMaker AI. Integrasi ini memungkinkan ilmuwan data dan insinyur ML mendapatkan manfaat dari AWS Batch manajemen beban kerja otomatis, dan antrian prioritas, untuk beban kerja Pel SageMaker atihan AI mereka. Pekerjaan layanan dapat mereferensikan pekerjaan lain berdasarkan nama atau ID dan mendukung dependensi pekerjaan. Lihat informasi yang lebih lengkap di Lowongan kerja Service di AWS Batch.
