View a markdown version of this page

Memasang cluster Ray ke Luar Angkasa - Amazon SageMaker AI
PrasyaratHubungkan spasi ke cluster Ray dengan Amazon SageMaker StudioHubungkan spasi ke cluster Ray dengan kubectlVerifikasiKompatibilitas versi

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Memasang cluster Ray ke Luar Angkasa

Melampirkan cluster Ray ke spasi menunjukkan sesi IDE atau notebook Anda di cluster itu, jadi ray.init() sambungkan ke sana. Di dalam ruang, cluster dapat dijangkau pada port 8265 untuk pengembangan interaktif, port yang sama yang digunakan cluster Ray lokal. Anda mendapatkan pengalaman menjalankan Ray di laptop, dengan komputasi skala cloud di belakangnya.

Anda mengelola koneksi dari tab cluster Ray di dalam ruang.

Prasyarat

  • (Opsional) Amazon SageMaker Studio dikonfigurasi untuk klaster Anda. Untuk informasi selengkapnya, lihat Menyiapkan Studio untuk Ray.

  • Add-on SageMaker Spaces Aktif. Untuk informasi selengkapnya, lihat Menyiapkan add-on Spaces.

  • Ruang Editor Kode JupyterLab atau, dibuat dari tab IDE dan Notebook di Amazon SageMaker Studio.

  • Cluster Ray yang sedang berjalan di namespace yang sama dengan pod spasi.

Hubungkan spasi ke cluster Ray dengan Amazon SageMaker Studio

Untuk melampirkan spasi ke cluster Ray

  1. Buka ruang Editor Kode JupyterLab atau yang Anda buat di bawah tab IDE dan Notebook di Studio, lalu pilih tab cluster Ray.

  2. Pilih Hubungkan.

  3. Pilih klaster yang ada dari pemilih, atau buat yang baru, lalu simpan.

Gunakan Ubah untuk mengarahkan ruang ke cluster yang berbeda, dan Putuskan sambungan untuk melepaskannya.

penting

Menyimpan perubahan koneksi akan memulai ulang pod spasi. Simpan pekerjaan yang belum disimpan terlebih dahulu.

Hubungkan spasi ke cluster Ray dengan kubectl

Anda juga dapat menambal Workspace sumber daya ruang dengan kubectl alih-alih menggunakan Studio. Template integrasi Ray tinggal di jupyter-k8s-system namespace, dan Anda meneruskan nama cluster Ray sebagai parameter.

Ganti nilai berikut di kedua perintah:

Placeholder Ganti dengan
my-workspace Nama sumber Workspace daya ruang.
my-namespace Namespace yang menampung ruang dan cluster Ray.
my-cluster Nama yang akan RayCluster dilampirkan.

Pergi ray-integration dan jupyter-k8s-system apa adanya. Mereka mengidentifikasi template integrasi yang diinstal add-on.

kubectl patch workspace my-workspace -n my-namespace --type=merge -p '{
  "spec": {
    "integrationTemplateRefs": [
      {
        "name": "ray-integration",
        "namespace": "jupyter-k8s-system",
        "parameters": [
          { "name": "rayClusterName", "value": "my-cluster" }
        ]
      }
    ]
  }
}'

Untuk melepaskan ruang dari klasternya, kosongkan referensi integrasi.

kubectl patch workspace my-workspace -n my-namespace --type=merge -p '{"spec":{"integrationTemplateRefs":[]}}'

Verifikasi

Setelah Anda menghubungkan ruang, ray.init() dan ray job submit mencapai cluster terlampir secara default. Buka terminal atau notebook di ruang dan jalankanray.init(). Konfirmasikan bahwa itu terhubung ke cluster.

Kompatibilitas versi

Gambar Distribusi SageMaker AI ruang angkasa membawa versi Ray sendiri, dan itu harus cocok dengan clusterspec.rayVersion. Jika versi berbeda, Studio menampilkan peringatan dan menawarkan untuk membuat klaster yang kompatibel sebagai gantinya.

Versi Python juga harus cocok, termasuk versi patch. Spasi yang menjalankan Python 3.11.9 dan cluster yang menjalankan Python 3.11.4 tidak kompatibel.

Ketidakcocokan versi muncul sebagai kesalahan selama pengembangan. Untuk pengalaman yang lebih sederhana, Anda dapat memilih gambar Distribusi SageMaker AI yang sama untuk cluster Ray dan Space Image untuk memastikan kompatibilitas.