Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Mengelola beban kerja Ray dengan Studio
Amazon SageMaker Studio mengelola beban kerja Ray dari antarmuka web. Buka klaster Anda di HyperPod konsol, lalu pilih tab Tugas. Tab mencantumkan sumber daya Ray di ruang nama yang dapat Anda akses, dan filter tipe Tugas beralih antaraRayCluster,, RayJobRayCronJob, dan. RayService
Studio membaca dan menulis sumber daya KubeRay kustom yang sama dengan yang direkonsiliasi operator. Sumber daya yang Anda buat di Studio identik dengan yang Anda terapkankubectl. Anda dapat bergerak di antara dua permukaan pada beban kerja yang sama.
Sebelum ada yang menggunakan tab Tugas, konfigurasikan domain SageMaker AI dan berikan akses ke cluster Anda. Untuk informasi selengkapnya, lihat Menyiapkan Studio untuk Ray.
Membuat kluster
Pilih Create Ray cluster dan lengkapi formulir atau tempelkan RayCluster manifes ke tampilan YAMB. Formulir mencakup bidang umum. Tampilan YAMB menerima bidang apa pun yang didukung KubeRay operator. Gunakan saat Anda membutuhkan bidang yang tidak diekspos formulir.
Pemilih namespace dalam formulir menunjukkan alokasi komputasi dan pemanfaatan saat ini untuk setiap namespace yang dapat Anda akses. Gunakan untuk mengukur cluster terhadap kapasitas yang sebenarnya gratis sebelum Anda mengirimkan, alih-alih mencari tahu setelah itu bahwa cluster sedang menunggu kuota. Ini paling penting dalam namespace yang dikelola HyperPod Task Governance, di mana klaster tidak diterima sampai kuota ada untuk ukuran penuh yang dideklarasikan. Untuk informasi selengkapnya, lihat Kuota dan perilaku penjadwalan untuk beban kerja Ray.
Pasang spasi ke cluster saat Anda ingin mengembangkannya secara interaktif. Spasi adalah lingkungan Editor Kode JupyterLab atau di Amazon SageMaker Studio. Kode yang Anda jalankan di sana, di notebook atau terminal, mencapai cluster melaluiray.init().
Sebuah ruang membawa versi Ray sendiri, dari gambar Distribusi SageMaker AI yang dijalankannya. Cocokkan versi itu dengan versi Ray dari cluster. Ketidakcocokan menghasilkan kesalahan runtime yang sulit didiagnosis. Untuk informasi selengkapnya, lihat Memasang cluster Ray ke Luar Angkasa.
Tindakan pada cluster
Pilih Tindakan pada baris untuk menindaklanjuti sumber daya tersebut tanpa meninggalkan Studio.
| Tindakan | Apa yang dilakukannya |
|---|---|
| Pengembangan interaktif | Membuka ruang Editor JupyterLab atau Kode yang melekat pada cluster, jadi ray.init() di ruang itu terhubung dengannya. Membutuhkan add-on SageMaker AI Spaces. Untuk informasi selengkapnya, lihat Memasang cluster Ray ke Luar Angkasa. |
| Kirim pekerjaan | Mengirimkan pekerjaan ke cluster yang sedang berjalan. |
| Buka Dasbor Ray | Membuka Dasbor Ray untuk cluster. Membutuhkan Operator Ray Endpoint. Untuk informasi selengkapnya, lihat Menginstal Operator HyperPod Ray Endpoint. |
| Buka Grafana | Membuka dasbor Grafana untuk cluster. Membutuhkan add-on observabilitas. Untuk informasi selengkapnya, lihat Menyiapkan koleksi metrik Ray. |
| Sunting kluster Ray | Mengubah klaster, termasuk jumlah replika pekerja. |
| Tangguhkan cluster Ray | Menghentikan pod klaster dan menyimpan sumber daya. Merilis komputasi. |
| Lanjutkan cluster Ray | Memulai ulang pod dari cluster yang ditangguhkan dengan konfigurasi yang ada. Tersedia saat cluster ditangguhkan. |
| Hapus cluster Ray | Menghapus cluster dan pod nya. |
Melihat detail dan acara
Pilih nama sumber daya untuk membukanya. Tab Events mencantumkan pod dari cluster Ray bersama dengan peristiwa Kubernetes mereka. Mulai dari sana ketika cluster tidak mencapai status berjalan. Ini juga membantu ketika pod restart secara tidak terduga, atau pekerjaan gagal karena alasan lognya tidak menjelaskan. Peristiwa menamai pod yang gagal dan alasannya, seperti kegagalan penarikan gambar atau kapasitas yang dapat dialokasikan tidak mencukupi. Untuk informasi selengkapnya, lihat Pemecahan Masalah Ray aktif HyperPod.
Untuk melihat pemanfaatan cluster, pilih Actions, lalu Open Grafana. Untuk perilaku kuota, prioritas, dan preemption di namespace yang dikelola HyperPod Task Governance, lihat. Kuota dan perilaku penjadwalan untuk beban kerja Ray
