Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà. # HyperPod schede in Studio In Amazon SageMaker Studio puoi accedere a uno dei tuoi cluster in **HyperPodcluster** (in **Compute**) e visualizzare l'elenco dei cluster. I cluster visualizzati contengono informazioni come attività, metriche hardware, impostazioni e dettagli sui metadati. Questa visibilità può aiutare il team a identificare il candidato giusto per i carichi di lavoro di preaddestramento o di fine-tuning. Nelle sezioni seguenti vengono approfonditi i vari tipi di informazioni. ## Processi Amazon SageMaker HyperPod fornisce una visualizzazione delle attività del cluster. Le attività sono operazioni o processi che vengono inviati al cluster. Queste possono essere operazioni di machine learning, come addestramento, esecuzione di esperimenti o inferenza. La sezione seguente fornisce informazioni sulle attività HyperPod del cluster. In Amazon SageMaker Studio, puoi accedere a uno dei tuoi cluster nei **HyperPodcluster** (in **Compute**) e visualizzare le informazioni sulle **attività** sul tuo cluster. Se riscontri problemi con la visualizzazione delle attività, consulta [Risoluzione dei problemi](sagemaker-hyperpod-studio-troubleshoot.md). La tabella delle attività include: ------ #### [ For Slurm clusters ] Per i cluster Slurm, le attività attualmente presenti nella coda dello scheduler dei processi Slurm sono mostrate nella tabella. Le informazioni mostrate per ogni attività includono il nome dell’attività, lo stato, l’ID del processo, la partizione, il runtime, i nodi, l’autore e le azioni. Per un elenco e dettagli sui lavori precedenti, usa il [https://slurm.schedmd.com/sacct.html](https://slurm.schedmd.com/sacct.html)comando in JupyterLab o un terminale Code Editor. Il comando `sacct` viene utilizzato per visualizzare *informazioni cronologiche* sui processi *terminati* o *completati* nel sistema. Fornisce informazioni sull’accounting, incluso l’utilizzo delle risorse del processo come la memoria e lo stato di uscita. Per impostazione predefinita, tutti gli utenti di Studio possono visualizzare, gestire e interagire con tutte le attività Slurm disponibili. Per limitare le attività visibili agli utenti di Studio, consulta [Limitazione della visualizzazione delle attività nei cluster Studio per Slurm](sagemaker-hyperpod-studio-setup-slurm.md#sagemaker-hyperpod-studio-setup-slurm-restrict-tasks-view). ------ #### [ For Amazon EKS clusters ] Per i cluster Amazon EKS, le attività kubeflow (PyTorch, MPI, TensorFlow) sono mostrate nella tabella. PyTorch le attività sono mostrate per impostazione predefinita. È possibile ordinare per PyTorch, MPI e TensorFlow in **Tipo di attività**. Le informazioni mostrate per ogni attività includono il nome dell’attività, lo stato, il namespace, la classe di priorità e l’ora di creazione. Per impostazione predefinita, tutti gli utenti possono visualizzare i processi in tutti i namespace. Per limitare i namespace Kubernetes visualizzabili dagli utenti di Studio, consulta [Limitazione della visualizzazione delle attività in Studio per i cluster EKS](sagemaker-hyperpod-studio-setup-eks.md#sagemaker-hyperpod-studio-setup-eks-restrict-tasks-view). Se un utente non visualizza alcuna attività e riceve un messaggio che chiede di fornire un namespace, deve ottenere tali informazioni dall’amministratore. ------ ## Metriche Amazon SageMaker HyperPod fornisce una visualizzazione delle metriche di utilizzo del cluster Slurm o Amazon EKS. Di seguito vengono fornite informazioni sui parametri del cluster. HyperPod Devi installare il componente aggiuntivo Amazon EKS per visualizzare le seguenti metriche. Per ulteriori informazioni, consulta [Installare il componente aggiuntivo Amazon CloudWatch Observability EKS](https://docs.aws.amazon.com/AmazonCloudWatch/latest/monitoring/Container-Insights-setup-EKS-addon.html). In Amazon SageMaker Studio, puoi accedere a uno dei tuoi cluster all'interno dei **HyperPodcluster** (in **Compute**) e visualizzare i dettagli delle **metriche** sul tuo cluster. In Metriche puoi ottenere una visione completa delle metriche di utilizzo dei cluster, ad esempio quelle relative all’hardware, al team e alle attività. Sono inclusi la disponibilità e l’utilizzo delle risorse di calcolo, l’allocazione e l’utilizzo del team e le informazioni sull’esecuzione delle attività e sui tempi di attesa. ## Settings Amazon SageMaker HyperPod fornisce una visualizzazione delle impostazioni del cluster. Di seguito vengono fornite informazioni sulle impostazioni del HyperPod cluster. In Amazon SageMaker Studio puoi accedere a uno dei tuoi cluster all'interno dei **HyperPodcluster** (in **Compute**) e visualizzare **le informazioni sulle impostazioni** del cluster. Vengono fornite le informazioni seguenti: + Dettagli sulle **istanze**, tra cui ID dell’istanza, stato, tipo di istanza e gruppo di istanze + Dettagli sui **gruppi di istanze**, tra cui nome, tipo, conteggi e informazioni sulle risorse di calcolo + Dettagli sull’**orchestrazione**, inclusi l’orchestratore, la versione e l’autorità di certificazione + Dettagli sulla **resilienza del cluster** + Dettagli sulla **sicurezza**, ad esempio relativi a sottoreti e gruppi di sicurezza ## IDE e notebook Amazon SageMaker HyperPod fornisce una visualizzazione degli spazi di sviluppo in esecuzione sul tuo cluster. Gli spazi sono ambienti autonomi per l'esecuzione JupyterLab degli IDE di Code Editor direttamente sul cluster HyperPod EKS. È possibile creare, configurare, avviare, interrompere e aprire spazi direttamente da Studio. In Amazon SageMaker Studio, accedi a uno dei tuoi cluster in **HyperPodcluster** (in **Compute**) e scegli la scheda **IDE e Notebooks**. Le funzionalità principali disponibili tramite Studio includono: + Crea spazi con impostazioni configurabili di elaborazione, archiviazione e immagine tramite un modulo guidato. + Visualizza tutti gli spazi in una tabella ricercabile che mostra nome, tipo di applicazione, stato, tipo di accesso, storage, GPU e allocazioni vCPU. + Avvia e interrompi gli spazi con un solo clic per gestire i costi di elaborazione. + Apri gli spazi direttamente nel browser (JupyterLab o nell'editor di codice) o connettiti tramite un IDE remoto. Per ulteriori informazioni, consulta [Accesso remoto a SageMaker Spaces](vscode-access.md). + Elimina gli spazi che non sono più necessari. + Seleziona i namespace per organizzare gli spazi per team con quote di risorse e impostazioni di governance. + Applica modelli per configurazioni di spazio coerenti tra i team. Per informazioni sulla creazione di un dominio, consulta [Guida alla configurazione con Amazon SageMaker AI](gs.md). ### Prerequisiti + Installa il HyperPod componente aggiuntivo sul tuo cluster. Per ulteriori informazioni, consulta [Installa SageMaker AI Spaces Add-on](operator-install.md). + Configura il cluster per l'utilizzo in Studio. Per ulteriori informazioni, consulta [Configurazione di un cluster Amazon EKS in Studio](sagemaker-hyperpod-studio-setup-eks.md). + Per abilitare gli spazi privati tra utenti con lo stesso ruolo di esecuzione, devi assicurarti che il `ExecutionRoleSessionNameMode` flag sia impostato su`USER_IDENTITY`. Con la funzionalità HyperPod Spaces, il nome utente utilizzato all'interno dello spazio viene automaticamente derivato dal contesto di autenticazione di Studio, consentendo agli utenti di avere un'identità coerente tra Studio e HyperPod Spaces senza richiedere accessi aggiuntivi. Per i domini Studio configurati in modalità di autenticazione IAM, il nome utente di Spaces deriva dal nome della sessione del ruolo IAM. Corrisponde alla sessione IAM utilizzata per avviare Studio, tramite la console di AWS gestione o tramite un URL Studio predefinito. Per i domini Studio configurati in modalità di autenticazione IAM Identity Center, il nome utente Spaces è il nome utente IAM Identity Center autenticato e igienizzato. È impostato di default per i nuovi domini e può essere sovrascritto per i domini più vecchi. Questa impostazione può anche essere sostituita per ogni profilo utente. Per ulteriori informazioni, consulta [Ruolo di esecuzione, nome della sessione, modalità](execution-roles-and-spaces.md#sagemaker-execution-role-session-name). ### Come funziona Una volta installato il componente aggiuntivo e configurato l'accesso, accedi al HyperPod cluster in Studio e seleziona la scheda **IDE e Notebook** per visualizzare l'interfaccia di gestione degli spazi. #### Creazione di uno spazio **Per creare un nuovo spazio, scegli Crea spazio.** Il modulo di creazione consente di configurare quanto segue: + **Namespace**: seleziona lo spazio dei nomi del team con quote di risorse e impostazioni di governance. Ciò determina l'allocazione di elaborazione disponibile. + **Impostazioni dello spazio:** + **Modello: seleziona un modello** preconfigurato (ad esempio, JupyterLab o Code Editor) per applicare le impostazioni predefinite. + **Elaborazione**: scegli tra configurazioni GPU e CPU con controllo granulare su GPU, vCPU e memoria. + **Partizione GPU**: se la GPU frazionata è abilitata, puoi scegliere una partizione da utilizzare per il tuo spazio di lavoro. + **Immagine**: seleziona tra le immagini del contenitore disponibili o le immagini personalizzate configurate dall'amministratore. + **Archiviazione dello spazio EBS**: configura l'archiviazione persistente per i tuoi notebook e i tuoi dati. + **Governance delle attività**: se abilitati per il namespace, gli spazi si integrano con la governance delle HyperPod attività per la gestione delle risorse e la pianificazione delle priorità. Per ulteriori informazioni, consulta [Gestione delle attività per Interactive Spaces su HyperPod](task-governance.md). #### Gestione degli spazi La tabella degli spazi offre una visualizzazione consolidata di tutti gli ambienti, inclusi lo stato e l'allocazione delle risorse. Dalla colonna **Azioni**, puoi: + Interrompi uno spazio in esecuzione per liberare risorse di calcolo preservando al contempo i dati sullo storage EBS. + Apri lo spazio nel browser per avviare l'interfaccia web JupyterLab o Code Editor. + Connect tramite un IDE remoto. Per ulteriori informazioni, consulta [Accesso remoto a SageMaker Spaces](vscode-access.md). #### Connessione al tuo spazio Spaces supporta due metodi di connessione: **Accesso all'interfaccia utente Web** Scegli **Apri** dalla tabella degli spazi per avviare l'IDE direttamente nel tuo browser. Questo apre un'interfaccia completamente funzionante JupyterLab o Code Editor ospitata nel HyperPod cluster. Non è richiesta alcuna installazione locale di software oltre a un browser Web. È ideale per iterazioni rapide, esplorazione basata su notebook e lavoro collaborativo. Per abilitare l'accesso all'interfaccia utente Web sul cluster, vedere. [Accesso tramite browser Web](browser-access.md) **Connessione IDE remota** Scegli **Apri in IDE remoto** dalla tabella degli spazi per connettere l'IDE locale allo spazio su cui è in esecuzione HyperPod. Ciò fornisce una connessione sicura senza la necessità di gestire le chiavi SSH o esporre la porta 22. Ottieni tutta la potenza del tuo ambiente di sviluppo locale eseguendo codice su HyperPod cluster computing. Per ulteriori informazioni, consulta [Accesso remoto a SageMaker Spaces](vscode-access.md). ## Informazioni Amazon SageMaker HyperPod fornisce una visualizzazione dei dettagli dei metadati del cluster. Il paragrafo seguente fornisce informazioni su come ottenere i dettagli HyperPod del cluster. In Amazon SageMaker Studio, puoi accedere a uno dei tuoi cluster all'interno dei **HyperPodcluster** (in **Compute**) e visualizzare **i dettagli** sul tuo cluster. Questi includono tag, log e metadati.