View a markdown version of this page

Anexando o cluster Ray ao espaço - SageMaker IA da Amazon
Pré-requisitosConecte um espaço a um cluster Ray com o Amazon SageMaker StudioConecte um espaço a um cluster Ray com kubectlVerificarCompatibilidade da versão

As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

Anexando o cluster Ray ao espaço

Anexar um cluster Ray a um espaço aponta sua sessão do IDE ou do notebook para esse cluster, então ray.init() se conecta a ele. Dentro do espaço, o cluster pode ser acessado na porta 8265 para desenvolvimento interativo, a mesma porta que um cluster Ray local usa. Você tem a experiência de executar o Ray em um laptop, com computação em escala de nuvem por trás disso.

Você gerencia a conexão a partir da guia Ray cluster dentro do espaço.

Pré-requisitos

  • (Opcional) Amazon SageMaker Studio configurado para seu cluster. Para obter mais informações, consulte Configurando o Studio for Ray.

  • O complemento SageMaker Spaces está ativo. Para obter mais informações, consulte Configurando o complemento Spaces.

  • Um espaço JupyterLab ou editor de código, criado a partir da guia IDE e Notebooks no Amazon SageMaker Studio.

  • Um cluster Ray em execução no mesmo namespace dos pods espaciais.

Conecte um espaço a um cluster Ray com o Amazon SageMaker Studio

Para anexar um espaço a um cluster de Ray

  1. Abra o espaço JupyterLab ou o editor de código que você criou na guia IDE e Notebooks no Studio e, em seguida, escolha a guia Ray cluster.

  2. Selecione Conectar.

  3. Escolha um cluster existente no seletor ou crie um novo e salve.

Use Alterar para apontar o espaço para um cluster diferente e Desconectar para separá-lo.

Importante

Salvar uma alteração de conexão reinicia os pods espaciais. Salve primeiro o trabalho não salvo.

Conecte um espaço a um cluster Ray com kubectl

Você também pode corrigir o Workspace recurso do espaço kubectl em vez de usar o Studio. O modelo de integração do Ray reside no jupyter-k8s-system namespace e você passa o nome do cluster do Ray como parâmetro.

Substitua os seguintes valores em ambos os comandos:

Espaço reservado Substitua por
my-workspace O nome do Workspace recurso do espaço.
my-namespace O namespace que contém o espaço e o cluster Ray.
my-cluster O nome do RayCluster a ser anexado.

Saia ray-integration jupyter-k8s-system como estão. Eles identificam o modelo de integração que o complemento instala.

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" }
        ]
      }
    ]
  }
}'

Para separar o espaço do cluster, limpe as referências de integração.

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

Verificar

Depois de conectar o espaço ray.init() e ray job submit acessar o cluster conectado por padrão. Abra um terminal ou notebook no espaço e corraray.init(). Confirme se ele se conecta ao cluster.

Compatibilidade da versão

A imagem de distribuição de SageMaker IA do espaço carrega sua própria versão Ray e deve corresponder à do clusterspec.rayVersion. Quando as versões são diferentes, o Studio mostra um aviso e, em vez disso, oferece a criação de um cluster compatível.

A versão do Python também deve corresponder, incluindo a versão do patch. Um espaço executando o Python 3.11.9 e um cluster executando o Python 3.11.4 não são compatíveis.

Uma incompatibilidade de versão surge como erros durante o desenvolvimento. Para uma experiência mais simples, você pode escolher a mesma imagem do SageMaker AI Distribution para o cluster Ray e a Space Image para garantir a compatibilidade.