Configurazione di AI Platform Pipelines

Con AI Platform Pipelines, puoi orchestrare il tuo machine learning (ML) come pipeline riutilizzabili e riproducibili. Salvataggi di AI Platform Pipelines la difficoltà di configurare le pipeline di Kubeflow con TensorFlow Extended su Google Kubernetes Engine.

Questa guida descrive diverse opzioni per il deployment di AI Platform Pipelines con GKE. Puoi eseguire il deployment di pipeline Kubeflow un cluster GKE esistente o crearne uno nuovo cluster GKE. Se vuoi riutilizzare un modello esistente cluster GKE, assicurati che soddisfi i requisiti seguenti standard:

  • Il cluster deve avere almeno tre nodi. Ogni nodo deve avere almeno 2 CPU e 4 GB di memoria disponibili.
  • L'ambito di accesso del cluster deve concedere l'accesso completo a tutte le API Cloud. il cluster deve utilizzare un account di servizio personalizzato.
  • Nel cluster non deve essere già installato Kubeflow Pipelines.

Seleziona l'opzione di implementazione migliore per la tua situazione:

Prima di iniziare

Prima di seguire questa guida, verifica che il tuo progetto Google Cloud sia corretto sia configurato e di disporre di autorizzazioni sufficienti per eseguire il deployment di AI Platform Pipelines.

  1. Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.

  2. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

    Go to project selector

  3. Make sure that billing is enabled for your Google Cloud project.

  4. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

    Go to project selector

  5. Make sure that billing is enabled for your Google Cloud project.

  6. Segui queste istruzioni per verificare se ti è stato concesso il ruoli necessari per eseguire il deployment di AI Platform Pipelines.

    1. Apri una sessione di Cloud Shell.

      Apri Cloud Shell

      Cloud Shell si apre in un frame nella parte inferiore della console Google Cloud.

    2. Devi avere il visualizzatore (roles/viewer) e Kubernetes Engine Ruoli amministratore (roles/container.admin) del progetto, o altri ruoli che includono le stesse autorizzazioni, ad esempio Proprietario (roles/owner) nel progetto, per eseguire il deployment e AI Platform Pipelines. Esegui questo comando in Cloud Shell per elencare le delle entità con i ruoli Visualizzatore e Amministratore Kubernetes Engine.

      gcloud projects get-iam-policy PROJECT_ID \
  --flatten="bindings[].members" --format="table(bindings.role, bindings.members)" \
  --filter="bindings.role:roles/container.admin OR bindings.role:roles/viewer"

      Sostituisci PROJECT_ID con l'ID del tuo progetto Google Cloud.

      Utilizza l'output di questo comando per verificare che il tuo account abbia i ruoli Visualizzatore e Amministratore di Kubernetes Engine.

    3. Se vuoi concedere al cluster un accesso granulare, devi anche dispone dell'amministratore dell'account di servizio (roles/iam.serviceAccountAdmin) ruolo nel progetto o altri ruoli che includono le stesse autorizzazioni come Editor (roles/editor) o Proprietario (roles/owner) per il progetto. Esegui l' questo comando in Cloud Shell per elencare le entità con Amministratore account di servizio. 

      gcloud projects get-iam-policy PROJECT_ID \
  --flatten="bindings[].members" --format="table(bindings.role, bindings.members)" \
  --filter="bindings.role:roles/iam.serviceAccountAdmin"

      Sostituisci PROJECT_ID con l'ID del tuo progetto Google Cloud.

      Utilizza l'output di questo comando per verificare che il tuo account abbia il ruolo Amministratore account di servizio.

    4. Se non ti sono stati concessi i ruoli richiesti, contatta il tuo amministratore del progetto Google Cloud per ulteriore assistenza.

      Scopri di più su la concessione dei ruoli Identity and Access Management.

Esegui il deployment di AI Platform Pipelines con accesso completo a Google Cloud

AI Platform Pipelines semplifica la configurazione e l'utilizzo di Kubeflow Pipelines la creazione di un cluster GKE e il deployment Pipeline di Kubeflow sul cluster. Quando AI Platform Pipelines crea un'istanza Cluster GKE per te, il cluster utilizza l'impostazione predefinita Account di servizio Compute Engine. Per fornire al cluster l'accesso completo le risorse e le API Google Cloud che hai abilitato nel tuo progetto, può concedere al cluster l'accesso https://www.googleapis.com/auth/cloud-platform ambito di accesso. Concessione dell'accesso in questo modo permette alle pipeline ML in esecuzione sul tuo cluster di accedere a Google Cloud quali AI Platform Training e AI Platform Prediction. Anche se questo semplifica la configurazione di AI Platform Pipelines, potrebbe concedere agli sviluppatori un accesso eccessivo alle risorse e alle API di Google Cloud.

Usa le seguenti istruzioni per eseguire il deployment di AI Platform Pipelines con accesso completo alle risorse e alle API di Google Cloud.

  1. Apri AI Platform Pipelines nella console Google Cloud.

    Vai ad AI Platform Pipelines

  2. Nella barra degli strumenti di AI Platform Pipelines, fai clic su Nuova istanza. Kubeflow Pipelines si apre in Google Cloud Marketplace.

  3. Fai clic su Configura. Si apre il modulo Deployment di pipeline Kubeflow.

  4. Se viene visualizzato il link Crea nuovo cluster, fai clic su Crea nuovo cluster. In caso contrario, vai al passaggio successivo.

  5. Seleziona la Zona del cluster in cui deve trovarsi il cluster. Per informazioni sulla scelta della zona da utilizzare, leggi le best practice per regione.

  6. Seleziona Consenti l'accesso alle seguenti API Cloud per concedere alle applicazioni in esecuzione nel cluster GKE l'accesso alle risorse Google Cloud. Selezionando questa casella, stanno concedendo al cluster l'accesso https://www.googleapis.com/auth/cloud-platform ambito di accesso. Questo l'ambito di accesso fornisce l'accesso completo alle risorse Google Cloud che hai abilitato nel tuo progetto. Concessione dell'accesso al cluster alle risorse Google Cloud in questo modo della creazione e gestione di un account di servizio o della creazione di un Secret Kubernetes.

  7. Fai clic su Crea cluster. Questo passaggio potrebbe richiedere diversi minuti.

  8. Gli spazi dei nomi vengono utilizzati per gestire le risorse in cluster. Se non prevedi di utilizzare spazi dei nomi nel tuo cluster, seleziona default nell'elenco a discesa Spazio dei nomi.

    Se prevedi di utilizzare spazi dei nomi nel tuo cluster GKE, Creare uno spazio dei nomi utilizzando l'elenco a discesa Spazio dei nomi. Per creare un spazio dei nomi:

    1. Seleziona Crea uno spazio dei nomi nell'elenco a discesa Spazio dei nomi. Viene visualizzata la casella Nuovo nome dello spazio dei nomi.
    2. Inserisci il nome dello spazio dei nomi in Nuovo nome dello spazio dei nomi.

    Per saperne di più sugli spazi dei nomi, leggi un post del blog sull'organizzazione Kubernetes con spazi dei nomi.

  9. Nella casella Nome istanza di app, inserisci un nome per Istanza Kubeflow Pipelines.

  10. Lo spazio di archiviazione gestito ti consente di archiviare i metadati e gli elementi della pipeline di ML utilizzando Cloud SQL e Cloud Storage, anziché su dischi permanenti Compute Engine. L'utilizzo di servizi gestiti per archiviare gli artefatti e i metadati della pipeline semplifica il backup e il ripristino dei dati del cluster. Per eseguire il deployment di pipeline Kubeflow con archiviazione gestita, seleziona Utilizza spazio di archiviazione gestito e fornisci le seguenti informazioni:

    • Bucket Cloud Storage per l'archiviazione degli artefatti: con lo spazio di archiviazione gestito, Kubeflow Pipelines archivia gli artefatti della pipeline in un bucket Cloud Storage. Specifica il nome del bucket su cui vuoi che vengano eseguite le pipeline Kubeflow e archiviare gli artefatti. Se il bucket specificato non esiste, il programma di deployment di Kubeflow Pipelines ne crea automaticamente uno per te nella regione us-central1.

      Scopri di più sulla creazione di un nuovo bucket.

    • Nome connessione istanza Cloud SQL: con l'archiviazione gestita, Kubeflow Pipelines archivia i metadati della pipeline in un database MySQL in Cloud SQL. Specifica il nome della connessione per Cloud SQL MySQL.

      Scopri di più sulla configurazione di Cloud SQL in esecuzione.

    • Nome utente database: specifica il nome utente del database per Pipeline Kubeflow da utilizzare per la connessione all'istanza MySQL. Attualmente, l'utente del database deve disporre dei privilegi MySQL ALL per eseguire il deployment di Kubeflow Pipelines con lo spazio di archiviazione gestito. Se lasci vuoto questo campo, Per impostazione predefinita, questo valore è root.

      Scopri di più sugli utenti MySQL.

    • Password database: specifica la password del database per Pipeline Kubeflow da utilizzare per la connessione all'istanza MySQL. Se lasci vuoto questo campo, Kubeflow Pipelines si connette al database senza fornire una password, il che non va a buon fine se è obbligatoria una password per il nome utente specificato.

    • Prefisso nome database: specifica il prefisso del nome del database. Il prefisso deve iniziare con una lettera e contenere solo lettere minuscole, numeri e trattini bassi.

      Durante il processo di deployment, Kubeflow Pipelines crea due database, "DATABASE_NAME_PREFIX_pipeline" e "DATABASE_NAME_PREFIX_metadata". Se i database con questi esistenti nella tua istanza MySQL, Kubeflow Pipelines riutilizza i database esistenti. Se questo valore non viene specificato, Nome istanza app viene utilizzato come prefisso del nome del database.

  11. Fai clic su Esegui il deployment. Questo passaggio potrebbe richiedere diversi minuti.

  12. Per accedere alla dashboard delle pipeline, apri AI Platform Pipelines nella console Google Cloud.

    Vai ad AI Platform Pipelines

    Poi, fai clic su Apri la dashboard delle pipeline per la tua istanza AI Platform Pipelines.

Esegui il deployment di AI Platform Pipelines con accesso granulare a Google Cloud

Le pipeline ML accedono alle risorse Google Cloud utilizzando l'account di servizio all'ambito di accesso del pool di nodi del cluster GKE. Attualmente, per limitare l'accesso del cluster a specifiche risorse Google Cloud, devi eseguire il deployment di AI Platform Pipelines su un cluster GKE utilizza un account di servizio gestito dall'utente.

Utilizza le istruzioni nelle sezioni seguenti per creare e configurare un crea un cluster GKE utilizzando il tuo servizio ed eseguire il deployment di Kubeflow Pipelines cluster GKE.

Crea un account di servizio per il cluster GKE

Segui le istruzioni riportate di seguito per configurare un account di servizio per il tuo cluster GKE.

  1. Apri una sessione di Cloud Shell.

    Apri Cloud Shell

    Cloud Shell si apre in un frame nella parte inferiore della console Google Cloud.

  2. Esegui questi comandi in Cloud Shell per creare il tuo servizio e concedergli l'accesso sufficiente per eseguire AI Platform Pipelines. Scopri di più sui ruoli necessari per eseguire AI Platform Pipelines con un account di servizio gestito dall'utente.

    export PROJECT=PROJECT_ID
export SERVICE_ACCOUNT=SERVICE_ACCOUNT_NAME
gcloud iam service-accounts create $SERVICE_ACCOUNT \
  --display-name=$SERVICE_ACCOUNT \
  --project=$PROJECT
gcloud projects add-iam-policy-binding $PROJECT \
  --member="serviceAccount:$SERVICE_ACCOUNT@$PROJECT.iam.gserviceaccount.com" \
  --role=roles/logging.logWriter
gcloud projects add-iam-policy-binding $PROJECT \
  --member="serviceAccount:$SERVICE_ACCOUNT@$PROJECT.iam.gserviceaccount.com" \
  --role=roles/monitoring.metricWriter
gcloud projects add-iam-policy-binding $PROJECT \
  --member="serviceAccount:$SERVICE_ACCOUNT@$PROJECT.iam.gserviceaccount.com" \
  --role=roles/monitoring.viewer
gcloud projects add-iam-policy-binding $PROJECT \
  --member="serviceAccount:$SERVICE_ACCOUNT@$PROJECT.iam.gserviceaccount.com" \
  --role=roles/storage.objectViewer

    Sostituisci quanto segue:

    • SERVICE_ACCOUNT_NAME: il nome dell'account di servizio da creare.
    • PROJECT_ID: il progetto Google Cloud a cui appartiene l'account di servizio in cui è stato creato.

  3. Concedi al tuo account di servizio l'accesso a qualsiasi risorsa o API Google Cloud richieste dalle tue pipeline di ML. Scopri di più su Identity and Access Management ruoli e gestione degli account di servizio.

  4. Concedi al tuo account utente l'utente account di servizio (iam.serviceAccountUser) per il tuo account di servizio.

    gcloud iam service-accounts add-iam-policy-binding \
  "SERVICE_ACCOUNT_NAME@PROJECT_ID.iam.gserviceaccount.com" \
  --member=user:USERNAME \
  --role=roles/iam.serviceAccountUser

    Sostituisci quanto segue:

    • SERVICE_ACCOUNT_NAME: il nome del tuo account di servizio.
    • PROJECT_ID: il tuo progetto Google Cloud.
    • USERNAME: il tuo nome utente su Google Cloud.

Configura il tuo cluster GKE

Utilizza le seguenti istruzioni per configurare il tuo cluster GKE.

  1. Apri Google Kubernetes Engine nella console Google Cloud.

    Apri Google Kubernetes Engine

  2. Fai clic sul pulsante Crea cluster. Si apre il modulo Impostazioni di base del cluster.

  3. Inserisci il nome del cluster.

  4. Per Tipo di località, seleziona A livello di zona, quindi seleziona la zona che preferisci per il tuo cluster. Per decidere quale zona utilizzare, consulta le best practice per la selezione della regione.

  5. Nel riquadro di navigazione, in Pool di nodi, fai clic su default-pool. Viene visualizzato il modulo Dettagli del pool di nodi.

  6. Inserisci il Numero di nodi da creare nel cluster. Il tuo cluster deve avere 3 o più nodi per eseguire il deployment di AI Platform Pipelines. Devi avere quota di risorse disponibile per i nodi e i rispettivi di risorse (come le route del firewall).

  7. Nel riquadro di navigazione, in Pool di nodi, fai clic su Nodi. Si apre il modulo Nodi.

  8. Scegli la configurazione della macchina predefinita da utilizzare per le istanze. Devi selezionare un tipo di macchina con almeno 2 CPU e 4 GB di memoria, ad esempio n1-standard-2, per il deployment e AI Platform Pipelines. Ogni tipo di macchina viene fatturato in modo diverso. Per macchina informazioni sui prezzi del tipo di macchina, fai riferimento al prezzo del tipo di macchina di testo.

  9. Nel riquadro di navigazione, in Pool di nodi, fai clic su Sicurezza. Viene visualizzato il modulo Sicurezza dei nodi.

  10. Dall'elenco a discesa Account di servizio, seleziona l'account di servizio creato in precedenza in questa guida.

  11. In caso contrario, configura il cluster GKE come preferisci. Scopri di più sulla creazione di un cluster GKE.

  12. Fai clic su Crea.

Installare Kubeflow Pipelines sul cluster GKE

Usa le istruzioni riportate di seguito per configurare le pipeline Kubeflow su una cluster GKE.

  1. Apri AI Platform Pipelines nella console Google Cloud.

    Vai ad AI Platform Pipelines

  2. Nella barra degli strumenti di AI Platform Pipelines, fai clic su Nuova istanza. Kubeflow Pipelines si apre in Google Cloud Marketplace.

  3. Fai clic su Configura. Si apre il modulo Deployment di pipeline Kubeflow.

  4. Nell'elenco a discesa Cluster, seleziona il cluster che hai creato in passaggio precedente. Se il cluster che vuoi utilizzare non è idoneo per il deployment, verificare che il cluster soddisfi i requisiti per il deployment Pipeline di Kubeflow.

  5. Gli spazi dei nomi vengono utilizzati per gestire le risorse in cluster. Se non prevedi di utilizzare spazi dei nomi nel tuo cluster, seleziona default nell'elenco a discesa Spazio dei nomi.

    Se prevedi di utilizzare spazi dei nomi nel tuo cluster GKE, Creare uno spazio dei nomi utilizzando l'elenco a discesa Spazio dei nomi. Per creare un spazio dei nomi:

    1. Seleziona Crea uno spazio dei nomi nell'elenco a discesa Spazio dei nomi. Viene visualizzata la casella Nuovo nome dello spazio dei nomi.
    2. Inserisci il nome dello spazio dei nomi in Nuovo nome dello spazio dei nomi.

    Per saperne di più sugli spazi dei nomi, leggi un post del blog sull'organizzazione di Kubernetes con gli spazi dei nomi.

  6. Nella casella Nome istanza di app, inserisci un nome per Istanza Kubeflow Pipelines.

  7. Lo spazio di archiviazione gestito ti consente di archiviare i metadati e gli elementi della pipeline di ML utilizzando Cloud SQL e Cloud Storage, anziché su dischi permanenti Compute Engine. L'utilizzo di servizi gestiti per archiviare gli artefatti e i metadati della pipeline semplifica il backup e il ripristino dei dati del cluster. Per eseguire il deployment di pipeline Kubeflow con archiviazione gestita, seleziona Utilizza spazio di archiviazione gestito e fornisci le seguenti informazioni:

    • Bucket Cloud Storage di artefatti di archiviazione: con l'archiviazione gestita, Kubeflow Pipelines archivia gli artefatti della pipeline in un Cloud Storage di sincronizzare la directory di una VM con un bucket. Specifica il nome del bucket su cui vuoi che vengano eseguite le pipeline Kubeflow e archiviare gli artefatti. Se il bucket specificato non esiste, Il deploymenter Kubeflow Pipelines crea automaticamente un bucket regione us-central1.

      Scopri di più sulla creazione di un nuovo bucket.

    • Nome connessione istanza Cloud SQL: con l'archiviazione gestita, Kubeflow Pipelines archivia i metadati della pipeline in un database MySQL in Cloud SQL. Specifica il nome della connessione per Cloud SQL MySQL.

      Scopri di più sulla configurazione di Cloud SQL in esecuzione.

    • Nome utente database: specifica il nome utente del database per Pipeline Kubeflow da utilizzare per la connessione all'istanza MySQL. Attualmente, l'utente del database deve disporre di ALL privilegi MySQL per eseguire il deployment Pipeline di Kubeflow con archiviazione gestita. Se lasci vuoto questo campo, Per impostazione predefinita, questo valore è root.

      Scopri di più sugli utenti MySQL.

    • Password del database: specifica la password del database da utilizzare per Kubeflow Pipelines quando ti connetti all'istanza MySQL. Se lasci vuoto questo campo, Kubeflow Pipelines si connette al tuo senza fornire una password, operazione che non va a buon fine se viene impostata una password obbligatorio per il nome utente specificato.

    • Prefisso nome database: specifica il prefisso del nome del database. Il prefisso deve iniziare con una lettera e contenere solo lettere minuscole, numeri e trattini bassi.

      Durante il processo di deployment, Kubeflow Pipelines crea due database, "DATABASE_NAME_PREFIX_pipeline" e "DATABASE_NAME_PREFIX_metadata". Se i database con questi esistenti nella tua istanza MySQL, Kubeflow Pipelines riutilizza i database esistenti. Se questo valore non viene specificato, Nome istanza app viene utilizzato come prefisso del nome del database.

  8. Fai clic su Esegui il deployment. Questo passaggio potrebbe richiedere diversi minuti.

  9. Per accedere alla dashboard delle pipeline, apri AI Platform Pipelines nella nella console Google Cloud.

    Vai ad AI Platform Pipelines

    Quindi, fai clic su Apri dashboard pipeline per AI Platform Pipelines. in esecuzione in un'istanza Compute Engine.

Eseguire il deployment di AI Platform Pipelines in un cluster GKE esistente

Per utilizzare Google Cloud Marketplace per eseguire il deployment di pipeline Kubeflow su una nel cluster GKE, quanto segue deve essere vero:

  • Il cluster deve avere almeno tre nodi. Ogni nodo deve avere almeno 2 CPU e 4 GB di memoria disponibili.
  • L'ambito di accesso del cluster deve concedere l'accesso completo a tutte le API Cloud. il cluster deve utilizzare un account di servizio personalizzato.
  • Nel cluster non deve essere già installato Kubeflow Pipelines.

Scopri di più sulla configurazione di un cluster GKE AI Platform Pipelines.

Usa le istruzioni riportate di seguito per configurare le pipeline Kubeflow su una cluster GKE.

  1. Apri AI Platform Pipelines nella console Google Cloud.

    Vai ad AI Platform Pipelines

  2. Nella barra degli strumenti di AI Platform Pipelines, fai clic su Nuova istanza. Kubeflow Pipelines si apre in Google Cloud Marketplace.

  3. Fai clic su Configura. Si apre il modulo Esegui il deployment di Kubeflow Pipelines.

  4. Nell'elenco a discesa Cluster, seleziona il cluster. Se il cluster che vuoi utilizzare non è idoneo per il deployment, verifica che soddisfi i requisiti per il deployment di Kubeflow Pipelines.

  5. Gli spazi dei nomi vengono utilizzati per gestire le risorse in cluster. Se il tuo cluster non utilizza spazi dei nomi, seleziona default in nell'elenco a discesa Spazio dei nomi.

    Se il cluster utilizza spazi dei nomi, selezionane uno esistente oppure Creare uno spazio dei nomi utilizzando l'elenco a discesa Spazio dei nomi. Per creare un spazio dei nomi:

    1. Seleziona Crea uno spazio dei nomi nell'elenco a discesa Spazio dei nomi. Viene visualizzata la casella Nuovo nome dello spazio dei nomi.
    2. Inserisci il nome dello spazio dei nomi in Nuovo nome dello spazio dei nomi.

    Per saperne di più sugli spazi dei nomi, leggi un post del blog sull'organizzazione Kubernetes con spazi dei nomi.

  6. Nella casella Nome istanza di app, inserisci un nome per Istanza Kubeflow Pipelines.

  7. Lo spazio di archiviazione gestito ti consente di archiviare i metadati e gli elementi della pipeline di ML utilizzando Cloud SQL e Cloud Storage, anziché su dischi permanenti Compute Engine. L'utilizzo di servizi gestiti per archiviare gli artefatti e i metadati della pipeline semplifica il backup e il ripristino dei dati del cluster. Per eseguire il deployment di pipeline Kubeflow con archiviazione gestita, seleziona Utilizza spazio di archiviazione gestito e fornisci le seguenti informazioni:

    • Bucket Cloud Storage di artefatti di archiviazione: con l'archiviazione gestita, Kubeflow Pipelines archivia gli artefatti della pipeline in un Cloud Storage di sincronizzare la directory di una VM con un bucket. Specifica il nome del bucket su cui vuoi che vengano eseguite le pipeline Kubeflow e archiviare gli artefatti. Se il bucket specificato non esiste, Il deploymenter Kubeflow Pipelines crea automaticamente un bucket regione us-central1.

      Scopri di più sulla creazione di un nuovo bucket.

    • Nome connessione istanza Cloud SQL: con l'archiviazione gestita, Kubeflow Pipelines archivia i metadati della pipeline in un database MySQL in Cloud SQL. Specifica il nome della connessione per Cloud SQL MySQL.

      Scopri di più sulla configurazione di Cloud SQL in esecuzione.

    • Nome utente database: specifica il nome utente del database per Pipeline Kubeflow da utilizzare per la connessione all'istanza MySQL. Attualmente, l'utente del database deve disporre di ALL privilegi MySQL per eseguire il deployment Pipeline di Kubeflow con archiviazione gestita. Se lasci vuoto questo campo, Per impostazione predefinita, questo valore è root.

      Scopri di più sugli utenti MySQL.

    • Password del database: specifica la password del database da utilizzare per Kubeflow Pipelines quando ti connetti all'istanza MySQL. Se lasci vuoto questo campo, Kubeflow Pipelines si connette al tuo senza fornire una password, operazione che non va a buon fine se viene impostata una password obbligatorio per il nome utente specificato.

    • Prefisso nome database: specifica il prefisso del nome del database. Il prefisso deve iniziare con una lettera e contenere solo lettere minuscole, numeri e trattini bassi.

      Durante il processo di deployment, Kubeflow Pipelines crea due database, "DATABASE_NAME_PREFIX_pipeline" e "DATABASE_NAME_PREFIX_metadata". Se i database con questi esistenti nella tua istanza MySQL, Kubeflow Pipelines riutilizza i database esistenti. Se questo valore non viene specificato, Nome istanza app viene utilizzato come prefisso del nome del database.

  8. Fai clic su Esegui il deployment. Questo passaggio potrebbe richiedere diversi minuti.

  9. Per accedere alla dashboard delle pipeline, apri AI Platform Pipelines nella nella console Google Cloud.

    Vai ad AI Platform Pipelines

    Poi, fai clic su Apri la dashboard delle pipeline per la tua istanza AI Platform Pipelines.

Passaggi successivi