Configurazione di AI Platform Pipelines

Mantieni tutto organizzato con le raccolte Salva e classifica i contenuti in base alle tue preferenze.

Con AI Platform Pipelines, puoi orchestrare i flussi di lavoro ML (ML) come pipeline riutilizzabili e riproducibili. AI Platform Pipelines semplifica la configurazione di Kubeflow Pipelines con TensorFlow Extended su Google Kubernetes Engine.

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

  • Il cluster deve avere almeno 3 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, oppure il cluster deve utilizzare un account di servizio personalizzato.
  • Nel cluster non devono essere già installate Kubeflow Pipelines.

Seleziona l'opzione di deployment più adatta alla tua situazione:

Prima di iniziare

Prima di seguire questa guida, controlla che il tuo progetto Google Cloud sia configurato correttamente e di avere le autorizzazioni sufficienti per eseguire il deployment di AI Platform Pipelines.

  1. Accedi al tuo account Google Cloud. Se non conosci Google Cloud, crea un account per valutare le prestazioni dei nostri prodotti in scenari reali. I nuovi clienti ricevono anche 300 $di crediti gratuiti per l'esecuzione, il test e il deployment dei carichi di lavoro.
  2. Nella pagina del selettore dei progetti in Google Cloud Console, seleziona o crea un progetto Google Cloud.

    Vai al selettore progetti

  3. Assicurati che la fatturazione sia attivata per il tuo progetto Cloud. Scopri come verificare se la fatturazione è abilitata su un progetto.

  4. Nella pagina del selettore dei progetti in Google Cloud Console, seleziona o crea un progetto Google Cloud.

    Vai al selettore progetti

  5. Assicurati che la fatturazione sia attivata per il tuo progetto Cloud. Scopri come verificare se la fatturazione è abilitata su un progetto.

  6. Utilizza le istruzioni seguenti per verificare se hai ricevuto i ruoli necessari per 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 di Google Cloud.

    2. Per eseguire il deployment di AI Platform Pipelines, devi disporre dei ruoli Visualizzatore (roles/viewer) e Amministratore di Kubernetes Engine (roles/container.admin) nel progetto o altri ruoli che includono le stesse autorizzazioni, come il ruolo Proprietario (roles/owner) nel progetto. Esegui il comando seguente in Cloud Shell per elencare le 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 disponga dei ruoli Visualizzatore e Amministratore di Kubernetes Engine.

    3. Se vuoi concedere al cluster l'accesso granulare, devi disporre anche del ruolo Amministratore account di servizio (roles/iam.serviceAccountAdmin) nel progetto o di altri ruoli che includono le stesse autorizzazioni, ad esempio il ruolo Editor (roles/editor) o Proprietario (roles/owner). Esegui il comando seguente in Cloud Shell per elencare le entità con il ruolo 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 hai ricevuto i ruoli richiesti, contatta l'amministratore del progetto Google Cloud per ricevere ulteriore assistenza.

      Scopri di più sulla concessione dei ruoli di 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 delle pipeline Kubeflow creando un cluster GKE per te ed eseguendo il deployment delle pipeline Kubeflow nel cluster. Quando AI Platform Pipelines crea un cluster GKE per te, questo cluster utilizza l'account di servizio predefinito di Compute Engine. Per fornire al tuo cluster l'accesso completo alle risorse e alle API di Google Cloud che hai abilitato nel tuo progetto, puoi concedere al tuo cluster l'accesso all'ambito di accesso di https://www.googleapis.com/auth/cloud-platform. La concessione dell'accesso in questo modo consente alle pipeline ML in esecuzione sul tuo cluster di accedere alle API Google Cloud, come AI Platform Training e AI Platform Prediction. Sebbene questo processo semplifichi la configurazione di AI Platform Pipelines, potrebbe concedere ai tuoi sviluppatori di pipeline un accesso eccessivo alle risorse e alle API di Google Cloud.

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

  1. Apri AI Platform Pipelines in Google Cloud Console.

    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 Deploy Kubeflow Pipelines.

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

  5. Seleziona la Zona del cluster in cui deve essere situato il cluster. Per assistenza sulla scelta della zona da utilizzare, consulta le best practice per la selezione dell'area geografica.

  6. Seleziona Consenti l'accesso alle seguenti API Cloud per concedere alle applicazioni eseguite sul tuo cluster GKE l'accesso alle risorse Google Cloud. Se selezioni questa casella, concedi al tuo cluster l'accesso all'ambito di accesso di https://www.googleapis.com/auth/cloud-platform. Questo ambito di accesso fornisce l'accesso completo alle risorse Google Cloud che hai abilitato nel tuo progetto. Concedere al tuo cluster l'accesso alle risorse Google Cloud in questo modo ti evita la fatica di creare e gestire un account di servizio o di creare 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 grandi cluster GKE. Se non prevedi di utilizzare gli spazi dei nomi nel tuo cluster, seleziona default nell'elenco a discesa Spazio dei nomi.

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

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

  9. Nella casella Nome istanza app, inserisci un nome per l'istanza Pipeline di Kubeflow.

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

    • Bucket Cloud Storage di archiviazione di artefatti: con l'archiviazione gestita, Kubeflow Pipelines archivia gli artefatti di pipeline in un bucket Cloud Storage. Specifica il nome del bucket in cui vuoi che le pipeline di Kubeflow archivino gli artefatti. Se il bucket specificato non esiste, il deployment delle pipeline Kubeflow crea automaticamente un bucket per te nell'area geografica us-central1.

      Scopri di più sulla creazione di un nuovo bucket.

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

      Scopri di più sulla configurazione dell'istanza Cloud SQL.

    • Nome utente del database: specifica il nome utente del database per le pipeline Kubeflow da utilizzare durante la connessione all'istanza MySQL. Attualmente, l'utente del database deve disporre dei privilegi di MySQL ALL per il deployment delle pipeline Kubeflow con l'archiviazione gestita. Se lasci questo campo vuoto, il valore predefinito è root.

      Scopri di più sugli utenti MySQL.

    • Password del database: specifica la password del database per le pipeline Kubeflow da utilizzare durante la connessione all'istanza MySQL. Se lasci vuoto questo campo, Kubeflow Pipelines si connette al tuo database senza fornire una password. Questa operazione non riuscirà, se è necessaria una password per il nome utente specificato.

    • Prefisso del nome del database: specifica il prefisso del nome del database. Il valore del 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 nell'istanza MySQL esistono database con questi nomi, Kubeflow Pipelines riutilizza i database esistenti. Se questo valore non è specificato, Nome istanza app viene utilizzato come prefisso del nome 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 in Google Cloud Console.

    Vai ad AI Platform Pipelines

    Fai clic su Apri dashboard delle pipeline per l'istanza di 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 e l'ambito di accesso del pool di nodi del cluster GKE. Attualmente, per limitare l'accesso del tuo cluster a risorse Google Cloud specifiche, devi eseguire il deployment di AI Platform Pipelines in un cluster GKE che utilizza un account di servizio gestito dall'utente.

Utilizza le istruzioni nelle sezioni seguenti per creare e configurare un account di servizio, creare un cluster GKE utilizzando il tuo account di servizio ed eseguire il deployment di pipeline Kubeflow nel 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 di Google Cloud.

  2. Esegui i comandi seguenti in Cloud Shell per creare l'account di servizio e concedergli un accesso sufficiente per eseguire le pipeline di AI Platform. Scopri di più sui ruoli richiesti 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: progetto Google Cloud in cui viene creato l'account di servizio.
  3. Concedi al tuo account di servizio l'accesso a qualsiasi risorsa o API di Google Cloud richiesta dalle tue pipeline ML. Scopri di più sui ruoli di Identity and Access Management e sulla gestione degli account di servizio.

  4. Concedi al tuo account utente il ruolo Utente account di servizio (iam.serviceAccountUser) sul 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 dell'account di servizio.
    • PROJECT_ID: il tuo progetto Google Cloud.
    • USERNAME: il tuo nome utente su Google Cloud.

Configura il cluster GKE

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

  1. Apri Google Kubernetes Engine in Google Cloud Console.

    Apri Google Kubernetes Engine

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

  3. Inserisci il nome del tuo cluster.

  4. In Tipo di località, seleziona Zonale, quindi seleziona la zona desiderata per il cluster. Per assistenza sulla scelta della zona da utilizzare, consulta le best practice per la selezione dell'area geografica.

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

  6. Inserisci il numero di nodi da creare nel cluster. Il cluster deve avere 3 o più nodi per eseguire il deployment di AI Platform Pipelines. Devi disporre della quota di risorse disponibile per i nodi e le relative risorse (ad esempio le route firewall).

  7. Nel riquadro di navigazione, in Pool di nodi, fai clic su Nodi. Viene visualizzato 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 eseguire il deployment di AI Platform Pipelines. La fatturazione per ogni tipo di macchina avviene in modo diverso. Per informazioni sui prezzi dei tipi di macchine, consulta il listino prezzi dei tipi di macchina.

  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 Create (Crea).

Installa le pipeline Kubeflow nel cluster GKE

Utilizza le seguenti istruzioni per configurare le pipeline Kubeflow in un cluster GKE.

  1. Apri AI Platform Pipelines in Google Cloud Console.

    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 Deploy Kubeflow Pipelines.

  4. Nell'elenco a discesa Cluster, seleziona il cluster che hai creato in un passaggio precedente. Se il cluster che vuoi utilizzare non è idoneo per il deployment, verifica che il tuo cluster soddisfi i requisiti per il deployment delle pipeline Kubeflow.

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

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

    1. Seleziona Crea uno spazio dei nomi nell'elenco a discesa Spazio dei nomi. Viene visualizzata la casella Nome del nuovo spazio dei nomi.
    2. Inserisci il nome dello spazio dei nomi in 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 app, inserisci un nome per l'istanza Pipeline di Kubeflow.

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

    • Bucket Cloud Storage di archiviazione di artefatti: con l'archiviazione gestita, Kubeflow Pipelines archivia gli artefatti di pipeline in un bucket Cloud Storage. Specifica il nome del bucket in cui vuoi che le pipeline di Kubeflow archivino gli artefatti. Se il bucket specificato non esiste, il deployment delle pipeline Kubeflow crea automaticamente un bucket per te nell'area geografica us-central1.

      Scopri di più sulla creazione di un nuovo bucket.

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

      Scopri di più sulla configurazione dell'istanza Cloud SQL.

    • Nome utente del database: specifica il nome utente del database per le pipeline Kubeflow da utilizzare durante la connessione all'istanza MySQL. Attualmente, l'utente del database deve disporre dei privilegi di MySQL ALL per il deployment delle pipeline Kubeflow con l'archiviazione gestita. Se lasci questo campo vuoto, il valore predefinito è root.

      Scopri di più sugli utenti MySQL.

    • Password del database: specifica la password del database per le pipeline Kubeflow da utilizzare durante la connessione all'istanza MySQL. Se lasci vuoto questo campo, Kubeflow Pipelines si connette al tuo database senza fornire una password. Questa operazione non riuscirà, se è necessaria una password per il nome utente specificato.

    • Prefisso del nome del database: specifica il prefisso del nome del database. Il valore del 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 nell'istanza MySQL esistono database con questi nomi, Kubeflow Pipelines riutilizza i database esistenti. Se questo valore non è specificato, Nome istanza app viene utilizzato come prefisso del nome 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 in Google Cloud Console.

    Vai ad AI Platform Pipelines

    Fai clic su Apri dashboard delle pipeline per l'istanza di AI Platform Pipelines.

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

Per utilizzare Google Cloud Marketplace per eseguire il deployment di pipeline Kubeflow in un cluster GKE, devi soddisfare i seguenti requisiti:

  • Il cluster deve avere almeno 3 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, oppure il cluster deve utilizzare un account di servizio personalizzato.
  • Nel cluster non devono essere già installate Kubeflow Pipelines.

Scopri di più sulla configurazione del cluster GKE per AI Platform Pipelines.

Utilizza le seguenti istruzioni per configurare le pipeline Kubeflow in un cluster GKE.

  1. Apri AI Platform Pipelines in Google Cloud Console.

    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 Deploy 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 il tuo cluster soddisfi i requisiti per il deployment delle pipeline Kubeflow.

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

    Se il tuo cluster utilizza gli spazi dei nomi, selezionane uno esistente o creane uno utilizzando l'elenco a discesa Namespace. Per creare uno spazio dei nomi:

    1. Seleziona Crea uno spazio dei nomi nell'elenco a discesa Spazio dei nomi. Viene visualizzata la casella Nome del nuovo spazio dei nomi.
    2. Inserisci il nome dello spazio dei nomi in 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 app, inserisci un nome per l'istanza Pipeline di Kubeflow.

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

    • Bucket Cloud Storage di archiviazione di artefatti: con l'archiviazione gestita, Kubeflow Pipelines archivia gli artefatti di pipeline in un bucket Cloud Storage. Specifica il nome del bucket in cui vuoi che le pipeline di Kubeflow archivino gli artefatti. Se il bucket specificato non esiste, il deployment delle pipeline Kubeflow crea automaticamente un bucket per te nell'area geografica us-central1.

      Scopri di più sulla creazione di un nuovo bucket.

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

      Scopri di più sulla configurazione dell'istanza Cloud SQL.

    • Nome utente del database: specifica il nome utente del database per le pipeline Kubeflow da utilizzare durante la connessione all'istanza MySQL. Attualmente, l'utente del database deve disporre dei privilegi di MySQL ALL per il deployment delle pipeline Kubeflow con l'archiviazione gestita. Se lasci questo campo vuoto, il valore predefinito è root.

      Scopri di più sugli utenti MySQL.

    • Password del database: specifica la password del database per le pipeline Kubeflow da utilizzare durante la connessione all'istanza MySQL. Se lasci vuoto questo campo, Kubeflow Pipelines si connette al tuo database senza fornire una password. Questa operazione non riuscirà, se è necessaria una password per il nome utente specificato.

    • Prefisso del nome del database: specifica il prefisso del nome del database. Il valore del 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 nell'istanza MySQL esistono database con questi nomi, Kubeflow Pipelines riutilizza i database esistenti. Se questo valore non è specificato, Nome istanza app viene utilizzato come prefisso del nome 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 in Google Cloud Console.

    Vai ad AI Platform Pipelines

    Fai clic su Apri dashboard delle pipeline per l'istanza di AI Platform Pipelines.

Passaggi successivi