Peering-Verbindung für private IP-Adresse testen

In diesem Abschnitt wird erläutert, wie Sie testen können, ob ein Trainingsjob auf private IP-Adressen in Ihrem Netzwerk zugreifen kann. Zuerst müssen Sie eine private Verbindung zwischen Ihrem VPC-Netzwerk und AI Platform Training erstellen,

Übersicht

Das Einrichten dieses Tests besteht aus zwei Teilen:

• Endpunkt in Ihrem Netzwerk einrichten
• Einen Testtrainingsjob senden, um Zugriff auf diesen Endpunkt zu erhalten

Endpunkt einrichten

Zum Einrichten eines Endpunkts richten Sie einen lokalen Server auf einer VM-Instanz in Ihrem Netzwerk ein.

1. Erstellen Sie eine Compute Engine-Instanz in Ihrem VPC-Netzwerk.
2. Prüfen Sie Ihre Firewallregeln, um sicherzustellen, dass sie den eingehenden Traffic aus dem AI Platform-Trainingsnetzwerk nicht einschränken. Falls ja, fügen Sie eine Regel hinzu, um sicherzustellen, dass das AI Platform Training-Netzwerk auf den IP-Bereich zugreifen kann, den Sie für AI Platform Training (und andere Dienstersteller) reserviert haben.

3. Suchen Sie die private IP-Adresse Ihrer VM:

   • Zur Seite "VM-Instanzen"
   • Gehen Sie zur Seite VM-Instanzdetails Ihrer Instanz und suchen Sie die interne IP-Adresse, die auf der Seite aufgeführt ist.

   • Legen Sie den Namen Ihrer Instanz fest und führen Sie den folgenden gcloud-Befehl aus:

     INSTANCE_NAME="your-instance-name"
     gcloud compute instances describe $INSTANCE_NAME \
       --format="value(networkInterfaces.networkIP)"
     

4. Stellen Sie eine SSH-Verbindung zu Ihrer VM her und installieren Sie Node.js.

5. Kopieren Sie den Node JS-Beispielcode und geben Sie Ihre private IP-Adresse ein:

    const http = require('http');
    // Fill in the value of your vm's private IP
    const hostname = 'your_private_ip';
    const port = 3000;
    const server = http.createServer((req, res) => {
              res.statusCode = 200;
              res.setHeader('Content-Type', 'text/plain');
              res.end('Hello World ' + req.url + '\n');
    });
    server.listen(port, hostname, () => {
              console.log('Server running at http://${hostname}:${port}/');
    });
    ```
   

6. Führen Sie den Server aus:

   nodejs hw.js
   

7. Beenden Sie die VM-SSH-Verbindung, um den Trainingsjob zu senden.

Testtrainingsjob senden

Anstatt ein Modell zu trainieren, greift dieser Trainingsjob auf den Endpunkt zu, um zu prüfen, ob AI Platform Training auf die private IP-Adresse in Ihrem Netzwerk zugreifen kann.

1. Kopieren Sie die Python-Trainingsanwendung, die Sie an AI Platform Training senden möchten.

2. Aktualisieren Sie den Code mit Ihrer privaten IP-Adresse:

   import logging
   import os
   import sys
   def main():
     # Fill in the value of your vm's private IP
     hostname = "your_private_ip"
     response = os.system("curl http://" + hostname + ":3000/you_can_write_your_name_here")
     if response == 0:
       print(hostname, "is up!")
       logging.info("%s is up; Peering successful!", hostname)
       sys.exit(0)
     else:
       logging.error("%s is down; Peering failed!", hostname)
       sys.exit(1)
   if __name__ == "__main__":
     logging.getLogger().setLevel(logging.INFO)
     main()
   

3. Erstellen Sie eine config.yaml, um das Netzwerk anzugeben. Wenn Sie eine freigegebene VPC verwenden, geben Sie die Nummer Ihres VPC-Hostprojekts an.

   Prüfen Sie, ob der Netzwerkname richtig formatiert ist:

   PROJECT_NUMBER=$(gcloud projects describe $PROJECT_ID --format="value(projectNumber)")
   NETWORK=your-network-name
   
   cat << EOF > config.yaml
   trainingInput:
     scaleTier: BASIC
     network: projects/$PROJECT_NUMBER/global/networks/$NETWORK
   EOF
   

4. Senden Sie den Job an AI Platform Training:

   BUCKET_NAME=your_bucket_name
   JOB_ID='test_vpc_peering_job'
   
   gcloud ai-platform jobs submit training $JOB_ID \
     --module-name trainingcode.test_peering \
     --stream-logs \
     --runtime-version 1.15 \
     --job-dir gs://$BUCKET_NAME/$JOB_ID \
     --region us-central1 \
     --package-path trainingcode/ \
     --config config.yaml
   

   Wenn der Job erfolgreich ist, sehen Sie "Peering erfolgreich". Damit ist die Peering-Verbindung mit AI Platform Training validiert.