온라인 예측 모델 삭제

이 페이지에서는 온라인 예측 모델과 연결된 모든 리소스를 삭제하는 프로세스를 설명합니다.

시작하기 전에

온라인 예측에 액세스하는 데 필요한 권한을 얻으려면 프로젝트 IAM 관리자에게 Vertex AI 예측 사용자 (vertex-ai-prediction-user) 역할을 부여해 달라고 요청하세요.

이 역할에 대한 자세한 내용은 IAM 권한 준비를 참고하세요.

또한 버킷에서 객체를 삭제하는 데 필요한 권한을 얻으려면 프로젝트 IAM 관리자에게 프로젝트 버킷 객체 관리자(project-bucket-object-admin) 역할을 부여해 달라고 요청하세요.

리소스 삭제

온라인 예측 모델과 연결된 모든 리소스를 삭제하려면 다음 단계를 따르세요.

  1. 예측 클러스터에서 모델과 연결된 DeployedModel 커스텀 리소스를 삭제합니다.

    kubectl --kubeconfig PREDICTION_CLUSTER_KUBECONFIG delete -f DEPLOYED_MODEL_NAME.yaml

    다음을 바꿉니다.

    • PREDICTION_CLUSTER_KUBECONFIG: 예측 클러스터의 kubeconfig 파일 경로입니다.
    • DEPLOYED_MODEL_NAME: DeployedModel 정의 파일의 이름입니다.

  2. 다음 방법 중 하나로 Endpoint 커스텀 리소스를 수정합니다.

    • DeployedModel에서 사용하는 엔드포인트가 다른 모델을 호스팅하지 않는 경우 예측 클러스터에서 Endpoint 커스텀 리소스를 삭제합니다.

      kubectl --kubeconfig PREDICTION_CLUSTER_KUBECONFIG delete -f ENDPOINT_NAME.yaml

      ENDPOINT_NAME을 Endpoint 정의 파일의 이름으로 바꿉니다.

    • DeployedModel에서 사용하는 엔드포인트가 다른 모델을 호스팅하는 경우 다음 단계를 실행하세요.

      1. 예측 클러스터에서 Endpoint 커스텀 리소스를 업데이트합니다.

        kubectl --kubeconfig PREDICTION_CLUSTER_KUBECONFIG edit -f ENDPOINT_NAME.yaml

        ENDPOINT_NAME을 Endpoint 정의 파일의 이름으로 바꿉니다.

      2. YAML 파일에서 이전에 삭제한 DeployedModel 참조가 포함된 serviceRef 객체를 수동으로 삭제합니다.

      3. YAML 파일에 변경사항을 저장합니다.

  3. 스토리지 버킷에서 모델을 삭제합니다. 스토리지 버킷에서 객체를 삭제하는 방법에 대한 자세한 내용은 프로젝트에서 스토리지 객체 삭제를 참고하세요.