Auf dieser Seite werden Google Cloud-Produkte beschrieben, die in Cloud Storage FUSE eingebunden sind.
Eine Liste der Google Cloud-Produkte, die im Allgemeinen in Cloud Storage eingebunden sind, finden Sie unter Einbindung in Google Cloud-Dienste und -Tools.
| Produkt | Einbindung von Cloud Storage FUSE |
|---|---|
| Google Kubernetes Engine (GKE) | Der Cloud Storage FUSE CSI-Treiber verwaltet die Einbindung von Cloud Storage FUSE in die Kubernetes API, um Cloud Storage-Buckets als Volumes zu nutzen. Sie können den CSI-Treiber für Cloud Storage FUSE verwenden, um Buckets als Dateisysteme auf Google Kubernetes Engine-Knoten bereitzustellen. |
| Vertex AI-Training | Sie können auf Daten aus einem Cloud Storage-Bucket als bereitgestelltes Dateisystem zugreifen, wenn Sie ein benutzerdefiniertes Training in Vertex AI durchführen. Weitere Informationen finden Sie unter Trainingscode vorbereiten. |
| Vertex AI Workbench | Die verwalteten Notebook-Instanzen von Vertex AI Workbench umfassen eine Cloud Storage-Einbindung, mit der Sie Buckets durchsuchen und über die JupyterLab-Oberfläche mit kompatiblen Dateien in Cloud Storage arbeiten können. Mit der Cloud Storage-Einbindung können Sie auf alle Cloud Storage-Buckets und -Dateien zugreifen, auf die Ihre Instanz innerhalb des Projekts Ihrer Vertex AI Workbench-Instanz Zugriff hat. Informationen zum Einrichten der Integration finden Sie in den Vertex AI Workbench-Anleitungen zum Zugriff auf Cloud Storage-Buckets und -Dateien in JupyterLab. |
| Deep-Learning-VM-Images | In Cloud Storage FUSE sind Deep Learning VM Images vorinstalliert. |
| Deep Learning Container | Zum Bereitstellen von Cloud Storage-Buckets für Deep Learning Container können Sie entweder den Cloud Storage FUSE CSI-Treiber verwenden (empfohlen) oder Cloud Storage FUSE installieren. |
| Batch | Mit Cloud Storage FUSE können Sie Cloud Storage-Buckets als Speicher-Volumes bereitstellen, wenn Sie Batchjobs erstellen und ausführen. Sie können einen Bucket in der Definition eines Jobs angeben und der Bucket wird bei der Ausführung des Jobs automatisch für die VMs bereitgestellt. |
| Cloud Run | Mit Cloud Run können Sie einen Cloud Storage-Bucket als Volume bereitstellen und den Bucket-Inhalt als Dateien im Container-Dateisystem darstellen. Informationen zum Einrichten der Volume-Bereitstellung finden Sie unter Cloud Storage-Volume bereitstellen. |
| Cloud Composer | Beim Erstellen einer Umgebung wird der Quellcode für Ihre Workflows und deren Abhängigkeiten von Cloud Composer in bestimmten Ordnern in einem Cloud Storage-Bucket gespeichert. Cloud Composer verwendet Cloud Storage FUSE, um die Ordner im Bucket den Airflow-Komponenten in der Cloud Composer-Umgebung zuzuordnen. |
Cloud Storage FUSE für maschinelles Lernen
Cloud Storage FUSE wird häufig von Entwicklern verwendet, die ML-Trainings und -Modelldaten als Objekte in Cloud Storage speichern und darauf zugreifen möchten. Cloud Storage FUSE bietet mehrere Vorteile für die Entwicklung von ML-Projekten:
Mit Cloud Storage FUSE können Sie Cloud Storage-Buckets als lokales Dateisystem bereitstellen, damit Ihre Anwendungen mit der Standardsemantik des Dateisystems auf Trainings- und Modelldaten zugreifen können. Dadurch können Sie die Kosten für das Neuschreiben oder Refaktorieren des Anwendungscodes vermeiden, wenn Sie ML-Daten mit Cloud Storage speichern.
Vom Training bis zur Inferenz: Mit Cloud Storage FUSE können Sie die integrierte hohe Skalierbarkeit, Leistung und Kosteneffizienz von Cloud Storage nutzen und ML-Arbeitslasten in großem Maßstab ausführen.
Mit Cloud Storage FUSE können Sie Trainingsjobs schnell starten, da Rechenressourcen direkten Zugriff auf Daten in Cloud Storage erhalten, sodass Sie keine Trainingsdaten in die Rechenressource herunterladen müssen.
Weitere Informationen finden Sie unter Von Cloud Storage FUSE unterstützte ML-Frameworks.