Risoluzione dei problemi di Vertex AI Workbench

In questa pagina vengono descritti i passaggi per la risoluzione dei problemi che potrebbero essere utili se esegui risolvere i problemi quando usi Vertex AI Workbench.

Vedi anche Risoluzione dei problemi di Vertex AI per ricevere assistenza sull'utilizzo di altri componenti di Vertex AI.

Per filtrare i contenuti di questa pagina, fai clic su un argomento:

Procedure utili

Questa sezione descrive le procedure che potresti trovare utili.

Utilizza SSH per connetterti all'istanza dei blocchi note gestiti dall'utente

Utilizza SSH per connetterti all'istanza digitando quanto segue in uno Cloud Shell o in qualsiasi ambiente in cui è installata Google Cloud CLI.

gcloud compute ssh --project PROJECT_ID \
  --zone ZONE \
  INSTANCE_NAME -- -L 8080:localhost:8080

Sostituisci quanto segue:

  • PROJECT_ID: il tuo ID progetto
  • ZONE: la zona Google Cloud in cui l'istanza si trova
  • INSTANCE_NAME: il nome del tuo istanza

Puoi anche connetterti all'istanza aprendo pagina dei dettagli di Compute Engine e fai clic sul pulsante SSH.

Esegui di nuovo la registrazione con il server Inverting Proxy

Per registrare di nuovo l'istanza di blocchi note gestiti dall'utente con server Inverting Proxy interno, puoi arrestare e avviare la VM Pagina dei blocchi note gestiti dall'utente Oppure puoi usare SSH per connetterti a l'istanza di blocchi note gestiti dall'utente e inserisci:

cd /opt/deeplearning/bin
sudo ./attempt-register-vm-on-proxy.sh

verifica lo stato del servizio Docker

Per verificare lo stato del servizio Docker puoi utilizzare SSH per connetterti al tuo di blocchi note gestiti dall'utente e inserisci:

sudo service docker status

Verifica che l'agente Inverting Proxy sia in esecuzione

Per verificare se l'agente Inverting Proxy del blocco note è in esecuzione, usa SSH per connetterti a dell'istanza di blocchi note gestiti dall'utente e inserisci:

# Confirm Inverting Proxy agent Docker container is running (proxy-agent)
sudo docker ps

# Verify State.Status is running and State.Running is true.
sudo docker inspect proxy-agent

# Grab logs
sudo docker logs proxy-agent

Verifica lo stato del servizio Jupyter e raccogli i log

Per verificare lo stato del servizio Jupyter, puoi utilizzare il protocollo SSH per connettiti a la tua istanza di blocchi note gestiti dall'utente e inserisci:

sudo service jupyter status

Per raccogliere i log del servizio Jupyter:

sudo journalctl -u jupyter.service --no-pager

Verifica che l'API interna Jupyter sia attiva

L'API Jupyter deve sempre essere eseguita sulla porta 8080. Puoi verificarlo controllare i syslog dell'istanza per trovare una voce simile alla seguente:

Jupyter Server ... running at:
http://localhost:8080

Per verificare che l'API interna Jupyter sia attiva, puoi anche Utilizza SSH per connetterti alla tua istanza di blocchi note gestiti dall'utente e inserisci:

curl http://127.0.0.1:8080/api/kernelspecs

Puoi anche misurare il tempo necessario all'API per rispondere nel caso in cui richiedono troppo tempo:

time curl -V http://127.0.0.1:8080/api/status
time curl -V http://127.0.0.1:8080/api/kernels
time curl -V http://127.0.0.1:8080/api/connections

Per eseguire questi comandi nella tua istanza di Vertex AI Workbench, apri JupyterLab, e creo un nuovo terminale.

riavvia il servizio Docker

Per riavviare il servizio Docker, puoi arrestare e avviare la VM dal Pagina dei blocchi note gestiti dall'utente Oppure puoi usare SSH per connetterti a l'istanza di blocchi note gestiti dall'utente e inserisci:

sudo service docker restart

Riavvia l'agente Inverting Proxy

Per riavviare l'agente Inverting Proxy, puoi arrestare e avviare la VM Pagina dei blocchi note gestiti dall'utente Oppure puoi usare SSH per connetterti a l'istanza di blocchi note gestiti dall'utente e inserisci:

sudo docker restart proxy-agent

Riavvia il servizio Jupyter

Per riavviare il servizio Jupyter, puoi arrestare e avviare la VM dal Pagina dei blocchi note gestiti dall'utente Oppure puoi usare SSH per connetterti a l'istanza di blocchi note gestiti dall'utente e inserisci:

sudo service jupyter restart

Riavvia l'agente di raccolta Notebooks

Il servizio dell'agente raccolta Notebooks esegue un processo Python in background che verifica lo stato dei servizi principali dell'istanza di Vertex AI Workbench.

Per riavviare il servizio dell'agente raccolta Notebooks, puoi arrestare e avviare la VM dal Console Google Cloud Oppure puoi usare SSH per connetterti a la tua istanza di Vertex AI Workbench e inserisci:

sudo systemctl stop notebooks-collection-agent.service

seguito da:

sudo systemctl start notebooks-collection-agent.service

Per eseguire questi comandi nella tua istanza di Vertex AI Workbench, apri JupyterLab, e creo un nuovo terminale.

Modifica lo script dell'agente raccolta Notebooks

Per accedere e modificare lo script, apri un terminale nella nostra istanza o usa SSH per connetterti alla tua istanza di Vertex AI Workbench, e inserisci:

nano /opt/deeplearning/bin/notebooks_collection_agent.py

Dopo aver modificato il file, ricordati di salvarlo.

Poi devi riavvia il servizio dell'agente di raccolta Notebooks.

Verifica che l'istanza possa risolvere i domini DNS richiesti

Per verificare che l'istanza possa risolvere i domini DNS richiesti, puoi Utilizza SSH per connetterti alla tua istanza di blocchi note gestiti dall'utente e inserisci:

host notebooks.googleapis.com
host *.notebooks.cloud.google.com
host *.notebooks.googleusercontent.com
host *.kernels.googleusercontent.com

oppure:

curl --silent --output /dev/null "https://notebooks.cloud.google.com"; echo $?

Se per l'istanza è abilitato Dataproc, puoi verificare che risolve *.kernels.googleusercontent.com eseguendo:

curl --verbose -H "Authorization: Bearer $(gcloud auth print-access-token)" https://${PROJECT_NUMBER}-dot-${REGION}.kernels.googleusercontent.com/api/kernelspecs | jq .

Per eseguire questi comandi nella tua istanza di Vertex AI Workbench, apri JupyterLab, e creo un nuovo terminale.

Crea una copia dei dati utente su un'istanza

Archiviare una copia dei dati utente di un'istanza in Cloud Storage, completa i seguenti passaggi.

Crea un bucket Cloud Storage (facoltativo)

Nello stesso progetto in cui si trova l'istanza, crea un'istanza Bucket Cloud Storage in cui puoi archiviare i tuoi dati utente. Se hai già un bucket Cloud Storage, salta questo passaggio.

Copiare i dati utente

  1. Nel tipo di macchina virtuale Interfaccia JupyterLab, seleziona File > Nuovo > Terminale per aprire una finestra del terminale. Per le istanze di blocchi note gestiti dall'utente, puoi invece connettiti al terminale dell'istanza utilizzando SSH.

  2. Utilizzare gsutil tool per copiare i dati utente in un bucket Cloud Storage. Il seguente comando di esempio copia tutti i file dalla directory /home/jupyter/ dell'istanza in una directory in un bucket Cloud Storage.

    gsutil cp -R /home/jupyter/* gs://BUCKET_NAMEPATH

    Sostituisci quanto segue:

    • BUCKET_NAME: il nome del tuo Bucket Cloud Storage
    • PATH: il percorso della directory dove vuoi copiare i file, ad esempio: /copy/jupyter/

Indaga su un'istanza bloccata nel provisioning utilizzando gcpdiag

gcpdiag è uno strumento open source. Non è un prodotto Google Cloud ufficialmente supportato. Puoi utilizzare lo strumento gcpdiag per identificare e risolvere i problemi relativi a Google Cloud per risolvere i problemi del progetto. Per ulteriori informazioni, consulta progetto gcpdiag su GitHub.

Questo runbook di gcpdiag indaga sulle potenziali cause di un l'istanza di Vertex AI Workbench si blocca nello stato del provisioning, incluse le seguenti aree:
  • Stato: controlla lo stato attuale dell'istanza per garantire che sia bloccato nel provisioning e non sia arrestato o attivo.
  • Immagine disco di avvio della VM Compute Engine dell'istanza: Controlla se l'istanza è stata creata con un container personalizzato, un workbench-instances, Deep Learning VM Image oppure per immagini non supportate, che potrebbero causare il blocco dell'istanza nello stato del provisioning.
  • Script personalizzati: controlla se l'istanza utilizza script di avvio o post-avvio personalizzati che modificano la porta Jupyter predefinita o interrompere le dipendenze che potrebbero causare il blocco dell'istanza e lo stato del provisioning.
  • Versione ambiente: controlla se l'istanza utilizza l'ultima versione dell'ambiente controllandone l'aggiornabilità. Prima delle versioni precedenti, l'istanza potrebbe bloccarsi nello stato del provisioning.
  • Prestazioni delle VM Compute Engine dell'istanza: Controlla le prestazioni attuali della VM per assicurarsi che non siano compromesse da un elevato utilizzo della CPU, da una memoria insufficiente o da problemi di spazio su disco che potrebbero interrompere le normali attività.
  • Porta seriale Compute Engine dell'istanza log di sistema: controlla se l'istanza ha log delle porte seriali, che vengono analizzati assicurati che Jupyter sia in esecuzione sulla porta 127.0.0.1:8080.
  • Le chiavi SSH di Compute Engine dell'istanza accesso al terminale: controlla se lo stato dell'istanza La VM di Compute Engine è in esecuzione in modo che l'utente Posso usare SSH e aprire un terminale per verificare l'utilizzo dello spazio in "home/jupyter" è inferiore all'85%. Se non rimane spazio, l'istanza potrebbe per bloccare lo stato del provisioning.
  • IP esterno disattivato: controlla se l'IP esterno l'accesso è disattivato. Una configurazione di rete errata l'istanza può bloccarsi nello stato di provisioning.

Console Google Cloud

  1. Completa e copia il seguente comando. 
    2. gcpdiag runbook vertex/workbench-instance-stuck-in-provisioning \
    --project=PROJECT_ID \
    --parameter instance_name=INSTANCE_NAME \
    --parameter zone=ZONE
  2. Apri la console Google Cloud e attiva Cloud Shell.
    3. Apri la console Cloud
  3. Incolla il comando copiato.
  4. Esegui il comando gcpdiag, che scarica l'immagine Docker gcpdiag, ed esegue i controlli diagnostici. Se applicabile, segui le istruzioni dell'output per correggere i controlli non superati.

Docker

Puoi eseguire gcpdiag utilizzando un wrapper che inizia gcpdiag in Container Docker. Docker o Podman deve essere installato.

  1. Copia ed esegui il comando seguente sulla workstation locale. 
    curl https://gcpdiag.dev/gcpdiag.sh >gcpdiag && chmod +x gcpdiag
  2. Esegui il comando gcpdiag. 
    ./gcpdiag runbook vertex/workbench-instance-stuck-in-provisioning \
    --project=PROJECT_ID \
    --parameter instance_name=INSTANCE_NAME \
    --parameter zone=ZONE

Visualizza i parametri disponibili per questo runbook.

Sostituisci quanto segue:

  • PROJECT_ID: l'ID del progetto contenente la risorsa
  • INSTANCE_NAME: il nome del target di Vertex AI Workbench all'interno del tuo progetto.
  • ZONE: la zona in cui il target Si trova l'istanza di Vertex AI Workbench.

Flag utili:

Per un elenco e una descrizione di tutti i flag dello strumento gcpdiag, consulta le Istruzioni per l'utilizzo di gcpdiag.