Prima di iniziare a utilizzare Ray su Vertex AI, segui i passaggi per configurare il progetto Google e l'SDK Vertex AI per Python:
Segui i passaggi descritti in Configurare un progetto e un ambiente di sviluppo per configurare la fatturazione per il tuo progetto, installa l'interfaccia a riga di comando gcloud e abilita l'API Vertex AI.
Prerequisito: devi sapere come sviluppare programmi utilizzando Ray open source.
L'SDK Ray on Vertex AI per Python utilizzato qui è una versione dell'SDK Vertex AI per Python che include la funzionalità Ray Cliente, Connettore BigQuery Ray, Ray la gestione dei cluster su Vertex AI e le previsioni su Vertex AI.
Se utilizzi Ray su Vertex AI nella console Google Cloud, un notebook Colab Enterprise ti guida nella procedura di installazione dell'SDK Vertex AI per Python dopo aver creato un cluster Ray.
Se utilizzi Ray su Vertex AI in Vertex AI Workbench o in un altro ambiente Python interattivo, installa l'SDK Vertex AI per Python:
# The latest image in the Ray cluster includes Ray 2.33 # The latest supported Python version is Python 3.10. $ pip install google-cloud-aiplatform[ray]
Dopo aver installato l'SDK, riavvia il kernel prima di importare i pacchetti.
(Facoltativo) Se prevedi di leggere da BigQuery, devi creare un nuovo set di dati BigQuery o utilizzare un set di dati esistente.
(Facoltativo) Per ridurre il rischio di esfiltrazione di dati da Vertex AI, puoi attivare Controlli di servizio VPC e specificare una rete VPC quando crei un cluster. Per ulteriori informazioni, consulta Controlli di servizio VPC con Vertex AI.
Se attivi Controlli di servizio VPC, non potrai raggiungere le risorse al di fuori del perimetro, ad esempio i file in un bucket Cloud Storage.
(Facoltativo) Per utilizzare un'immagine container personalizzata, ospitala su Artifact Registry. Un'immagine personalizzata ti consente di aggiungere dipendenze Python non incluse nelle immagini dei container predefiniti. Per creare immagini personalizzate, consulta Imballare il software nella documentazione di Docker.
(Facoltativo) Se specifichi una rete VPC durante la creazione di un cluster Ray su Vertex AI, ti consigliamo di avere una rete VPC in modalità automatica nel tuo progetto. Potresti riscontrare problemi se utilizzi un VPC in modalità personalizzata o usa più reti VPC per creare cluster nello stesso progetto.
Proteggi i tuoi cluster
Per proteggere i carichi di lavoro di Ray, segui le linee guida e le best practice di Ray, inclusa l'esecuzione di codice attendibile su reti attendibili. Il deployment di ray.io nelle tue istanze cloud rientra nel modello di responsabilità condivisa.
Per ulteriori informazioni sulle best practice di Google Cloud, consulta Bollettino sulla sicurezza di Google Cloud-2024-020.
Località supportate
La tabella Disponibilità delle funzionalità per l'addestramento di modelli personalizzati elenca le località disponibili per Ray su Vertex AI.