Antes de comenzar con Ray en Vertex AI, sigue los pasos para configurar tu proyecto de Google y el SDK de Vertex AI para Python:
Sigue los pasos que se indican en Configura un proyecto y un entorno de desarrollo para configurar la facturación de tu proyecto, instala gcloud CLI y habilita la API de Vertex AI.
Prerrequisito: Debes saber cómo desarrollar programas con Ray de código abierto.
El SDK de Ray en Vertex AI para Python que se usa aquí es una versión del SDK de Vertex AI para Python que incluye la funcionalidad del cliente de Ray, el conector Ray BigQuery y Ray. administración de clústeres en Vertex AI y predicciones en Vertex AI.
Si usas Ray en Vertex AI en la consola de Google Cloud, un notebook de Colab Enterprise te guiará a través del proceso de instalación del SDK de Vertex AI para Python después de crear un clúster de Ray.
Si usas Ray en Vertex AI en el entorno de Vertex AI Workbench o en otro entorno interactivo de Python, instala el SDK de Vertex AI para Python:
# The latest image in the Ray cluster includes Ray 2.9 # The latest supported Python version is Python 3.10. $ pip install google-cloud-aiplatform[ray]
Después de instalar el SDK, reinicia el kernel antes de importar paquetes.
Si planeas leer desde BigQuery, debes crear un conjunto de datos nuevo de BigQuery o usar un conjunto de datos existente.
Para mitigar el riesgo de robo de datos de Vertex AI, puedes habilitar los Controles del servicio de VPC y especificar una red de VPC cuando crees un clúster (opcional). Para obtener más información, consulta Controles del servicio de VPC con Vertex AI.
Si habilitas los Controles del servicio de VPC, no podrás acceder a los recursos fuera del perímetro, como los archivos en un bucket de Cloud Storage.
(Opcional) Para usar una imagen de contenedor personalizada, alójala en Artifact Registry. Una imagen personalizada te permite agregar dependencias de Python que no se incluyen en las imágenes de contenedor compiladas previamente. Para compilar imágenes personalizadas, consulta Empaqueta tu software en la Documentación de Docker.
Si especificas una red de VPC cuando creas un clúster de Ray en Vertex AI, se recomienda que tengas una red de VPC en modo automático en tu proyecto (opcional). Es posible que experimentes problemas si usas una red de VPC en modo personalizado o varias redes de VPC para crear clústeres en el mismo proyecto.
Protege tus clústeres
Sigue las prácticas recomendadas y los lineamientos de Ray, que incluyen la ejecución de código de confianza en redes confiables, para proteger tus cargas de trabajo de Ray. La implementación de ray.io en tus instancias de nube está bajo el modelo de responsabilidad compartida.
Para obtener más información sobre las prácticas recomendadas de Google Cloud, consulta el Boletín de seguridad de GCP-2024-020.
Ubicaciones admitidas
En la tabla Disponibilidad de atributos del entrenamiento de modelos personalizados, se enumeran las ubicaciones disponibles para Ray en Vertex AI.