Prima di iniziare a utilizzare Ray su Vertex AI, segui i passaggi per configurare il tuo progetto Google e l'SDK Vertex AI per Python:
Segui i passaggi in Configurare un progetto e un ambiente di sviluppo per configurare la fatturazione per il tuo progetto, installare gcloud CLI e abilitare l'API Vertex AI.
Prerequisito: devi sapere come sviluppare programmi utilizzando Ray open source.
L'SDK Ray on Vertex AI per Python qui utilizzato è una versione dell'SDK Vertex AI per Python che include la funzionalità del client Ray, il connettore BigQuery di Ray, la gestione dei cluster Ray su Vertex AI e le previsioni su Vertex AI.
Se usi Ray su Vertex AI nella console Google Cloud, un blocco note Colab Enterprise ti guida nel processo di installazione dell'SDK Vertex AI per Python dopo la creazione di 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 2.9 # 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 abilitare Controlli di servizio VPC e specificare una rete VPC quando crei un cluster. Per ulteriori informazioni, vedi Controlli di servizio VPC con Vertex AI.
Se abiliti i Controlli di servizio VPC, non potrai raggiungere le risorse all'esterno 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 container predefinite. Per creare immagini personalizzate, consulta la sezione relativa al pacchetto del software nella documentazione di Docker.
(Facoltativo) Se specifichi una rete VPC durante la creazione di un cluster Ray su Vertex AI, ti consigliamo di includere una rete VPC in modalità automatica nel progetto. Potresti riscontrare problemi se utilizzi una rete VPC in modalità personalizzata o utilizzi più reti VPC per creare cluster nello stesso progetto.
Proteggi i tuoi cluster
Segui le best practice e le linee guida Ray, inclusa l'esecuzione di codice attendibile su reti attendibili, per proteggere i tuoi carichi di lavoro Ray. 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 il bollettino sulla sicurezza di GCP-2024-020.
Località supportate
La tabella Disponibilità delle funzionalità per l'addestramento di modelli personalizzati elenca le località disponibili per Ray su Vertex AI.