設定執行作業快取

Vertex AI Pipelines 執行 pipeline 時，會檢查 Vertex 機器學習中繼資料中，是否已存在每個 pipeline 步驟的介面 (快取鍵) 執行作業。

步驟的介面定義為下列項目的組合：

1. 管道步驟的輸入內容。這些輸入內容包括輸入參數的值 (如有) 和輸入構件 ID (如有)。

2. 管道步驟的輸出定義。這項輸出定義包含輸出參數定義 (名稱，如有) 和輸出構件定義 (名稱，如有)。

3. 元件規格。這項規格包括使用的映像檔、指令、引數和環境變數，以及指令和引數的順序。

此外，只有管道名稱相同的管道才會共用快取。

如果 Vertex ML 中繼資料中有相符的執行作業，系統會使用該作業的輸出內容，並略過該步驟。這樣做可略過先前管道執行作業中已完成的運算，有助於降低成本。

如要在工作層級關閉執行作業快取，請設定下列項目：

eval_task.set_caching_options(False)

您可以為整個管道工作關閉執行作業快取。使用 PipelineJob() 執行管道時，可以透過 enable_caching 引數指定這個管道執行作業不使用快取。管線作業中的所有步驟都不會使用快取。 進一步瞭解如何建立管道執行作業。

請使用下列範例關閉快取：

pl = PipelineJob(
    display_name="My first pipeline",

    # Whether or not to enable caching
    # True = enable the current run to use caching results from previous runs
    # False = disable the current run's use of caching results from previous runs
    # None = defer to cache option for each pipeline component in the pipeline definition
    enable_caching=False,

    # Local or Cloud Storage path to a compiled pipeline definition
    template_path="pipeline.yaml",

    # Dictionary containing input parameters for your pipeline
    parameter_values=parameter_values,

    # Cloud Storage path to act as the pipeline root
    pipeline_root=pipeline_root,
)

重要事項： 管道元件應建構為具決定性。一組輸入內容應一律產生相同的輸出內容。視介面而定，由於執行快取，非決定性管道元件可能會意外略過。

這項功能有以下限制：

• 快取結果沒有存留時間 (TTL)，只要項目未從 Vertex ML 中繼資料刪除，即可重複使用。如果從 Vertex 機器學習中繼資料刪除項目，工作會重新執行，再次產生結果。