Organiza tus páginas con colecciones
Guarda y categoriza el contenido según tus preferencias.
Puedes usar el parámetro failure_policy de la clase aiplatform.PipelineJob para configurar si una canalización debe fallar de inmediato en caso de que una de las tareas falle.
Las siguientes opciones de configuración de políticas de fallas son compatibles con Vertex AI Pipelines:
Falla rápida (failure_policy = 'fast'): Elige esta configuración si deseas que la canalización deje de programar tareas nuevas después de que una tarea falla. Las tareas que ya están programadas continúan ejecutándose hasta que se completen.
Falla lenta (failure_policy = 'slow'): Elige esta configuración si deseas que la canalización continúe ejecutándose incluso después de que falle una tarea. La canalización continúa ejecutándose hasta que se hayan ejecutado todas las tareas.
Usa la siguiente muestra de código a fin de configurar la política de fallas de una canalización con el SDK de Vertex AI para Python:
DISPLAY_NAME: El nombre de la canalización, aparecerá en la consola de Google Cloud.
COMPILED_PIPELINE_PATH: Es la ruta de acceso al archivo YAML de canalización compilado. Puede ser una ruta local o un URI de Google Cloud Storage.
PIPELINE_ROOT: Especifica un URI de Cloud Storage al que pueda acceder la cuenta de servicio de tus canalizaciones. Los artefactos de las ejecuciones de tus canalizaciones se almacenan en la raíz de la canalización.
PROJECT_ID: Es el proyecto de Google Cloud en el que se ejecuta esta canalización.
LOCATION: Es la región en la que se ejecuta la canalización. Para obtener más información sobre las regiones en las que Vertex AI Pipelines está disponible, consulta la guía de ubicaciones de Vertex AI. Si no configuras este parámetro, se usa la ubicación predeterminada establecida en aiplatform.init.
FAILURE_POLICY: Especifica la política de fallas para toda la canalización. Las siguientes opciones de configuración están disponibles:
Para configurar la canalización a fin de que falle después de que una tarea falle, ingresa fast.
Para configurar la canalización a fin de continuar programando tareas después de que falle una, ingresa slow.
Si no estableces este parámetro, la configuración de política de fallas se establece en slow de forma predeterminada.
[[["Fácil de comprender","easyToUnderstand","thumb-up"],["Resolvió mi problema","solvedMyProblem","thumb-up"],["Otro","otherUp","thumb-up"]],[["Difícil de entender","hardToUnderstand","thumb-down"],["Información o código de muestra incorrectos","incorrectInformationOrSampleCode","thumb-down"],["Faltan la información o los ejemplos que necesito","missingTheInformationSamplesINeed","thumb-down"],["Problema de traducción","translationIssue","thumb-down"],["Otro","otherDown","thumb-down"]],["Última actualización: 2024-12-19 (UTC)"],[],[],null,["# Configure failure policy\n\nYou can use the `failure_policy` parameter of the [`aiplatform.PipelineJob`](/python/docs/reference/aiplatform/latest/google.cloud.aiplatform.PipelineJob) class to configure whether a pipeline should fail immediately if one of the task fails.\n\nThe following failure policy configurations are supported in Vertex AI Pipelines:\n\n- **Fail fast** (`failure_policy = 'fast'`): Choose this configuration if you want the pipeline to stop scheduling new tasks after a task fails. Tasks that are already scheduled continue running until they are completed.\n\n- **Fail slow** (`failure_policy = 'slow'`): Choose this configuration if you want the pipeline to continue to run even after a task fails. The pipeline continues to run until all tasks have been executed.\n\n | **Note:** If you don't specify the `failure_policy` parameter for a pipeline, the failure policy configuration is set to `slow`, by default.\n\nUse the following code sample to configure the failure policy for a pipeline using the Vertex AI SDK for Python: \n\n\n job = aiplatform.PipelineJob(display_name = '\u003cvar translate=\"no\"\u003eDISPLAY_NAME\u003c/var\u003e',\n template_path = '\u003cvar translate=\"no\"\u003eCOMPILED_PIPELINE_PATH\u003c/var\u003e',\n pipeline_root = '\u003cvar translate=\"no\"\u003ePIPELINE_ROOT\u003c/var\u003e',\n project = '\u003cvar translate=\"no\"\u003ePROJECT_ID\u003c/var\u003e',\n location = '\u003cvar translate=\"no\"\u003eLOCATION\u003c/var\u003e',\n failure_policy = '\u003cvar translate=\"no\"\u003eFAILURE_POLICY\u003c/var\u003e')\n\nReplace the following:\n\n- \u003cvar translate=\"no\"\u003eDISPLAY_NAME\u003c/var\u003e: The name of the pipeline, this will show up in the Google Cloud console.\n\n- \u003cvar translate=\"no\"\u003eCOMPILED_PIPELINE_PATH\u003c/var\u003e: The path to your compiled pipeline YAML file. It can be a local path or a Google Cloud Storage URI.\n\n- \u003cvar translate=\"no\"\u003ePIPELINE_ROOT\u003c/var\u003e: Specify a Cloud Storage URI that your pipelines service account can access. The artifacts of your pipeline runs are stored within the pipeline root.\n\n- \u003cvar translate=\"no\"\u003ePROJECT_ID\u003c/var\u003e: The Google Cloud project that this pipeline runs in.\n\n- \u003cvar translate=\"no\"\u003eLOCATION\u003c/var\u003e: The region that the pipeline runs in. For more information about the regions that Vertex AI Pipelines is available in, see the [Vertex AI locations guide](/vertex-ai/docs/general/locations#feature-availability). If you don't set this parameter, the default location set in `aiplatform.init` is used.\n\n- \u003cvar translate=\"no\"\u003eFAILURE_POLICY\u003c/var\u003e: Specify the failure policy for the entire pipeline. The following configurations are available:\n\n - To configure the pipeline to fail after one task fails, enter `fast`.\n\n - To configure the pipeline to continue scheduling tasks after one task fails, enter `slow`.\n\n If you don't set this parameter, the failure policy configuration is set to `slow`, by default.\n\nWhat's next\n-----------\n\n- Learn how to [configure retries for failed pipeline tasks](/vertex-ai/docs/pipelines/configure-retries)."]]