试用 Gemini 1.5 模型，这是 Vertex AI 中最新的多模态模型，看看您可以运用多达 200 万词元的上下文窗口构建怎样的应用。 试用 Gemini 1.5 模型，这是 Vertex AI 中最新的多模态模型，看看您可以运用多达 200 万词元的上下文窗口构建怎样的应用。

为 Vertex AI Pipelines 配置 Google Cloud 项目

在使用 Vertex AI Pipelines 编排机器学习 (ML) 流水线之前，您必须设置 Google Cloud 项目。第一次运行流水线时，系统会在您的 Google Cloud 项目中创建一些资源，例如 Vertex ML Metadata 使用的元数据存储区。

请按照以下说明为 Vertex AI Pipelines 配置项目。

创建 Google Cloud 项目并将其配置为与 Vertex AI Pipelines 搭配使用。
如果您不指定服务账号，Vertex AI Pipelines 将使用 Compute Engine 默认服务账号来运行流水线。如需详细了解 Compute Engine 默认服务账号，请参阅使用 Compute Engine 默认服务账号。

我们建议您创建服务账号以运行流水线，然后向此账号授予运行流水线所需的对 Google Cloud 资源的精细权限。
Vertex AI Pipelines 使用 Cloud Storage 来存储流水线运行的工件。创建 Cloud Storage 存储分区并向您的服务账号授予对此存储分区的访问权限。
Vertex AI Pipelines 使用 Vertex ML Metadata 存储流水线运行创建的元数据。首次运行流水线时，如果项目的元数据存储区不存在，Vertex AI 会创建项目的元数据存储区。

如果您希望使用客户管理的加密密钥 (CMEK) 来加密数据，则可以在运行流水线之前手动创建使用 CMEK 密钥的元数据存储区。否则，如果项目中没有现有的默认元数据存储区，Vertex AI 会使用您首次运行流水线时使用的 CMEK 密钥创建项目的元数据存储区。创建元数据存储区后，它使用的 CMEK 密钥与流水线运行中使用的 CMEK 密钥不同。

设置您的 Google Cloud 项目

按照以下说明创建 Google Cloud 项目并将其配置为与 Vertex AI Pipelines 搭配使用。

Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.

In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

Go to project selector

Make sure that billing is enabled for your Google Cloud project.

Enable the Vertex AI and Cloud Storage APIs.

Enable the APIs

Install the Google Cloud CLI.

To initialize the gcloud CLI, run the following command:

gcloud init

Update and install gcloud components:

gcloud components update
gcloud components install beta

In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

Go to project selector

Make sure that billing is enabled for your Google Cloud project.

Enable the Vertex AI and Cloud Storage APIs.

Enable the APIs

Install the Google Cloud CLI.

To initialize the gcloud CLI, run the following command:

gcloud init

Update and install gcloud components:

gcloud components update
gcloud components install beta

配置具有精细权限的服务账号

运行流水线时，您可以指定服务账号。您的流水线运行以此服务账号的权限执行。

如果未指定服务账号，则您的流水线运行将使用 Compute Engine 默认服务账号。如需详细了解 Compute Engine 默认服务账号，请参阅使用 Compute Engine 默认服务账号。

按照以下说明创建服务账号并向此账号授予对 Google Cloud 资源的精细权限。
1. 运行以下命令以创建服务账号。
```
gcloud iam service-accounts create SERVICE_ACCOUNT_ID \
    --description="DESCRIPTION" \
    --display-name="DISPLAY_NAME" \
    --project=PROJECT_ID
```
  替换以下值：
  - SERVICE_ACCOUNT_ID：服务账号的 ID。
  - DESCRIPTION：（可选。）服务账号的说明。
  - DISPLAY_NAME：此服务账号的显示名。
  - PROJECT_ID：要在其中创建服务账号的项目。
  详细了解如何创建服务账户。
2. 向您的服务账号授予对 Vertex AI 的访问权限。请注意，访问权限更改可能需要一段时间才能传播。如需了解详情，请参阅访问权限更改传播。
```
gcloud projects add-iam-policy-binding PROJECT_ID \
    --member="serviceAccount:SERVICE_ACCOUNT_ID@PROJECT_ID.iam.gserviceaccount.com" \
    --role="roles/aiplatform.user"
```
  替换以下值：
  - PROJECT_ID：在其中创建您的服务账号的项目。
  - SERVICE_ACCOUNT_ID：服务账号的 ID。
  注意：使用 Vertex AI Pipelines 运行流水线所需的一组最低权限为 aiplatform.metadataStores.get、storage.objects.create 和 storage.objects.get。首次在新项目中运行流水线时，您还必须添加 aiplatform.metadataStores.create 权限。要运行权限最少的流水线，请使用 Identity and Access Management 创建具有这些权限的自定义角色，并向您的服务账号授予此角色的访问权限（而不是 roles/aiplatform.user。
3. 您可以使用 Artifact Registry 托管容器映像和 Kubeflow 流水线模板。
  
  如需详细了解 Artifact Registry，请参阅 Artifact Registry 文档。
4. 向您的服务账号授予对在流水线中使用的任何 Google Cloud 资源的访问权限。
```
gcloud projects add-iam-policy-binding PROJECT_ID \
    --member="serviceAccount:SERVICE_ACCOUNT_ID@PROJECT_ID.iam.gserviceaccount.com" \
    --role="ROLE_NAME"
```
  替换以下值：
  - PROJECT_ID：在其中创建您的服务账号的项目。
  - SERVICE_ACCOUNT_ID：服务账号的 ID。
  - ROLE_NAME：要授予此服务账号的 Identity and Access Management 角色。
5. 如需使用 Vertex AI Pipelines 以此服务账号身份运行流水线，请运行以下命令来为您的用户账号授予服务账号的 roles/iam.serviceAccountUser 角色。
```
gcloud iam service-accounts add-iam-policy-binding \
    SERVICE_ACCOUNT_ID@PROJECT_ID.iam.gserviceaccount.com \
    --member="user:USER_EMAIL" \
    --role="roles/iam.serviceAccountUser"
```
  替换以下值：
  - SERVICE_ACCOUNT_ID：服务账号的 ID。
  - PROJECT_ID：在其中创建您的服务账号的项目。
  - USER_EMAIL：以此服务账号身份运行流水线的用户的电子邮件地址。
如果您希望使用 Compute Engine 默认服务账号来运行流水线，请启用 Compute Engine API 并向您的默认服务账号授予对 Vertex AI 的访问权限。请注意，访问权限更改可能需要一段时间才能传播。如需了解详情，请参阅访问权限更改传播。
```
gcloud projects add-iam-policy-binding PROJECT_ID \
    --member="serviceAccount:PROJECT_NUMBER-compute@developer.gserviceaccount.com" \
    --role="roles/aiplatform.user"
```
替换以下值：
- PROJECT_ID：在其中创建您的默认服务账号的项目。
- PROJECT_NUMBER：创建默认服务账号的项目的编号。
Enable the API

为流水线工件配置 Cloud Storage 存储桶

Vertex AI Pipelines 使用 Cloud Storage 存储流水线运行的工件。按照以下说明创建 Cloud Storage 存储桶，并向您的服务账号（或 Compute Engine 默认服务账号）授予读取和写入该存储桶中的对象的权限。

运行以下命令，在要在其中运行流水线的区域中创建 Cloud Storage 存储分区。
```
gsutil mb -p PROJECT_ID -l BUCKET_LOCATION gs://BUCKET_NAME
```
替换以下值：
- PROJECT_ID：指定与您的存储分区关联的项目。
- BUCKET_LOCATION：指定存储分区的位置，例如 US-CENTRAL1。
- BUCKET_NAME：您要为存储分区指定的名称（须遵循命名要求）。例如 my-bucket。
详细了解如何创建 Cloud Storage 存储分区。
运行以下命令，向您的服务账号授予读写您在上一步创建的存储分区中的流水线工件的访问权限。
```
gsutil iam ch \
serviceAccount:SERVICE_ACCOUNT_ID@PROJECT_ID.iam.gserviceaccount.com:roles/storage.objectCreator,objectViewer \
gs://BUCKET_NAME
```
替换以下值：
- SERVICE_ACCOUNT_ID：服务账号的 ID。
- PROJECT_ID：在其中创建您的服务账号的项目。
- BUCKET_NAME：您要向服务账号授予其访问权限的存储分区的名称。
或者，如果您希望使用 Compute Engine 默认服务账号运行流水线，请运行 gcloud iam service-accounts list 命令来查找该账号的项目编号。
```
gcloud iam service-accounts list
```
Compute Engine 默认服务账号的名称如下：PROJECT_NUMBER-compute@developer.gserviceaccount.com

运行以下命令，向 Compute Engine 默认服务账号授予读取和写入您在上一步创建的存储桶中的流水线工件的权限。
```
gsutil iam ch \
serviceAccount:PROJECT_NUMBER-compute@developer.gserviceaccount.com:roles/storage.objectCreator,objectViewer \
gs://BUCKET_NAME
```
替换以下值：
- PROJECT_NUMBER：Compute Engine 默认服务账号的项目编号。
- BUCKET_NAME：您要向服务账号授予其访问权限的存储分区的名称。
详细了解如何控制对 Cloud Storage 存储分区的访问权限。

创建使用 CMEK 的元数据存储区（可选）

请按照以下说明创建 CMEK 并设置使用此 CMEK 的 Vertex ML Metadata 元数据存储区。

使用 Cloud Key Management Service 配置客户管理的加密密钥。

使用以下 REST 调用来创建使用 CMEK 的项目默认元数据存储。

在使用任何请求数据之前，请先进行以下替换：

LOCATION_ID：您的区域。
PROJECT_ID：您的项目 ID。
KEY_RING：加密密钥所在的 Cloud Key Management Service 密钥环的名称。
KEY_NAME：您要用于此元数据存储区的加密密钥的名称。

HTTP 方法和网址：

POST https://LOCATION_ID-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION_ID/metadataStores?metadata_store_id=default

请求 JSON 正文：

{
  "encryption_spec": {
    "kms_key_name": "projects/PROJECT_ID/locations/LOCATION_ID/keyRings/KEY_RING/cryptoKeys/KEY_NAME"
  },
}

如需发送您的请求，请展开以下选项之一：

curl（Linux、macOS 或 Cloud Shell）

注意：以下命令假定您已使用您的用户账号通过运行 gcloud init 或 gcloud auth login 登录 gcloud CLI，或者使用了 Cloud Shell，这会使您自动登录 gcloud CLI。您可以运行 gcloud auth list 来检查当前活跃的账号。

将请求正文保存在名为 request.json 的文件中。在终端中运行以下命令，在当前目录中创建或覆盖此文件：

cat > request.json << 'EOF'
{
  "encryption_spec": {
    "kms_key_name": "projects/PROJECT_ID/locations/LOCATION_ID/keyRings/KEY_RING/cryptoKeys/KEY_NAME"
  },
}
EOF

然后，执行以下命令以发送 REST 请求：

curl -X POST \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     -H "Content-Type: application/json; charset=utf-8" \
     -d @request.json \
     "https://LOCATION_ID-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION_ID/metadataStores?metadata_store_id=default"

PowerShell (Windows)

注意：以下命令假定您已使用您的用户账号通过运行 gcloud init 或 gcloud auth login 登录 gcloud CLI。您可以运行 gcloud auth list 来检查当前活跃的账号。

将请求正文保存在名为 request.json 的文件中。在终端中运行以下命令，在当前目录中创建或覆盖此文件：

@'
{
  "encryption_spec": {
    "kms_key_name": "projects/PROJECT_ID/locations/LOCATION_ID/keyRings/KEY_RING/cryptoKeys/KEY_NAME"
  },
}
'@  | Out-File -FilePath request.json -Encoding utf8

然后，执行以下命令以发送 REST 请求：

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
    -Method POST `
    -Headers $headers `
    -ContentType: "application/json; charset=utf-8" `
    -InFile request.json `
    -Uri "https://LOCATION_ID-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION_ID/metadataStores?metadata_store_id=default" | Select-Object -Expand Content

您应该收到类似以下内容的 JSON 响应：

{
  "name": "projects/PROJECT_ID/locations/LOCATION_ID/operations/OPERATIONS_ID",
  "metadata": {
    "@type": "type.googleapis.com/google.cloud.aiplatform.v1.CreateMetadataStoreOperationMetadata",
    "genericMetadata": {
      "createTime": "2021-05-18T18:47:14.494997Z",
      "updateTime": "2021-05-18T18:47:14.494997Z"
    }
  }
}