カスタムトレーニング用の NFS 共有をマウントする

コードが実行されるコンテナにネットワークファイルシステム（NFS）共有をマウントするように、カスタムトレーニングジョブを構成できます。これにより、ジョブがローカルに存在するかのようにリモートファイルにアクセスできるようになり、高スループットと低レイテンシが実現します。

このガイドでは、カスタムトレーニングジョブの実行時に NFS 共有をマウントする方法について説明します。

始める前に

Virtual Private Cloud（VPC）で NFS 共有を作成します。認証なしで共有できるようにする必要があります。

NFS 共有として Filestore インスタンスを使用できます。Filestore を使用している場合は、インスタンスの作成時に接続モードとして [プライベートサービスアクセス] を選択します。例については、Filestore ドキュメントのインスタンスを作成するをご覧ください。
VPC ネットワークピアリングの設定の手順に沿って、NFS 共有をホストする VPC と Vertex AI をピアリングします。

カスタムトレーニングの NFS 情報

NFS 共有をマウントするカスタムトレーニングジョブを作成する場合は、次のものを指定する必要があります。

Vertex AI がアクセスするネットワークの名前。ネットワーク名を指定する方法は、カスタムトレーニングジョブの種類によって異なります。詳細については、カスタムトレーニングを行うをご覧ください。

WorkerPoolSpec フィールドの NFS 構成。次のフィールドを含めます。

フィールド	説明
`nfsMounts.server`	NFS サーバーの IP アドレス。これは VPC 内のプライベートアドレスである必要があります。
`nfsMounts.path`	NFS 共有パス。`/` で始まる絶対パスを指定する必要があります。
`nfsMounts.mountPoint`	ローカルマウントポイント。有効な UNIX ディレクトリ名を指定してください。たとえば、ローカルマウントポイントが `sourceData` の場合、トレーニング VM インスタンスからのパス `/mnt/nfs/sourceData` を指定します。

詳細については、コンピューティングリソースを指定する場所をご覧ください。

例: gcloud CLI を使用してカスタムジョブを作成する

ビルド済みコンテナ用の Python トレーニングアプリケーションを作成するの手順に沿って、Vertex AI で実行するトレーニングアプリケーションを構築します。
トレーニングジョブのネットワークと NFS マウント設定を記述する config.yaml という名前のファイルを作成します。形式は次のようにします。
```
network: projects/PROJECT_NUMBER/global/networks/NETWORK_NAME
workerPoolSpecs:
    - machineSpec:
        machineType: MACHINE_TYPE
      replicaCount: 1
      pythonPackageSpec:
        executorImageUri: PYTHON_PACKAGE_EXECUTOR_IMAGE_URI or PRE_BUILT_CONTAINER_IMAGE_URI
        packageUris:
          -  PYTHON_PACKAGE_URIS
        pythonModule: PYTHON_MODULE
      nfsMounts:
        - server: NFS_SERVER_IP
          path: NFS_SHARE_NAME
          mountPoint: LOCAL_FOLDER
```
次のように置き換えます。
- PROJECT_NUMBER: Google Cloud プロジェクトのプロジェクト ID。
- NETWORK_NAME: プライベート VPC または共有 VPC の名前。
- MACHINE_TYPE: 仮想マシンタイプの ID。
- PYTHON_PACKAGE_EXECUTOR_IMAGE_URI or PRE_BUILT_CONTAINER_IMAGE_URI: 提供された Python パッケージを実行する Artifact Registry のコンテナイメージの URI。Vertex AI では、さまざまなユースケースに対応するため、プリインストールされたパッケージを含むさまざまなエグゼキュータイメージが用意されています。
- PYTHON_PACKAGE_URIS: トレーニングプログラムとその依存パッケージを構成する Python パッケージファイルを指定する Cloud Storage URI のカンマ区切りのリスト。パッケージの URI は最大 100 個。
- PYTHON_MODULE: パッケージのインストール後に実行される Python モジュール名。
- NFS_SERVER_IP: NFS サーバーの IP アドレス。
- NFS_SHARE_NAME: NFS 共有パス。/ で始まる絶対パスです。
- LOCAL_FOLDER: ローカルマウントポイント（UNIX ディレクトリ名）。
ネットワーク名が正しくフォーマットされ、指定したネットワークに NFS 共有が存在することを確認します。
カスタムジョブを作成し、config.yaml ファイルを --config パラメータに渡します。
```
gcloud ai custom-jobs create \
  --region=LOCATION \
  --display-name=JOB_NAME \
  --config=config.yaml
```
次のように置き換えます。
- LOCATION: ジョブを作成するリージョンを指定します。
- JOB_NAME: カスタムジョブの名前。

制限事項

VPC 内部の IP アドレスを使用して NFS 共有をマウントする必要があります。公開 URL の使用は許可されていません。
トレーニングジョブは、認証なしで NFS 共有をマウントします。ユーザー名とパスワードが必要な場合、NFS 共有は失敗します。

データを保護するには、NFS 共有の権限を設定します。Filestore を使用している場合は、Filestore ドキュメントのアクセス制御をご覧ください。
異なる VPC ネットワークから NFS 共有を同時にマウントする 2 つのトレーニングジョブを実行することはできません。これは、ネットワークピアリングに関する制限によるものです。

カスタム トレーニング用の NFS 共有をマウントする

始める前に

カスタム トレーニングの NFS 情報

例: gcloud CLI を使用してカスタムジョブを作成する

制限事項

カスタムトレーニング用の NFS 共有をマウントする

カスタムトレーニングの NFS 情報