Gérer les caractéristiques par le biais des métadonnées

Cette page explique comment gérer certaines caractéristiques de l'instance Vertex AI Workbench en modifiant les paires clé/valeur des métadonnées de l'instance.

Clés de métadonnées

Pour en savoir plus sur les caractéristiques et leurs clés de métadonnées respectives, consultez le tableau suivant.

Caractéristique	Description	Clé de métadonnée	Valeurs acceptées et valeurs par défaut
Active Cloud Storage FUSE sur une image de conteneur	Installe `/dev/fuse` sur le conteneur et active `gcsfuse` pour une utilisation sur le conteneur.	`container-allow-fuse`	`true` : active Cloud Storage FUSE. `false` (par défaut) : n'active pas Cloud Storage FUSE.
nbconvert	Vous permet d'exporter et de télécharger des notebooks sous un format de fichier différent.	`notebook-disable-nbconvert`	`true` : désactive nbconvert. `false` (par défaut) : active nbconvert.
Déplacer vers la corbeille	Utilise le comportement de la corbeille du système d'exploitation lors de la suppression depuis JupyterLab.	`notebook-enable-delete-to-trash`	`true` : active la suppression vers la corbeille. `false` (par défaut) : utilise le comportement de JupyterLab par défaut.
Dataproc	Permet d'accéder aux kernels Dataproc. Pour en savoir plus, consultez Créer une instance exploitant Dataproc.	`disable-mixer`	`true` : désactive l'accès aux kernels Dataproc. `false` (par défaut) : active l'accès aux kernels Dataproc.
Arrêt en cas d'inactivité	Active l'arrêt en cas d'inactivité. Pour en savoir plus, consultez Arrêt en cas d'inactivité.	`idle-timeout-seconds`	Entier représentant la durée d'inactivité en secondes. La valeur par défaut est de `10800` secondes (180 minutes).
Attributs d'invité	Active les attributs d'invité. Obligatoire pour exécuter l'arrêt en cas d'inactivité. Pour en savoir plus, consultez Exigences pour exécuter l'arrêt en cas d'inactivité.	`enable-guest-attributes`	`true` (par défaut) : active les attributs d'invité. `false` : désactive les attributs d'invité.
Correctifs d'OS planifiés	Planifie les mises à jour automatiques d'OS de l'instance. Cela active le service de mise à niveau sans surveillance de Debian et ne s'applique qu'aux images basées sur des VM.	`install-unattended-upgrades`	`true` : active les mises à jour automatiques de l'OS. `false` (par défaut) : désactive les mises à jour automatiques de l'OS.
Utilisateur Jupyter personnalisé	Spécifie le nom de l'utilisateur Jupyter par défaut. Ce paramètre détermine le nom du dossier pour vos notebooks. Par exemple, au lieu du répertoire `/home/jupyter/` par défaut, vous pouvez le remplacer par `/home/CUSTOM_NAME`. Cette clé de métadonnée n'affecte pas l'accès à l'instance.	`jupyter-user`	Chaîne. La valeur par défaut est `jupyter`.
Téléchargement de fichiers	Vous permet de télécharger des fichiers à partir de JupyterLab.	`notebook-disable-downloads`	`true` : désactive le téléchargement de fichiers. `false` (par défaut) : active le téléchargement de fichiers.
Accès root	Active l'accès root.	`notebook-disable-root`	`true` : désactive l'accès root. `false` (par défaut) : active l'accès root.
Accès au terminal	Active l'accès au terminal.	`notebook-disable-terminal`	`true` : désactive l'accès au terminal. `false` (par défaut) : active l'accès au terminal.
Mises à niveau planifiées	Planifie les mises à niveau automatiques de l'instance.	`notebook-upgrade-schedule`	Programmation hebdomadaire ou mensuelle que vous définissez, au format unix-cron. Par exemple, `00 19 * * MON` signifie toutes les semaines, le lundi à 19 h GMT (heure du méridien de Greenwich). Cette caractéristique est désactivée par défaut.
Script post-démarrage	Exécute un script personnalisé après le démarrage.	`post-startup-script`	URI d'un script post-démarrage dans Cloud Storage, par exemple : `gs://bucket/hello.sh`. Cette caractéristique est désactivée par défaut.
Comportement du script post-démarrage	Définit quand et comment le script post-démarrage s'exécute.	`post-startup-script-behavior`	`run_once` (par défaut) : exécute le script post-démarrage une fois après la création ou la mise à niveau de l'instance. `run_every_start` : exécute le script post-démarrage après chaque démarrage. `download_and_run_every_start` : télécharge à nouveau le script post-démarrage à partir de sa source, puis l'exécute après chaque démarrage.
Signaler l'état des événements	Vérifie l'état toutes les 30 secondes pour les métriques de VM.	`report-event-health`	`true` (par défaut) : active les rapports sur l'état des événements. `false` : désactive les rapports sur l'état des événements.
Activer la preview de JupyterLab 4	Active JupyterLab 4 (Preview) sur votre instance. Pour en savoir plus, consultez la preview de JupyterLab 4.	`enable-jupyterlab4-preview`	`true` : active JupyterLab 4. `false` (par défaut) : active JupyterLab 3.

Métadonnées gérées par Compute Engine

Certaines des clés de métadonnées sont prédéfinies par Compute Engine. Pour en savoir plus, consultez Clés de métadonnées prédéfinies.

Clés de métadonnées protégées

Certaines clés de métadonnées sont exclusivement réservées au système. Si vous attribuez des valeurs à ces clés de métadonnées, les nouvelles valeurs seront remplacées par les valeurs système.

Les clés de métadonnées réservées incluent, sans s'y limiter :

data-disk-uri
enable-oslogin
framework
notebooks-api
notebooks-api-version
nvidia-driver-gcs-path
proxy-url
restriction
shutdown-script
title
version

Créer une instance avec des métadonnées spécifiques

Vous pouvez créer une instance Vertex AI Workbench avec des métadonnées spécifiques à l'aide de la console Google Cloud , de Google Cloud CLI, de Terraform ou de l'API Notebooks.

Console

Lorsque vous créez une instance Vertex AI Workbench, vous pouvez ajouter des métadonnées dans la section Environnement des Options avancées.

Bouton "Ajouter des métadonnées" dans la section "Environnement"

gcloud

Lorsque vous créez une instance Vertex AI Workbench, vous pouvez ajouter des métadonnées à l'aide de la commande suivante :

gcloud workbench instances create INSTANCE_NAME --metadata=KEY=VALUE

Terraform

Pour ajouter des métadonnées, créez la ressource avec des paires clé/valeur de métadonnées.

Pour savoir comment appliquer ou supprimer une configuration Terraform, consultez Commandes Terraform de base.

resource "google_workbench_instance" "default" {
  name     = "workbench-instance-example"
  location = "us-central1-a"

  gce_setup {
    machine_type = "n1-standard-1"
    vm_image {
      project = "cloud-notebooks-managed"
      family  = "workbench-instances"
    }
    metadata = {
      key = "value"
    }
  }
}

API Notebooks

Utilisez la méthode instances.create avec des valeurs de métadonnées pour gérer les caractéristiques correspondantes.

Mettre à jour les métadonnées d'une instance

Vous pouvez mettre à jour les métadonnées d'une instance Vertex AI Workbench à l'aide de la console Google Cloud , de Google Cloud CLI, de Terraform ou de l'API Notebooks.

Console

Pour mettre à jour les métadonnées d'une instance Vertex AI Workbench, procédez comme suit :

Dans la console Google Cloud , accédez à la page Instances.

Accéder à "Instances"
Dans la liste des instances, cliquez sur le nom de celle que vous souhaitez mettre à jour.
Sur la page Détails de l'instance, cliquez sur Logiciel et sécurité.
Dans la section Métadonnées, mettez à jour les paires clé/valeur des métadonnées que vous souhaitez modifier.
Cliquez sur Envoyer.

gcloud

Vous pouvez mettre à jour les métadonnées sur une instance Vertex AI Workbench à l'aide de la commande suivante :

gcloud workbench instances update INSTANCE_NAME --metadata=KEY=VALUE

Terraform

Vous pouvez modifier les paires clé/valeur des métadonnées pour gérer les caractéristiques correspondantes sur les instances Vertex AI Workbench.

Pour savoir comment appliquer ou supprimer une configuration Terraform, consultez Commandes Terraform de base.

resource "google_workbench_instance" "default" {
  name     = "workbench-instance-example"
  location = "us-central1-a"

  gce_setup {
    machine_type = "n1-standard-1"
    vm_image {
      project = "cloud-notebooks-managed"
      family  = "workbench-instances"
    }
    metadata = {
      key = "updated_value"
    }
  }
}

API Notebooks

Utilisez la méthode instances.patch avec des valeurs de métadonnées et gce_setup.metadata dans updateMask pour gérer les caractéristiques correspondantes.

Supprimer les métadonnées d'une instance

Vous pouvez supprimer les métadonnées d'une instance Vertex AI Workbench à l'aide de la console Google Cloud , de Google Cloud CLI, de Terraform ou de l'API Notebooks.

Console

Pour supprimer des métadonnées d'une instance Vertex AI Workbench, procédez comme suit :

Dans la console Google Cloud , accédez à la page Instances.

Accéder à "Instances"
Dans la liste des instances, cliquez sur le nom de celle que vous souhaitez modifier.
Sur la page Détails de l'instance, cliquez sur Logiciel et sécurité.
Dans la section Métadonnées, à droite d'une paire clé/valeur que vous souhaitez supprimer, cliquez sur Supprimer.
Cliquez sur Envoyer.

gcloud

Vous pouvez supprimer les métadonnées d'une instance Vertex AI Workbench à l'aide de la commande suivante :

gcloud workbench instances update INSTANCE_NAME --metadata=KEY

Terraform

Vous pouvez supprimer des paires clé/valeur des métadonnées pour gérer les caractéristiques correspondantes d'une instance Vertex AI Workbench.

Pour savoir comment appliquer ou supprimer une configuration Terraform, consultez Commandes Terraform de base.

resource "google_workbench_instance" "default" {
  name     = "workbench-instance-example"
  location = "us-central1-a"

  gce_setup {
    machine_type = "n1-standard-1"
    vm_image {
      project = "cloud-notebooks-managed"
      family  = "workbench-instances"
    }
    metadata = {
    }
  }
}

API Notebooks

Utilisez la méthode instances.patch avec la valeur de métadonnée définie sur une chaîne vide et gce_setup.metadata dans updateMask pour supprimer la caractéristique correspondante.