Planifier une exécution de notebook

Planifier une exécution de notebook

Cette page explique comment utiliser l'exécuteur Vertex AI Workbench pour exécuter un fichier notebook Python à intervalles réguliers.

Avant de commencer

1. 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.

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

   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

   Go to project selector

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

4. Enable the Notebooks and Vertex AI APIs.

   Enable the APIs

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

   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

   Go to project selector

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

7. Enable the Notebooks and Vertex AI APIs.

   Enable the APIs

Rôles requis

Pour vous assurer que le compte de service de votre instance dispose des autorisations nécessaires pour interagir avec l'exécuteur Vertex AI Workbench, demandez à votre administrateur d'accorder au compte de service de votre instance le rôle IAM Lecteur de Notebooks (roles/notebooks.viewer) sur le projet. Pour en savoir plus sur l'attribution de rôles, consultez la page Gérer l'accès aux projets, aux dossiers et aux organisations.

Ce rôle prédéfini contient les autorisations requises pour interagir avec l'exécuteur Vertex AI Workbench. Pour connaître les autorisations exactes requises, développez la section Autorisations requises :

Autorisations requises

Les autorisations suivantes sont requises pour interagir avec l'exécuteur Vertex AI Workbench :

• Pour répertorier les exécutions, procédez comme suit : notebooks.executions.list

Il est possible que votre administrateur puisse également attribuer ces autorisations au compte de service de votre instance avec des rôles personnalisés ou d'autres rôles prédéfinis.

Créer une instance et exemple de fichier notebook

1. Créez une instance.

2. Ouvrez JupyterLab.

3. Ouvrez un nouveau fichier notebook.

4. Dans la première cellule du fichier notebook, saisissez ce qui suit :

   # Import datetime
   import datetime
   
   # Get the time and print it
   datetime.datetime.now()
   print(datetime.datetime.now())

5. Pour vous assurer que votre fichier notebook est enregistré, sélectionnez Fichier > Enregistrer le notebook.

Planifier une exécution

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

   Accéder à la page "Instances"

2. En regard du nom de l'instance, cliquez sur Ouvrir JupyterLab.

   Votre instance Vertex AI Workbench ouvre JupyterLab.

3. Dans l'explorateur de fichiers , double-cliquez sur l'exemple de fichier notebook pour l'ouvrir.

4. Cliquez sur le bouton  Exécuter.

5. Dans le champ Type de la boîte de dialogue Envoyer les notebooks à l'exécuteur, sélectionnez Exécutions récurrentes basées sur la planification.

   Par défaut, l'exécuteur exécute votre fichier notebook toutes les heures à la minute 00 de l'heure.

6. Dans Options avancées, saisissez un nom pour votre bucket dans le champ Bucket Cloud Storage, puis cliquez sur Créer et sélectionner. L'exécuteur stocke la sortie de votre notebook dans ce bucket Cloud Storage.

7. Cliquez sur Envoyer.

   Votre fichier notebook s'exécute automatiquement selon la planification que vous avez définie.

Remarque : Si votre instance est arrêtée, l'exécuteur continue d'exécuter votre fichier notebook selon la planification définie.

Une fois que vous avez terminé les tâches décrites dans ce document, vous pouvez éviter de continuer à payer des frais en supprimant les ressources que vous avez créées. Pour en savoir plus, consultez la section Effectuer un nettoyage.

Afficher, partager et importer un fichier notebook exécuté

L'interface JupyterLab de votre instance vous permet d'afficher les résultats de votre notebook, de les partager avec d'autres utilisateurs et d'importer le fichier du notebook exécuté dans JupyterLab.

Remarque : Pour afficher et partager les résultats des exécutions à l'aide de la console Google Cloud, sur la page Exécutions, cliquez sur Afficher le résultat.

Afficher les résultats d'exécution

1. Dans le menu de navigation de JupyterLab, cliquez sur le bouton  Exécuteur de notebooks.

2. Cliquez sur l'onglet Exécutions.

3. Sous l'exécution que vous souhaitez afficher, cliquez sur Afficher le résultat.

   L'exécuteur ouvre votre résultat dans un nouvel onglet du navigateur.

Partager les résultats d'exécution

1. Dans l'interface utilisateur JupyterLab de votre instance, cliquez sur le bouton  Exécuteur de notebooks dans le menu de navigation.

2. Cliquez sur l'onglet Exécutions.

3. À côté de l'exécution que vous souhaitez partager, cliquez sur le menu des options , puis sélectionnez Partager le résultat de l'exécution.

4. Suivez les instructions de la boîte de dialogue pour autoriser les utilisateurs à accéder au résultat d'exécution.

Importer le notebook exécuté dans JupyterLab

1. Dans l'interface utilisateur JupyterLab de votre instance, cliquez sur le bouton  Exécuteur de notebooks dans le menu de navigation.

2. Cliquez sur l'onglet Exécutions.

3. À côté de l'exécution que vous souhaitez importer, cliquez sur le menu des options , puis sélectionnez Importer le notebook exécuté.

4. Si la boîte de dialogue Sélectionner le noyau s'affiche, sélectionnez le noyau auquel vous souhaitez ouvrir le notebook.

   L'exécuteur ouvre le fichier notebook exécuté dans JupyterLab et le stocke dans l'explorateur de fichiers JupyterLab dans un dossier nommé imported_notebook_jobs.

Afficher ou supprimer une planification

Vous pouvez afficher et supprimer des planifications à l'aide de la console Google Cloud ou de l'interface utilisateur JupyterLab de votre instance.

Afficher une planification

Affichez une planification pour afficher ses paramètres de fréquence ou pour afficher les cinq résultats les plus récents de l'exécution du fichier de notebook.

Console

1. Dans la console Google Cloud, accédez à la page Planifications.

   Accéder aux planifications

2. Pour la planification que vous souhaitez afficher, cliquez sur son nom.

   Sur la page Détails de la planification, vous pouvez afficher les cinq dernières exécutions de la planification.

3. À côté d'un nom d'exécution, cliquez sur Afficher le résultat pour ouvrir le fichier notebook exécuté.

   L'exécuteur ouvre votre résultat dans un nouvel onglet du navigateur.

JupyterLab

1. Dans l'interface utilisateur JupyterLab de votre instance, cliquez sur le bouton  Exécuteur de notebooks dans le menu de navigation.

2. Cliquez sur l'onglet Planifications.

3. Sous l'exécution que vous souhaitez afficher, cliquez sur Afficher le résultat de la dernière exécution.

   L'exécuteur ouvre votre résultat dans un nouvel onglet du navigateur.

Supprimer une programmation

La suppression d'une planification ne supprime pas les exécutions générées à partir de celle-ci.

Console

1. Dans la console Google Cloud, accédez à la page Planifications.

   Accéder aux planifications

2. Sélectionnez la planification que vous souhaitez supprimer.

3. Cliquez sur  Supprimer.

JupyterLab

1. Dans l'interface utilisateur JupyterLab de votre instance, cliquez sur le bouton  Exécuteur de notebooks dans le menu de navigation.

2. Cliquez sur l'onglet Planifications.

3. Cliquez sur le nom de la planification. La page Détails de la planification s'ouvre dans la console Google Cloud.

4. Cliquez sur  Supprimer.

Effectuer un nettoyage

Pour éviter que les ressources utilisées sur cette page soient facturées sur votre compte Google Cloud, procédez comme suit :

Supprimer l'instance

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

   Accéder à la page "Instances"

2. Sélectionnez l'instance que vous souhaitez supprimer.

3. Cliquez sur  Supprimer.

Supprimer le projet

Si vous avez utilisé des ressources en dehors de votre instance Vertex AI Workbench, telles que le bucket Cloud Storage requis pour créer une planification, vous pouvez supprimer votre projet afin d'éviter que des frais supplémentaires ne soient facturés.

Attention : La suppression d'un projet entraîne les effets décrits ci-dessous :

• Tout le contenu du projet est supprimé. Si vous avez utilisé un projet existant pour les tâches décrites dans ce document et que vous le supprimez, vous supprimerez également tout autre travail effectué dans le projet.
• Les ID de projets personnalisés sont perdus. Lorsque vous avez créé ce projet, vous avez peut-être créé un ID de projet personnalisé que vous souhaitez utiliser à l'avenir. Pour conserver les URL qui utilisent l'ID de projet, telle qu'une URL appspot.com, supprimez les ressources sélectionnées dans le projet au lieu de supprimer l'ensemble du projet.

Si vous envisagez d'explorer plusieurs architectures, tutoriels et guides de démarrage rapide, réutiliser des projets peut vous aider à ne pas dépasser les limites de quotas des projets.

1. In the Google Cloud console, go to the Manage resources page.

   Go to Manage resources

2. In the project list, select the project that you want to delete, and then click Delete.
3. In the dialog, type the project ID, and then click Shut down to delete the project.

Étapes suivantes

Pour voir un exemple de planification de notebook pour une exécution dans le cadre d'un workflow plus complet, exécutez le notebook Jupyter "Entraîner un modèle de classification à classes multiples pour le ciblage d'annonces" dans l'un des environnements suivants :

Ouvrir dans Colab | Ouvrir dans Colab Enterprise | Ouvrir dans les notebooks gérés par l'utilisateur Vertex AI Workbench | Afficher sur GitHub