Configura per Ray su Vertex AI

Prima di iniziare a utilizzare Ray su Vertex AI, segui i passaggi per configurare il tuo progetto Google e l'SDK Vertex AI per Python:

  1. Segui i passaggi in Configurare un progetto e un ambiente di sviluppo per configurare la fatturazione per il progetto, installare l'interfaccia a riga di comando gcloud e abilitare l'API Vertex AI.

    Abilita l'API Vertex AI

  2. Prerequisito: devi sapere come sviluppare programmi utilizzando Ray open source.

  3. L'SDK Ray on Vertex AI per Python utilizzato qui è una versione dell'SDK Vertex AI per Python che include la funzionalità del client Ray, il connettore Ray BigQuery, la gestione del cluster Ray su Vertex AI e le previsioni su Vertex AI.

    • Se utilizzi Ray su Vertex AI nella console Google Cloud, un blocco note Colab Enterprise ti guiderà nel processo di installazione dell'SDK Vertex AI per Python dopo aver creato un cluster Ray.

    • Se utilizzi Ray su Vertex AI in Vertex AI Workbench o in un altro ambiente Python interattivo, installa l'SDK Vertex AI per Python:

      # The latest image in the Ray cluster includes Ray 2.9
# The latest supported Python version is Python 3.10.
$ pip install google-cloud-aiplatform[ray]

      Dopo aver installato l'SDK, riavvia il kernel prima di importare i pacchetti.

  4. (Facoltativo) Se prevedi di leggere da BigQuery, devi creare un nuovo set di dati BigQuery o utilizzarne uno esistente.

  5. (Facoltativo) Per ridurre il rischio di esfiltrazione di dati da Vertex AI, puoi abilitare Controlli di servizio VPC e specificare una rete VPC quando crei un cluster. Per ulteriori informazioni, consulta Controlli di servizio VPC con Vertex AI.

    Se abiliti Controlli di servizio VPC, non potrai raggiungere le risorse all'esterno del perimetro, ad esempio i file in un bucket Cloud Storage.

  6. (Facoltativo) Per utilizzare un'immagine container personalizzata, ospitala su Artifact Registry. Un'immagine personalizzata consente di aggiungere dipendenze Python che non sono incluse nelle immagini container predefinite. Per creare immagini personalizzate, consulta la sezione su come pacchettizzare il software nella documentazione di Docker.

  7. (Facoltativo) Se specifichi una rete VPC durante la creazione di un cluster Ray su Vertex AI, ti consigliamo di avere una rete VPC in modalità automatica nel progetto. Potresti riscontrare problemi se utilizzi una rete VPC in modalità personalizzata o più reti VPC per creare cluster nello stesso progetto.

Proteggi i cluster

Segui le best practice e linee guida di Ray, tra cui l'esecuzione di codice attendibile su reti attendibili, per proteggere i tuoi carichi di lavoro Ray. Il deployment di ray.io nelle tue istanze cloud rientra nel modello di responsabilità condivisa.

Per ulteriori informazioni sulle best practice di Google Cloud, consulta il Bollettino sulla sicurezza di Google Cloud 2024-020.

Località supportate

La tabella Disponibilità delle funzionalità per l'addestramento di modelli personalizzati elenca le località disponibili per Ray su Vertex AI.

Passaggi successivi