Ray on Vertex AI を使用する前に、次の手順に沿って Google プロジェクト、Vertex AI SDK for Python、VPC ピアリング ネットワークを設定します。
プロジェクトと開発環境を設定するの手順に沿って、プロジェクトの課金情報を設定し、Vertex AI API を有効にして、gcloud CLI をインストールします。
Compute Engine API と Service Networking API をまだ有効にしていない場合は、有効にします。
前提条件: オープンソースの Ray を使用してプログラムを開発する方法を理解している必要があります。
Vertex AI にアクセスするための VPC ピアリング ネットワークとプライベート サービス接続を設定します。Vertex AI SDK for Python を使用して Ray クラスタのヘッドノードに接続するには、接続環境（Compute Engine VM や Vertex AI Workbench ノートブックなど）が、クラスタと同じピアリングされた VPC ネットワークに存在する必要があります。
- Google Cloud コンソールで Ray on Vertex AI を使用する場合は、Vertex AI で Ray クラスタを作成するときにプライベート サービス アクセス接続を設定できます。
ここで使用する Ray on Vertex AI SDK for Python は、Ray Client、Ray BigQuery コネクタ、Vertex AI での Ray クラスタ管理、Vertex AI での予測の機能が含まれているバージョンの Vertex AI SDK for Python です。
Google Cloud コンソールで Ray on Vertex AI を使用する場合は、Ray クラスタを作成した後、Colab Enterprise ノートブックの指示に従って Vertex AI SDK for Python のインストール プロセスを完了します。
Vertex AI Workbench や他のインタラクティブな Python 環境で Ray on Vertex AI を使用する場合は、次のようにして Vertex AI SDK for Python をインストールします。
# 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]
SDK をインストールした後、カーネルを再起動してからパッケージをインポートします。
Vertex AI 上の Ray クラスタでスケールアップできるノードの最大合計数（
M）は、設定したノードの初期合計数（N）によって異なります。Ray on Vertex AI クラスタを作成したら、ノードの合計数をPからMまでの任意の数にスケーリングできます。ここで、Pはクラスタ内のプール数です。仮に
f(x) = min(29, (32 - ceiling(log2(x)))の場合、ノードの最大数（M）を超えないように次の数式を使用します。f(2 * M) = f(2 * N)f(64 * M) = f(64 * N)f(max(32, 16 + M)) = f(max(32, 16 + N))
（省略可）BigQuery から読み取る場合は、新しい BigQuery データセットを作成するか、既存のデータセットを使用する必要があります。
（省略可）Vertex AI からのデータ漏洩のリスクを軽減するには、VPC Service Controls を有効にします。詳細については、Vertex AI を使用した VPC Service Controls をご覧ください。
VPC Service Controls を有効にすると、境界外のリソース（Cloud Storage バケット内のファイルなど）にアクセスできなくなります。
サポートされているロケーション
Ray on Vertex AI で使用可能なロケーションについては、カスタム モデル トレーニングの特徴の可用性の表をご覧ください。