Etichettatura delle risorse di Vertex AI Pipelines

A seconda del tipo di componente, della risorsa e della versione dell'SDK Google Cloud Pipeline Componenti, Vertex AI Pipelines propaga automaticamente le etichette dall'esecuzione della pipeline alle risorse generate dai componenti di Google Cloud Pipelines o richiede che tu etichetta le risorse generate. Per i componenti definiti dall'utente, devi creare il codice del componente per associare le etichette da una variabile di ambiente. Per saperne di più, consulta Risorse generate da componenti definiti dall'utente.

Risorse con etichettatura automatica

Vertex AI Pipelines etichetta automaticamente le seguenti risorse, indipendentemente dalla versione dell'SDK Google Cloud Pipeline Componenti:

CustomJob risorse

Vertex AI Pipelines propaga automaticamente le etichette dall'esecuzione della pipeline alle risorse CustomJob. Questa operazione è supportata dai componenti seguenti in tutte le versioni dell'SDK Google Cloud Pipeline Componenti:

Risorse con etichettatura automatica nell'SDK Google Cloud Pipeline Componenti versione 1.0.31 o successive

Vertex AI Pipelines etichetta automaticamente le seguenti risorse se utilizzi l'SDK Google Cloud Pipeline Componenti v1.0.31 o successive:

BatchPredictionJob risorse

Vertex AI Pipelines propaga automaticamente le etichette dall'esecuzione della pipeline alle BatchPredictionJob risorse generate dal componente ModelBatchPredictOp se utilizzi la versione 1.0.31 o successiva dell'SDK Google Cloud Pipeline Componenti.

Risorse endpoint di Vertex AI

Vertex AI Pipelines propaga automaticamente le etichette dall'esecuzione della pipeline alle risorse endpoint di Vertex AI generate dal componente EndpointCreateOp se utilizzi la versione 1.0.31 o successiva dell'SDK Google Cloud Pipeline Componenti.

HyperparameterTuningJob risorse

Vertex AI Pipelines propaga automaticamente le etichette dall'esecuzione della pipeline alle HyperparameterTuningJob risorse generate dal componente HyperparameterTuningJobRunOp se utilizzi la versione 1.0.31 o successiva dell'SDK Google Cloud Pipeline Componenti.

Risorse set di dati Vertex AI

Vertex AI Pipelines propaga automaticamente le etichette dall'esecuzione della pipeline alle risorse del set di dati Vertex AI generate dai seguenti componenti Vertex AI se utilizzi la versione 1.0.31 o successiva dell'SDK Google Cloud Pipeline Componenti:

Risorse dei job BigQuery di Google Cloud

Vertex AI Pipelines propaga automaticamente le etichette dall'esecuzione della pipeline alle risorse delle risorse del job Google Cloud BigQuery generate da qualsiasi componente BigQuery ML se utilizzi la versione 1.0.31 o successiva dell'SDK Google Cloud Pipeline Componenti.

Risorse del job Google Cloud Dataproc

Vertex AI Pipelines propaga automaticamente le etichette dall'esecuzione della pipeline alle risorse delle risorse del job Google Cloud Dataproc generate da qualsiasi componente Dataproc Serverless se utilizzi la versione 1.0.31 o successiva dell'SDK Google Cloud Pipeline Componenti.

TrainingPipeline e Model risorse

Vertex AI Pipelines propaga automaticamente le etichette dall'esecuzione della pipeline alle risorse TrainingPipeline e Model generate dai seguenti componenti AutoML se utilizzi la versione 1.0.31 o successiva dell'SDK Google Cloud Pipeline Componenti:

Risorse della tabella BigQuery di Google Cloud

Vertex AI Pipelines propaga automaticamente le etichette dall'esecuzione della pipeline delle risorse delle risorse della tabella Google Cloud BigQuery generate dal componente ForecastingPreprocessingOp se utilizzi la versione 1.0.31 o successiva dell'SDK Google Cloud Pipeline Componenti.

Risorse senza etichettatura automatica

Vertex AI Pipelines non etichetta automaticamente le seguenti risorse, indipendentemente dalla versione dell'SDK Google Cloud Pipeline Componenti:

Risorse Google Cloud Dataflow

Vertex AI Pipelines non etichetta automaticamente le risorse Dataflow generate dal componente DataflowPythonJobOp. Puoi includere istruzioni nel codice per etichettare le risorse.

Utilizza il seguente esempio di codice per propagare le etichette di fatturazione dall'esecuzione della pipeline a qualsiasi risorsa Google Cloud Dataflow generata mediante il componente DataflowPythonJobOp:

  import argparse
  import apache_beam as beam
  ...
  def run(argv=None):
    parser = argparse.ArgumentParser()
    # Don't add `--labels` to the argument list, so that they will be passed to the pipeline_options 
    parser.add_argument('--input', …)
    parser.add_argument('--output', …)
  ...
    known_args, pipeline_args = parser.parse_known_args(argv)
    pipeline_options = PipelineOptions(pipeline_args)
    with beam.Pipeline(options=pipeline_options) as p:

Risorse generate da componenti definiti dall'utente

Vertex AI Pipelines non etichetta automaticamente le risorse Google Cloud generate da componenti definiti dall'utente. Puoi includere nel codice istruzioni per recuperare le etichette dalla variabile di ambiente VERTEX_AI_PIPELINES_RUN_LABELS e collegarle alle risorse Google Cloud generate utilizzando il componente in fase di runtime.

La variabile di ambiente VERTEX_AI_PIPELINE_RUN_LABELS contiene le etichette in formato JSON sotto forma di coppie chiave-valore.

Ad esempio: { "label1_key": "label1_value", "label2_key": "label2_value", ...}

Se usi l'SDK Vertex AI per Python, utilizza il seguente esempio di codice nel codice del componente per propagare le etichette dalla variabile di ambiente a una nuova risorsa generata dal componente:

import os
import json
from google.cloud import aiplatform

aiplatform.init(
  project='PROJECT_ID',
  location='LOCATION'
)

aiplatform.RESOURCE.create(
  ...
  json.loads(os.getenv("VERTEX_AI_PIPELINES_RUN_LABELS"))
)

Sostituisci quanto segue:

  • PROJECT_ID: il progetto Google Cloud in cui viene eseguita questa pipeline.

  • LOCATION: la località o la regione in cui viene eseguita la pipeline.

  • RESOURCE: risorsa Google Cloud generata dal componente, ad esempio CustomJob o Model.

Puoi anche usare l'utilità gcp_labels_util.attach_system_labels se vuoi usare Python per analizzare la variabile di ambiente. Puoi utilizzare questa utilità solo se hai accesso alla libreria dei componenti di pipeline di Google Cloud e utilizzi Python. Per maggiori informazioni, consulta il codice sorgente della funzione di utilità in GitHub.

Risorse senza supporto per l'etichettatura

Vertex AI Pipelines non supporta la propagazione delle etichette di fatturazione nelle seguenti risorse:

Risorse dei metadati ML

Le risorse dei metadati ML vengono fatturate a livello di negozio. Non puoi utilizzare le etichette di fatturazione per comprendere il costo a livello di risorsa.

Risorse di Cloud Storage

Vertex AI Pipelines non propaga le etichette di fatturazione alle risorse Cloud Storage, come i bucket Cloud Storage.

Passaggi successivi