Google verwendet KI-Technologie, um Inhalte in Ihre bevorzugte Sprache zu übersetzen. KI-Übersetzungen können Fehler enthalten.

Notebook-Daten sichern und wiederherstellen

Mit Google Distributed Cloud (GDC) air-gapped können Sie Sicherungen erstellen und Daten aus dem Home-Verzeichnis Ihrer JupyterLab-Instanzen wiederherstellen.

Auf dieser Seite wird beschrieben, wie Sie Sicherungen von Vertex AI Workbench-Notebookdaten erstellen und wiederherstellen. Wenn Sie Vertex AI noch nicht kennen, finden Sie weitere Informationen unter Vertex AI Workbench.

Hinweis

Bitten Sie Ihren IAM-Administrator der Organisation, Ihnen die Rolle „User Cluster Developer“ (user-cluster-developer) zuzuweisen, damit Sie die Berechtigungen zum Kopieren wiederhergestellter Daten erhalten.

Sicherung erstellen und Daten der JupyterLab-Instanz wiederherstellen

Definieren Sie geschützte Anwendungen, um eine Sicherung des Home-Verzeichnisses einer einzelnen JupyterLab-Instanz oder der Home-Verzeichnisse aller JupyterLab-Instanzen in einem Projekt gleichzeitig zu erstellen.

Erstellen Sie eine benutzerdefinierte Ressource ProtectedApplication in dem Cluster, in dem Sie Sicherungen planen möchten. In Sicherungs- und Wiederherstellungsplänen werden geschützte Anwendungen verwendet, um Ressourcen auszuwählen. Informationen zum Erstellen geschützter Anwendungen finden Sie unter Strategien für geschützte Anwendungen.

Die benutzerdefinierte Ressource ProtectedApplication enthält die folgenden Felder:

Feld				Beschreibung
`resourceSelection`				Die Art und Weise, wie das `ProtectedApplication`-Objekt Ressourcen für Sicherungen oder Wiederherstellungen auswählt.
	`type`			Die Methode zum Auswählen von Ressourcen. Der Typ `Selector` gibt an, dass Ressourcen mit übereinstimmenden Labels ausgewählt werden müssen.
	`selector`			Die Auswahlregeln. Dieses Feld enthält die folgenden Unterfelder:
		`matchLabels`		Die Labels, die das `ProtectedApplication`-Objekt verwendet, um Ressourcen abzugleichen. Dieses Feld enthält die folgenden Unterfelder:
			`app.kubernetes.io/part-of`	Der Name einer Anwendung auf höherer Ebene, zu der diese gehört. Wählen Sie Vertex AI Workbench als Anwendung auf höherer Ebene für JupyterLab-Instanzen aus.
			`app.kubernetes.io/component`	Die Komponente in der Architektur. Wählen Sie Ressourcen aus Vertex AI Workbench aus, die Speicher für JupyterLab-Instanzen bereitstellen.
			`app.kubernetes.io/instance`	Ein eindeutiger Name zur Identifizierung der Instanz einer Anwendung. Beschränken Sie den Bereich, um eine JupyterLab-Instanz auszuwählen. Der Wert entspricht dem Namen der JupyterLab-Instanz in der GDC Console.

Verwenden Sie die benutzerdefinierte Ressource ProtectedApplication, um den Speicher einer einzelnen JupyterLab-Instanz oder aller JupyterLab-Instanzen in einem Projekt auszuwählen, wie in den folgenden Beispielen:

Speicher einer einzelnen JupyterLab-Instanz auswählen:

Das folgende Beispiel zeigt eine benutzerdefinierte Ressource ProtectedApplication, die den Speicher für eine JupyterLab-Instanz mit dem Namen my-instance-name im Namespace my-project auswählt:

apiVersion: gkebackup.gke.io/v1
kind: ProtectedApplication
metadata:
  name: my-protected-application
  namespace: my-project
spec:
  resourceSelection:
    type: Selector
    selector:
      matchLabels:
        app.kubernetes.io/part-of: vtxwb
        app.kubernetes.io/component: storage
        app.kubernetes.io/instance: my-instance-name

Speicher aller JupyterLab-Instanzen auswählen:

Das folgende Beispiel zeigt eine benutzerdefinierte Ressource ProtectedApplication, die den Speicher für alle JupyterLab-Instanzen im Namespace my-project auswählt:

apiVersion: gkebackup.gke.io/v1
kind: ProtectedApplication
metadata:
  name: my-protected-application
  namespace: my-project
spec:
  resourceSelection:
    type: Selector
    selector:
      matchLabels:
        app.kubernetes.io/part-of: vtxwb
        app.kubernetes.io/component: storage

Dieses Beispiel enthält nicht das Label app.kubernetes.io/instance, da alle JupyterLab-Instanzen ausgewählt werden.

Wenn Sie eine Sicherung erstellen und Daten aus einer JupyterLab-Instanz wiederherstellen möchten, planen Sie eine Reihe von Sicherungen und planen Sie eine Reihe von Wiederherstellungen mit der von Ihnen definierten benutzerdefinierten Ressource ProtectedApplication.

Wiederhergestellte Daten in eine neue JupyterLab-Instanz kopieren

So kopieren Sie wiederhergestellte Daten aus der Ressource PersistentVolumeClaim einer JupyterLab-Instanz in eine neue JupyterLab-Instanz:

Erfüllen Sie die Voraussetzungen.
Erstellen Sie ein JupyterLab-Notebook das mit einer JupyterLab-Instanz verknüpft ist, um wiederhergestellte Daten zu kopieren.
Rufen Sie den Pod-Namen der JupyterLab-Instanz ab, in der Sie das Notebook erstellt haben:
```
kubectl get pods -l notebook-name=INSTANCE_NAME -n PROJECT_NAMESPACE
```
Ersetzen Sie Folgendes:
- INSTANCE_NAME: der Name der von Ihnen konfigurierten JupyterLab-Instanz.
- PROJECT_NAMESPACE: der Projekt-Namespace, in dem Sie die JupyterLab-Instanz erstellt haben.
Rufen Sie den Namen des Images ab, auf dem die JupyterLab-Instanz ausgeführt wird:
```
kubectl get pods POD_NAME -n PROJECT_NAMESPACE -o jsonpath="{.spec.containers[0].image}"
```
Ersetzen Sie Folgendes:
- POD_NAME: der Pod-Name der JupyterLab-Instanz.
- PROJECT_NAMESPACE: der Projekt-Namespace, in dem Sie die JupyterLab-Instanz erstellt haben.
Suchen Sie den Namen der wiederhergestellten Ressource PersistentVolumeClaim:
```
kubectl get pvc -l app.kubernetes.io/part-of=vtxwb,app.kubernetes.io/component=storage,app.kubernetes.io/instance=RESTORED_INSTANCE_NAME -n PROJECT_NAMESPACE
```
Ersetzen Sie Folgendes:
- RESTORED_INSTANCE_NAME: der Name der JupyterLab-Instanz, die Sie wiederhergestellt haben.
- PROJECT_NAMESPACE: der Projekt-Namespace, in dem Sie die JupyterLab-Instanz erstellt haben.

Erstellen Sie eine YAML-Datei mit dem Namen vtxwb-data.yaml mit folgendem Inhalt:

apiVersion: v1
kind: Pod
metadata:
  name: vtxwb-data
  namespace: PROJECT_NAMESPACE
  labels:
    aiplatform.gdc.goog/service-type: workbench
spec:
  containers:
  - args:
    - sleep infinity
    command:
    - bash
    - -c
    image: IMAGE_NAME
    imagePullPolicy: IfNotPresent
    name: vtxwb-data
    resources:
      limits:
        cpu: "1"
        memory: 1Gi
      requests:
        cpu: "1"
        memory: 1Gi
    terminationMessagePath: /dev/termination-log
    terminationMessagePolicy: File
    volumeMounts:
    - mountPath: /home/jovyan
      name: restore-data
    workingDir: /home/jovyan
  volumes:
  - name: restore-data
    persistentVolumeClaim:
      claimName: RESTORED_PVC_NAME

Ersetzen Sie Folgendes:

PROJECT_NAMESPACE: der Projekt-Namespace, in dem Sie die JupyterLab-Instanz erstellt haben.
IMAGE_NAME: der Name des Container-Images, auf dem die JupyterLab-Instanz ausgeführt wird.
RESTORED_PVC_NAME: der Name der wiederhergestellten Ressource PersistentVolumeClaim.

Erstellen Sie einen neuen Pod für die wiederhergestellte Ressource PersistentVolumeClaim:
```
kubectl apply -f ./vtxwb-data --kubeconfig KUBECONFIG_PATH
```
Ersetzen Sie KUBECONFIG_PATH durch den Pfad der kubeconfig-Datei im Cluster.
Warten Sie, bis der Pod vtxwb-data den Status RUNNING erreicht hat.
Kopieren Sie die wiederhergestellten Daten in eine neue JupyterLab-Instanz:
```
kubectl cp PROJECT_NAMESPACE/vtxwb-data:/home/jovyan ./restore --kubeconfig KUBECONFIG_PATH

kubectl cp ./restore PROJECT_NAMESPACE/POD_NAME:/home/jovyan/restore --kubeconfig KUBECONFIG_PATH

rm ./restore
```
Ersetzen Sie Folgendes:
- PROJECT_NAMESPACE: der Projekt-Namespace, in dem Sie die JupyterLab-Instanz erstellt haben.
- KUBECONFIG_PATH: der Pfad der kubeconfig-Datei im Cluster.
- POD_NAME: der Pod-Name der JupyterLab-Instanz.
Nach dem Kopieren der Daten sind die wiederhergestellten Daten im Verzeichnis /home/jovyan/restore verfügbar.
Löschen Sie den Pod, den Sie erstellt haben, um auf die wiederhergestellten Daten zuzugreifen:
```
kubectl delete pod vtxwb-data -n my-namespace` --kubeconfig KUBECONFIG_PATH
```
Ersetzen Sie KUBECONFIG_PATH durch den Pfad der kubeconfig-Datei im Cluster.