Ce document inclut les bonnes pratiques et les consignes pour les fonctions Cloud Run lors de l'exécution de charges de travail d'IA générative sur Google Cloud. Utilisez les fonctions Cloud Run avec Vertex AI pour automatiser des tâches, diffuser des prédictions, déclencher des jobs d'entraînement, vous intégrer à d'autres services et créer des pipelines de ML axés sur les événements.
Voici quelques cas d'utilisation des fonctions Cloud Run avec Vertex AI :
- Possibilité de prétraiter et de post-traiter les données : les fonctions Cloud Run peuvent prétraiter les données avant de les envoyer à votre modèle Vertex AI pour l'entraînement ou la prédiction. Par exemple, une fonction peut nettoyer et normaliser des données, ou en extraire des caractéristiques. De même, les fonctions Cloud Run peuvent post-traiter la sortie de votre modèle Vertex AI. Par exemple, une fonction peut mettre en forme les données de sortie ou les envoyer à un autre service pour une analyse plus approfondie.
- Déclencheurs automatiques pour les jobs d'entraînement Vertex AI : pour automatiser l'entraînement des modèles Vertex AI, vous pouvez déclencher des fonctions Cloud Run à l'aide d'événements provenant de divers services Google Cloud , tels que Cloud Storage, Pub/Sub et Cloud Scheduler. Par exemple, vous pouvez créer une fonction qui se déclenche lorsqu'un nouveau fichier est importé dans Cloud Storage. Cette fonction peut démarrer une tâche d'entraînement Vertex AI pour entraîner votre modèle sur les nouvelles données.
- Capacité à diffuser des prédictions : les fonctions Cloud Run peuvent diffuser des prédictions à partir de vos modèles Vertex AI, ce qui vous permet de créer un point de terminaison d'API pour votre modèle sans avoir à gérer d'infrastructure. Par exemple, vous pouvez écrire une fonction qui prend une image en entrée et génère une prédiction à partir de votre modèle de classification d'images Vertex AI. Vous pouvez ensuite déployer cette fonction en tant que point de terminaison d'API HTTP.
- Workflows de ML basés sur des événements : vous pouvez utiliser les fonctions Cloud Run pour créer des workflows de ML basés sur des événements. Par exemple, une fonction peut déclencher un job de prédiction Vertex AI lorsqu'un nouvel enregistrement est ajouté à un sujet Pub/Sub. Cette fonction vous permet de traiter les données en temps réel et d'agir en fonction des prédictions de votre modèle.
- Intégration à d'autres services : vous pouvez intégrer des fonctions Cloud Run à d'autres services Google Cloud , tels que Cloud Storage, BigQuery et Cloud Firestore. L'intégration vous permet de créer des pipelines de ML complexes qui connectent différents services.
- Évolutivité des coûts : Cloud Run Functions vous permet de ne payer que les ressources que votre fonction utilise pendant son exécution. De plus, les fonctions Cloud Run sont automatiquement mises à l'échelle pour répondre à la demande, ce qui vous permet de disposer des ressources appropriées pendant les pics de trafic.
Contrôles Cloud Run Functions requis
Les contrôles suivants sont fortement recommandés lorsque vous utilisez Cloud Run Functions.
Exiger un connecteur VPC pour les fonctions Cloud Run
| ID de contrôle Google | CF-CO-4.4 |
|---|---|
| Catégorie | Obligatoire |
| Description | La contrainte booléenne |
| Produits applicables |
|
| Chemin d'accès | constraints/cloudfunctions.requireVPCConnector |
| Opérateur | = |
| Valeur |
|
| Type | Booléen |
| Contrôles NIST-800-53 associés |
|
| Contrôles associés du profil CRI |
|
| Informations connexes |
Étapes suivantes
Consultez les commandes Cloud Storage.
Consultez les Google Cloud bonnes pratiques et consignes de sécurité pour les charges de travail d'IA générative.