‫Google משתמשת בטכנולוגיית AI כדי לתרגם תוכן לשפה המועדפת עליך. בתרגומים כאלו עשויות להיות שגיאות.

יצירת אילוצים מותאמים אישית של מדיניות הארגון

בדף הזה מוסבר איך להשתמש באילוצים מותאמים אישית של שירות מדיניות הארגון כדי להגביל פעולות ספציפיות במשאבים הבאים של Google Cloud :

aiplatform.googleapis.com/CustomJob
aiplatform.googleapis.com/HyperparameterTuningJob
aiplatform.googleapis.com/NasJob

מידע נוסף על מדיניות הארגון זמין במאמר בנושא מדיניות ארגונית בהתאמה אישית.

מידע על מדיניות הארגון ואילוצים

שירות מדיניות הארגון של Google Cloud מאפשר לכם לקבל שליטה מרוכזת ופרוגרמטית על המשאבים של הארגון. בתור אדמינים של מדיניות הארגון, אתם יכולים להגדיר מדיניות ארגונית, שהיא קבוצה של הגבלות שנקראות אילוצים שחלות על משאבים ב-Google Cloud ועל משאבים שנגזרים מהם בGoogle Cloud היררכיית המשאבים. אפשר לאכוף את מדיניות הארגון ברמת הארגון, התיקייה או הפרויקט.

שירות מדיניות הארגון מספק אילוצים מנוהלים מובנים עבור שירותים שונים של Google Cloud . עם זאת, אם אתם רוצים שליטה מדויקת יותר בשדות הספציפיים שמוגבלים במדיניות הארגון, אתם יכולים גם ליצור אילוצים בהתאמה אישית ולהשתמש בהם במדיניות הארגון.

העברה בירושה של מדיניות

כברירת מחדל, מדיניות הארגון עוברת בירושה לצאצאים של המשאבים שבהם אתם אוכפים את המדיניות. לדוגמה, אם אוכפים מדיניות בתיקייה, Google Cloud המדיניות נאכפת בכל הפרויקטים בתיקייה. מידע נוסף על ההתנהגות הזו ועל שינוי שלה זמין במאמר בנושא כללי הערכה היררכיים.

יתרונות

אתם יכולים להשתמש במדיניות ארגונית בהתאמה אישית כדי לאשר או לדחות ערכים ספציפיים של משאבי הדרכה ב-Agent Platform. לדוגמה, אם בקשה ליצירת משימת אימון בלי שרת (serverless) ב-Gemini Enterprise Agent Platform לא עומדת בדרישות של אימות אילוצים מותאמים אישית שהוגדרו בכלל מדיניות של הארגון, הבקשה תידחה ותוחזר שגיאה למבצע הקריאה.

מגבלות

כמו בכל האילוצים של מדיניות הארגון, שינויים במדיניות לא חלים רטרואקטיבית על משאבים קיימים.

מדיניות חדשה לא משפיעה על הגדרות משאבים קיימות.
תצורת משאב קיימת נשארת תקפה, אלא אם משנים ערך בתצורה מערך תואם לערך לא תואם.

לפני שמתחילים

נכנסים לחשבון Google Cloud . אם אתם משתמשים חדשים ב- Google Cloud, צרו חשבון כדי שתוכלו להעריך את הביצועים של המוצרים שלנו בתרחישים מהעולם האמיתי. לקוחות חדשים מקבלים בחינם גם קרדיט בשווי 300$ להרצה, לבדיקה ולפריסה של עומסי העבודה.

In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

Roles required to select or create a project

Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

Go to project selector

Verify that billing is enabled for your Google Cloud project.

התקינו את ה-CLI של Google Cloud.

אם אתם משתמשים בספק זהויות חיצוני (IdP), קודם אתם צריכים להיכנס ל-CLI של gcloud באמצעות המאגר המאוחד לניהול זהויות.

כדי לאתחל את ה-CLI של gcloud, הריצו את הפקודה הבאה:

gcloud init

In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

Roles required to select or create a project

Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

Go to project selector

Verify that billing is enabled for your Google Cloud project.

התקינו את ה-CLI של Google Cloud.

אם אתם משתמשים בספק זהויות חיצוני (IdP), קודם אתם צריכים להיכנס ל-CLI של gcloud באמצעות המאגר המאוחד לניהול זהויות.

כדי לאתחל את ה-CLI של gcloud, הריצו את הפקודה הבאה:

gcloud init

חשוב לוודא שאתם יודעים מהו מספר הארגון שלכם.

התפקידים הנדרשים

כדי לקבל את ההרשאות שדרושות לניהול מדיניות ארגונית בהתאמה אישית, צריך לבקש מהאדמין להקצות לכם את תפקיד ה-IAM‏ Organization Policy Administrator (אדמין של מדיניות ארגונית) ‏(roles/orgpolicy.policyAdmin) במשאב הארגון. כדי לקרוא הסבר על מתן תפקידים, ראו איך מנהלים את הגישה ברמת הפרויקט, התיקייה והארגון.

יכול להיות שאפשר לקבל את ההרשאות הנדרשות גם באמצעות תפקידים בהתאמה אישית או תפקידים מוגדרים מראש.

משאבים נתמכים ב-Gemini Enterprise Agent Platform

בטבלה הבאה מפורטים המשאבים של Gemini Enterprise Agent Platform שאפשר להפנות אליהם באילוצים בהתאמה אישית.

משאב	שדה
aiplatform.googleapis.com/CustomJob	`resource.displayName`
	`resource.encryptionSpec.kmsKeyName`
	`resource.jobSpec.baseOutputDirectory.outputUriPrefix`
	`resource.jobSpec.enableDashboardAccess`
	`resource.jobSpec.enableWebAccess`
	`resource.jobSpec.experiment`
	`resource.jobSpec.experimentRun`
	`resource.jobSpec.models`
	`resource.jobSpec.network`
	`resource.jobSpec.persistentResourceId`
	`resource.jobSpec.protectedArtifactLocationId`
	`resource.jobSpec.pscInterfaceConfig.networkAttachment`
	`resource.jobSpec.reservedIpRanges`
	`resource.jobSpec.scheduling.disableRetries`
	`resource.jobSpec.scheduling.maxWaitDuration`
	`resource.jobSpec.scheduling.restartJobOnWorkerRestart`
	`resource.jobSpec.scheduling.strategy`
	`resource.jobSpec.scheduling.timeout`
	`resource.jobSpec.serviceAccount`
	`resource.jobSpec.tensorboard`
	`resource.jobSpec.workerPoolSpecs.containerSpec.args`
	`resource.jobSpec.workerPoolSpecs.containerSpec.command`
	`resource.jobSpec.workerPoolSpecs.containerSpec.imageUri`
	`resource.jobSpec.workerPoolSpecs.diskSpec.bootDiskSizeGb`
	`resource.jobSpec.workerPoolSpecs.diskSpec.bootDiskType`
	`resource.jobSpec.workerPoolSpecs.machineSpec.acceleratorCount`
	`resource.jobSpec.workerPoolSpecs.machineSpec.acceleratorType`
	`resource.jobSpec.workerPoolSpecs.machineSpec.machineType`
	`resource.jobSpec.workerPoolSpecs.machineSpec.reservationAffinity.key`
	`resource.jobSpec.workerPoolSpecs.machineSpec.reservationAffinity.reservationAffinityType`
	`resource.jobSpec.workerPoolSpecs.machineSpec.reservationAffinity.values`
	`resource.jobSpec.workerPoolSpecs.machineSpec.tpuTopology`
	`resource.jobSpec.workerPoolSpecs.nfsMounts.mountPoint`
	`resource.jobSpec.workerPoolSpecs.nfsMounts.path`
	`resource.jobSpec.workerPoolSpecs.nfsMounts.server`
	`resource.jobSpec.workerPoolSpecs.pythonPackageSpec.args`
	`resource.jobSpec.workerPoolSpecs.pythonPackageSpec.executorImageUri`
	`resource.jobSpec.workerPoolSpecs.pythonPackageSpec.packageUris`
	`resource.jobSpec.workerPoolSpecs.pythonPackageSpec.pythonModule`
	`resource.jobSpec.workerPoolSpecs.replicaCount`
aiplatform.googleapis.com/HyperparameterTuningJob	`resource.displayName`
	`resource.encryptionSpec.kmsKeyName`
	`resource.maxFailedTrialCount`
	`resource.maxTrialCount`
	`resource.parallelTrialCount`
	`resource.studySpec.algorithm`
	`resource.studySpec.convexAutomatedStoppingSpec.learningRateParameterName`
	`resource.studySpec.convexAutomatedStoppingSpec.maxStepCount`
	`resource.studySpec.convexAutomatedStoppingSpec.minMeasurementCount`
	`resource.studySpec.convexAutomatedStoppingSpec.minStepCount`
	`resource.studySpec.convexAutomatedStoppingSpec.updateAllStoppedTrials`
	`resource.studySpec.convexAutomatedStoppingSpec.useElapsedDuration`
	`resource.studySpec.decayCurveStoppingSpec.useElapsedDuration`
	`resource.studySpec.measurementSelectionType`
	`resource.studySpec.medianAutomatedStoppingSpec.useElapsedDuration`
	`resource.studySpec.metrics.goal`
	`resource.studySpec.metrics.metricId`
	`resource.studySpec.metrics.safetyConfig.desiredMinSafeTrialsFraction`
	`resource.studySpec.metrics.safetyConfig.safetyThreshold`
	`resource.studySpec.observationNoise`
	`resource.studySpec.parameters.categoricalValueSpec.defaultValue`
	`resource.studySpec.parameters.categoricalValueSpec.values`
	`resource.studySpec.parameters.conditionalParameterSpecs.parentCategoricalValues.values`
	`resource.studySpec.parameters.conditionalParameterSpecs.parentDiscreteValues.values`
	`resource.studySpec.parameters.conditionalParameterSpecs.parentIntValues.values`
	`resource.studySpec.parameters.discreteValueSpec.defaultValue`
	`resource.studySpec.parameters.discreteValueSpec.values`
	`resource.studySpec.parameters.doubleValueSpec.defaultValue`
	`resource.studySpec.parameters.doubleValueSpec.maxValue`
	`resource.studySpec.parameters.doubleValueSpec.minValue`
	`resource.studySpec.parameters.integerValueSpec.defaultValue`
	`resource.studySpec.parameters.integerValueSpec.maxValue`
	`resource.studySpec.parameters.integerValueSpec.minValue`
	`resource.studySpec.parameters.parameterId`
	`resource.studySpec.parameters.scaleType`
	`resource.studySpec.studyStoppingConfig.maxDurationNoProgress`
	`resource.studySpec.studyStoppingConfig.maximumRuntimeConstraint.endTime`
	`resource.studySpec.studyStoppingConfig.maximumRuntimeConstraint.maxDuration`
	`resource.studySpec.studyStoppingConfig.maxNumTrials`
	`resource.studySpec.studyStoppingConfig.maxNumTrialsNoProgress`
	`resource.studySpec.studyStoppingConfig.minimumRuntimeConstraint.endTime`
	`resource.studySpec.studyStoppingConfig.minimumRuntimeConstraint.maxDuration`
	`resource.studySpec.studyStoppingConfig.minNumTrials`
	`resource.studySpec.studyStoppingConfig.shouldStopAsap`
	`resource.trialJobSpec.baseOutputDirectory.outputUriPrefix`
	`resource.trialJobSpec.enableDashboardAccess`
	`resource.trialJobSpec.enableWebAccess`
	`resource.trialJobSpec.experiment`
	`resource.trialJobSpec.experimentRun`
	`resource.trialJobSpec.models`
	`resource.trialJobSpec.network`
	`resource.trialJobSpec.persistentResourceId`
	`resource.trialJobSpec.protectedArtifactLocationId`
	`resource.trialJobSpec.pscInterfaceConfig.networkAttachment`
	`resource.trialJobSpec.reservedIpRanges`
	`resource.trialJobSpec.scheduling.disableRetries`
	`resource.trialJobSpec.scheduling.maxWaitDuration`
	`resource.trialJobSpec.scheduling.restartJobOnWorkerRestart`
	`resource.trialJobSpec.scheduling.strategy`
	`resource.trialJobSpec.scheduling.timeout`
	`resource.trialJobSpec.serviceAccount`
	`resource.trialJobSpec.tensorboard`
	`resource.trialJobSpec.workerPoolSpecs.containerSpec.args`
	`resource.trialJobSpec.workerPoolSpecs.containerSpec.command`
`resource.trialJobSpec.workerPoolSpecs.containerSpec.imageUri`
`resource.trialJobSpec.workerPoolSpecs.diskSpec.bootDiskSizeGb`
`resource.trialJobSpec.workerPoolSpecs.diskSpec.bootDiskType`
`resource.trialJobSpec.workerPoolSpecs.machineSpec.acceleratorCount`
`resource.trialJobSpec.workerPoolSpecs.machineSpec.acceleratorType`
`resource.trialJobSpec.workerPoolSpecs.machineSpec.machineType`
`resource.trialJobSpec.workerPoolSpecs.machineSpec.reservationAffinity.key`
`resource.trialJobSpec.workerPoolSpecs.machineSpec.reservationAffinity.reservationAffinityType`
`resource.trialJobSpec.workerPoolSpecs.machineSpec.reservationAffinity.values`
`resource.trialJobSpec.workerPoolSpecs.machineSpec.tpuTopology`
`resource.trialJobSpec.workerPoolSpecs.nfsMounts.mountPoint`
`resource.trialJobSpec.workerPoolSpecs.nfsMounts.path`
`resource.trialJobSpec.workerPoolSpecs.nfsMounts.server`
`resource.trialJobSpec.workerPoolSpecs.pythonPackageSpec.args`
`resource.trialJobSpec.workerPoolSpecs.pythonPackageSpec.executorImageUri`
`resource.trialJobSpec.workerPoolSpecs.pythonPackageSpec.packageUris`
`resource.trialJobSpec.workerPoolSpecs.pythonPackageSpec.pythonModule`
`resource.trialJobSpec.workerPoolSpecs.replicaCount`
aiplatform.googleapis.com/NasJob	`resource.displayName`
	`resource.encryptionSpec.kmsKeyName`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.metric.goal`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.metric.metricId`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.multiTrialAlgorithm`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.searchTrialSpec.maxFailedTrialCount`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.searchTrialSpec.maxParallelTrialCount`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.searchTrialSpec.maxTrialCount`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.searchTrialSpec.searchTrialJobSpec.baseOutputDirectory.outputUriPrefix`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.searchTrialSpec.searchTrialJobSpec.enableDashboardAccess`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.searchTrialSpec.searchTrialJobSpec.enableWebAccess`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.searchTrialSpec.searchTrialJobSpec.experiment`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.searchTrialSpec.searchTrialJobSpec.experimentRun`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.searchTrialSpec.searchTrialJobSpec.models`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.searchTrialSpec.searchTrialJobSpec.network`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.searchTrialSpec.searchTrialJobSpec.persistentResourceId`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.searchTrialSpec.searchTrialJobSpec.protectedArtifactLocationId`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.searchTrialSpec.searchTrialJobSpec.pscInterfaceConfig.networkAttachment`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.searchTrialSpec.searchTrialJobSpec.reservedIpRanges`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.searchTrialSpec.searchTrialJobSpec.scheduling.disableRetries`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.searchTrialSpec.searchTrialJobSpec.scheduling.maxWaitDuration`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.searchTrialSpec.searchTrialJobSpec.scheduling.restartJobOnWorkerRestart`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.searchTrialSpec.searchTrialJobSpec.scheduling.strategy`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.searchTrialSpec.searchTrialJobSpec.scheduling.timeout`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.searchTrialSpec.searchTrialJobSpec.serviceAccount`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.searchTrialSpec.searchTrialJobSpec.tensorboard`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.searchTrialSpec.searchTrialJobSpec.workerPoolSpecs.containerSpec.args`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.searchTrialSpec.searchTrialJobSpec.workerPoolSpecs.containerSpec.command`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.searchTrialSpec.searchTrialJobSpec.workerPoolSpecs.containerSpec.imageUri`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.searchTrialSpec.searchTrialJobSpec.workerPoolSpecs.diskSpec.bootDiskSizeGb`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.searchTrialSpec.searchTrialJobSpec.workerPoolSpecs.diskSpec.bootDiskType`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.searchTrialSpec.searchTrialJobSpec.workerPoolSpecs.machineSpec.acceleratorCount`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.searchTrialSpec.searchTrialJobSpec.workerPoolSpecs.machineSpec.acceleratorType`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.searchTrialSpec.searchTrialJobSpec.workerPoolSpecs.machineSpec.machineType`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.searchTrialSpec.searchTrialJobSpec.workerPoolSpecs.machineSpec.reservationAffinity.key`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.searchTrialSpec.searchTrialJobSpec.workerPoolSpecs.machineSpec.reservationAffinity.reservationAffinityType`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.searchTrialSpec.searchTrialJobSpec.workerPoolSpecs.machineSpec.reservationAffinity.values`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.searchTrialSpec.searchTrialJobSpec.workerPoolSpecs.machineSpec.tpuTopology`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.searchTrialSpec.searchTrialJobSpec.workerPoolSpecs.nfsMounts.mountPoint`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.searchTrialSpec.searchTrialJobSpec.workerPoolSpecs.nfsMounts.path`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.searchTrialSpec.searchTrialJobSpec.workerPoolSpecs.nfsMounts.server`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.searchTrialSpec.searchTrialJobSpec.workerPoolSpecs.pythonPackageSpec.args`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.searchTrialSpec.searchTrialJobSpec.workerPoolSpecs.pythonPackageSpec.executorImageUri`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.searchTrialSpec.searchTrialJobSpec.workerPoolSpecs.pythonPackageSpec.packageUris`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.searchTrialSpec.searchTrialJobSpec.workerPoolSpecs.pythonPackageSpec.pythonModule`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.searchTrialSpec.searchTrialJobSpec.workerPoolSpecs.replicaCount`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.trainTrialSpec.frequency`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.trainTrialSpec.maxParallelTrialCount`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.trainTrialSpec.trainTrialJobSpec.baseOutputDirectory.outputUriPrefix`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.trainTrialSpec.trainTrialJobSpec.enableDashboardAccess`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.trainTrialSpec.trainTrialJobSpec.enableWebAccess`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.trainTrialSpec.trainTrialJobSpec.experiment`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.trainTrialSpec.trainTrialJobSpec.experimentRun`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.trainTrialSpec.trainTrialJobSpec.models`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.trainTrialSpec.trainTrialJobSpec.network`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.trainTrialSpec.trainTrialJobSpec.persistentResourceId`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.trainTrialSpec.trainTrialJobSpec.protectedArtifactLocationId`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.trainTrialSpec.trainTrialJobSpec.pscInterfaceConfig.networkAttachment`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.trainTrialSpec.trainTrialJobSpec.reservedIpRanges`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.trainTrialSpec.trainTrialJobSpec.scheduling.disableRetries`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.trainTrialSpec.trainTrialJobSpec.scheduling.maxWaitDuration`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.trainTrialSpec.trainTrialJobSpec.scheduling.restartJobOnWorkerRestart`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.trainTrialSpec.trainTrialJobSpec.scheduling.strategy`
	`resource.nasJobSpec.multiTrialAlgorithmSpec.trainTrialSpec.trainTrialJobSpec.scheduling.timeout`
`resource.nasJobSpec.multiTrialAlgorithmSpec.trainTrialSpec.trainTrialJobSpec.serviceAccount`
`resource.nasJobSpec.multiTrialAlgorithmSpec.trainTrialSpec.trainTrialJobSpec.tensorboard`
`resource.nasJobSpec.multiTrialAlgorithmSpec.trainTrialSpec.trainTrialJobSpec.workerPoolSpecs.containerSpec.args`
`resource.nasJobSpec.multiTrialAlgorithmSpec.trainTrialSpec.trainTrialJobSpec.workerPoolSpecs.containerSpec.command`
`resource.nasJobSpec.multiTrialAlgorithmSpec.trainTrialSpec.trainTrialJobSpec.workerPoolSpecs.containerSpec.imageUri`
`resource.nasJobSpec.multiTrialAlgorithmSpec.trainTrialSpec.trainTrialJobSpec.workerPoolSpecs.diskSpec.bootDiskSizeGb`
`resource.nasJobSpec.multiTrialAlgorithmSpec.trainTrialSpec.trainTrialJobSpec.workerPoolSpecs.diskSpec.bootDiskType`
`resource.nasJobSpec.multiTrialAlgorithmSpec.trainTrialSpec.trainTrialJobSpec.workerPoolSpecs.machineSpec.acceleratorCount`
`resource.nasJobSpec.multiTrialAlgorithmSpec.trainTrialSpec.trainTrialJobSpec.workerPoolSpecs.machineSpec.acceleratorType`
`resource.nasJobSpec.multiTrialAlgorithmSpec.trainTrialSpec.trainTrialJobSpec.workerPoolSpecs.machineSpec.machineType`
`resource.nasJobSpec.multiTrialAlgorithmSpec.trainTrialSpec.trainTrialJobSpec.workerPoolSpecs.machineSpec.reservationAffinity.key`
`resource.nasJobSpec.multiTrialAlgorithmSpec.trainTrialSpec.trainTrialJobSpec.workerPoolSpecs.machineSpec.reservationAffinity.reservationAffinityType`
`resource.nasJobSpec.multiTrialAlgorithmSpec.trainTrialSpec.trainTrialJobSpec.workerPoolSpecs.machineSpec.reservationAffinity.values`
`resource.nasJobSpec.multiTrialAlgorithmSpec.trainTrialSpec.trainTrialJobSpec.workerPoolSpecs.machineSpec.tpuTopology`
`resource.nasJobSpec.multiTrialAlgorithmSpec.trainTrialSpec.trainTrialJobSpec.workerPoolSpecs.nfsMounts.mountPoint`
`resource.nasJobSpec.multiTrialAlgorithmSpec.trainTrialSpec.trainTrialJobSpec.workerPoolSpecs.nfsMounts.path`
`resource.nasJobSpec.multiTrialAlgorithmSpec.trainTrialSpec.trainTrialJobSpec.workerPoolSpecs.nfsMounts.server`
`resource.nasJobSpec.multiTrialAlgorithmSpec.trainTrialSpec.trainTrialJobSpec.workerPoolSpecs.pythonPackageSpec.args`
`resource.nasJobSpec.multiTrialAlgorithmSpec.trainTrialSpec.trainTrialJobSpec.workerPoolSpecs.pythonPackageSpec.executorImageUri`
`resource.nasJobSpec.multiTrialAlgorithmSpec.trainTrialSpec.trainTrialJobSpec.workerPoolSpecs.pythonPackageSpec.packageUris`
`resource.nasJobSpec.multiTrialAlgorithmSpec.trainTrialSpec.trainTrialJobSpec.workerPoolSpecs.pythonPackageSpec.pythonModule`
`resource.nasJobSpec.multiTrialAlgorithmSpec.trainTrialSpec.trainTrialJobSpec.workerPoolSpecs.replicaCount`
`resource.nasJobSpec.resumeNasJobId`
`resource.nasJobSpec.searchSpaceSpec`

הגדרת אילוץ בהתאמה אישית

אילוץ בהתאמה אישית מוגדר בקובץ YAML לפי המשאבים, השיטות, התנאים והפעולות שנתמכים על ידי השירות שבו אתם אוכפים את מדיניות הארגון. התנאים להגבלות המותאמות אישית מוגדרים באמצעות Common Expression Language ‏ (CEL). מידע נוסף על יצירת תנאים באילוצים מותאמים אישית באמצעות CEL זמין בקטע על CEL במאמר יצירה וניהול של אילוצים מותאמים אישית.

המסוף

כדי ליצור אילוץ בהתאמה אישית:

נכנסים לדף Organization policies במסוף Google Cloud .
מעבר למדיניות הארגון
בבורר הפרויקטים, בוחרים את הפרויקט שרוצים להגדיר לו את מדיניות הארגון.
לוחצים על Custom constraint (הגבלה מותאמת אישית).
בתיבה שם לתצוגה, מזינים שם שאנשים יכולים לקרוא לאילוץ. השם הזה משמש בהודעות שגיאה, ואפשר להשתמש בו לצורך זיהוי וניפוי באגים. אל תשתמשו בפרטים אישיים מזהים (PII) או במידע אישי רגיש בשמות לתצוגה, כי השם הזה עלול להיחשף בהודעות שגיאה. השדה הזה יכול להכיל עד 200 תווים.
בתיבה Constraint ID (מזהה ההגבלה), מזינים את המזהה שרוצים להגדיר להגבלה החדשה בהתאמה אישית. אילוץ מותאם אישית יכול להכיל רק אותיות (כולל אותיות גדולות וקטנות) או מספרים, למשל custom.restrictMachineType. השדה הזה יכול להכיל עד 70 תווים, לא כולל הקידומת (custom.), לדוגמה, organizations/123456789/customConstraints/custom. אל תכללו פרטים אישיים מזהים (PII) או נתונים רגישים במזהה האילוץ, כי הם עלולים להיחשף בהודעות שגיאה.
בתיבה Description, מזינים תיאור של האילוץ שקל לקרוא ולהבין. התיאור הזה משמש כהודעת שגיאה כשמתרחשת הפרה של המדיניות. לכלול פרטים על הסיבה להפרת המדיניות ואיך לפתור אותה. אל תכללו בתיאור פרטים אישיים מזהים (PII) או מידע אישי רגיש, כי הם עלולים להיחשף בהודעות שגיאה. השדה הזה יכול להכיל עד 2,000 תווים.
בתיבה Resource type, בוחרים את השם של Google Cloud משאב REST שמכיל את האובייקט והשדה שרוצים להגביל – לדוגמה, container.googleapis.com/NodePool. רוב סוגי המשאבים תומכים בעד 20 אילוצים מותאמים אישית. אם תנסו ליצור עוד אילוצים בהתאמה אישית, הפעולה תיכשל.
בקטע שיטת אכיפה, בוחרים אם לאכוף את ההגבלה על שיטת REST‏ CREATE או על שיטות CREATE ו-UPDATE. אם אוכפים את האילוץ באמצעות השיטה UPDATE במשאב שמפר את האילוץ, מדיניות הארגון חוסמת שינויים במשאב הזה, אלא אם השינוי פותר את ההפרה.

כדי לראות את השיטות הנתמכות לכל שירות, מחפשים את השירות בקטע שירותים שתומכים באילוצים בהתאמה אישית.

כדי להגדיר תנאי, לוחצים על Edit condition.

בחלונית Add condition, יוצרים תנאי CEL שמתייחס למשאב שירות נתמך, למשל, resource.management.autoUpgrade == false. השדה הזה יכול להכיל עד 1,000 תווים. פרטים על השימוש ב-CEL זמינים במאמר בנושא Common Expression Language. מידע נוסף על משאבי השירות שאפשר להשתמש בהם באילוצים בהתאמה אישית זמין במאמר שירותים שתומכים באילוצים בהתאמה אישית.
לוחצים על Save.

בקטע פעולה, בוחרים אם לאשר או לדחות את השיטה שנבדקה אם התנאי מתקיים.

הפעולה deny (דחייה) פירושה שהפעולה ליצירה או לעדכון של המשאב נחסמת אם התנאי מחזיר את הערך true.

הפעולה allow (אישור) אומרת שהפעולה ליצירה או לעדכון של המשאב מותרת רק אם התנאי מחזיר את הערך true. כל מקרה אחר, מלבד אלה שמפורטים במפורש בתנאי, נחסם.

לוחצים על יצירת אילוץ.

אחרי שמזינים ערך בכל שדה, מופיעה משמאל הגדרת ה-YAML המקבילה לאילוץ המותאם אישית הזה.

gcloud

כדי ליצור אילוץ בהתאמה אישית, יוצרים קובץ YAML בפורמט הבא:

name: organizations/ORGANIZATION_ID/customConstraints/CONSTRAINT_NAME
resourceTypes: RESOURCE_NAME
methodTypes:
  - CREATE
  - UPDATE 
condition: "CONDITION"
actionType: ACTION
displayName: DISPLAY_NAME
description: DESCRIPTION

מחליפים את מה שכתוב בשדות הבאים:

‫ORGANIZATION_ID: מזהה הארגון, למשל 123456789.
‫CONSTRAINT_NAME: השם שרוצים לתת לאילוץ המותאם אישית החדש. אילוץ מותאם אישית יכול להכיל רק אותיות (כולל אותיות רישיות וקטנות) או מספרים, למשל, custom.restrictMachineType. השדה הזה יכול להכיל עד 70 תווים, לא כולל הקידומת (custom.) – לדוגמה, organizations/123456789/customConstraints/custom. אל תכללו פרטים אישיים מזהים (PII) או נתונים רגישים במזהה האילוץ, כי הם עלולים להיחשף בהודעות שגיאה.
‫RESOURCE_NAME: השם מוגדר במלואו של המשאב Google Cloudשמכיל את האובייקט והשדה שרוצים להגביל. לדוגמה: aiplatform.googleapis.com/CustomJob. רוב סוגי המשאבים תומכים בעד 20 אילוצים מותאמים אישית. אם תנסו ליצור עוד אילוצים בהתאמה אישית, הפעולה תיכשל.
‫methodTypes: שיטות ה-REST שבהן האילוץ נאכף. הערך יכול להיות CREATE או גם CREATE וגם UPDATE. אם אוכפים את האילוץ באמצעות השיטה UPDATE על משאב שמפר את האילוץ, שינויים במשאב הזה נחסמים על ידי מדיניות הארגון, אלא אם השינוי פותר את ההפרה.

כדי לראות את השיטות הנתמכות לכל שירות, מחפשים את השירות ב שירותים שתומכים באילוצים בהתאמה אישית.

‫CONDITION: תנאי CEL שנכתב על סמך ייצוג של משאב שירות נתמך. השדה הזה יכול להכיל עד 1,000 תווים. לדוגמה: "resource.jobSpec.workerPoolSpecs.exists(spec, spec.machineSpec.machineType != \"n1-standard-4\")".

מידע נוסף על המשאבים שאפשר לכתוב תנאים לגביהם זמין במאמר משאבים נתמכים.

‫ACTION: הפעולה שתתבצע אם התנאי condition יתקיים. הערכים האפשריים הם ALLOW ו-DENY.

הפעולה allow (אישור) אומרת שאם התנאי מקבל את הערך true, הפעולה ליצירה או לעדכון של המשאב מותרת. המשמעות היא שכל מקרה אחר, חוץ מהמקרה שמופיע במפורש בתנאי, ייחסם.

הפעולה deny (דחייה) פירושה שאם התנאי מחזיר את הערך True, הפעולה ליצירה או לעדכון של המשאב נחסמת.

DISPLAY_NAME: שם קריא לאנשים של האילוץ. השם הזה מופיע בהודעות שגיאה ויכול לשמש לזיהוי ולניפוי באגים. אל תשתמשו בפרטים אישיים מזהים (PII) או במידע אישי רגיש בשמות המוצגים, כי השם הזה עלול להיחשף בהודעות שגיאה. השדה הזה יכול להכיל עד 200 תווים.
‫DESCRIPTION: תיאור ידידותי למשתמש של האילוץ שיוצג כהודעת שגיאה אם המדיניות תופר. השדה הזה יכול להכיל עד 2,000 תווים.

אחרי שיוצרים קובץ YAML לאילוץ חדש בהתאמה אישית, צריך להגדיר אותו כדי שיהיה זמין למדיניות הארגון בארגון. כדי להגדיר אילוץ בהתאמה אישית, משתמשים בפקודה gcloud org-policies set-custom-constraint:

gcloud org-policies set-custom-constraint CONSTRAINT_PATH

מחליפים את CONSTRAINT_PATH בנתיב המלא לקובץ האילוצים המותאמים אישית. לדוגמה, /home/user/customconstraint.yaml.

אחרי שהפעולה הזו תושלם, האילוצים המותאמים אישית יהיו זמינים כמדיניות ארגונית ברשימת Google Cloud מדיניות הארגון.

כדי לוודא שהאילוץ המותאם אישית קיים, משתמשים בפקודה gcloud org-policies list-custom-constraints:

gcloud org-policies list-custom-constraints --organization=ORGANIZATION_ID

מחליפים את ORGANIZATION_ID במזהה של משאב הארגון.

איך צופים במדיניות הארגון

אכיפה של מדיניות ארגון מותאמת אישית

כדי לאכוף אילוץ, יוצרים מדיניות ארגון שמפנה אליו, ואז מחילים את מדיניות הארגון הזו על משאב Google Cloud .

המסוף

נכנסים לדף Organization policies במסוף Google Cloud .
מעבר למדיניות הארגון
בתפריט לבחירת פרויקט, בוחרים את הפרויקט שרוצים להגדיר לו את מדיניות הארגון.
מהרשימה בדף מדיניות הארגון, בוחרים את האילוץ כדי לראות את הדף פרטי המדיניות של האילוץ הזה.
כדי להגדיר את מדיניות הארגון עבור המשאב הזה, לוחצים על ניהול מדיניות.
בדף עריכת מדיניות, בוחרים באפשרות במקום המדיניות של המשאב הראשי.
לוחצים על Add a rule.
בקטע Enforcement (אכיפה), בוחרים אם מדיניות הארגון הזו נאכפת או לא.
אופציונלי: כדי להגדיר את מדיניות הארגון כתלויה בתג, לוחצים על הוספת תנאי. הערה: אם מוסיפים כלל מותנה למדיניות ארגון, צריך להוסיף לפחות כלל לא מותנה אחד, אחרת אי אפשר לשמור את המדיניות. מידע נוסף על מדיניות ארגונית עם תגים
לוחצים על בדיקת שינויים כדי לדמות את ההשפעה של מדיניות הארגון. מידע נוסף זמין במאמר בדיקת שינויים במדיניות הארגון באמצעות סימולטור המדיניות.
כדי לאכוף את המדיניות של הארגון במצב פרימטר לבדיקות, לוחצים על הגדרת המדיניות להרצת בדיקה. מידע נוסף זמין במאמר בנושא בדיקת מדיניות הארגון.
אחרי שמוודאים שמדיניות הארגון במצב הרצה יבשה פועלת כמו שרוצים, מגדירים את המדיניות הפעילה על ידי לחיצה על הגדרת מדיניות.

gcloud

כדי ליצור מדיניות ארגונית עם כללים בוליאניים, יוצרים קובץ YAML של מדיניות שמפנה לאילוץ:

name: projects/PROJECT_ID/policies/CONSTRAINT_NAME
spec:
  rules:
  - enforce: true

dryRunSpec:
  rules:
  - enforce: true

מחליפים את מה שכתוב בשדות הבאים:

‫PROJECT_ID: הפרויקט שבו רוצים לאכוף את האילוץ.
CONSTRAINT_NAME: השם שהגדרתם לאילוץ המותאם אישית. לדוגמה, custom.restrictMachineType.

כדי לאכוף את מדיניות הארגון במצב הרצה יבשה, מריצים את הפקודה הבאה עם הדגל dryRunSpec:

gcloud org-policies set-policy POLICY_PATH --update-mask=dryRunSpec

מחליפים את הערך POLICY_PATH בנתיב המלא לקובץ ה-YAML של מדיניות הארגון. יחלפו עד 15 דקות לפני שהמדיניות תיכנס לתוקף.

אחרי שמוודאים שמדיניות הארגון במצב הרצה יבשה פועלת כמו שרוצים, מגדירים את המדיניות הפעילה באמצעות הפקודה org-policies set-policy והדגל spec:

gcloud org-policies set-policy POLICY_PATH --update-mask=spec

מחליפים את הערך POLICY_PATH בנתיב המלא לקובץ ה-YAML של מדיניות הארגון. יחלפו עד 15 דקות לפני שהמדיניות תיכנס לתוקף.

בדיקה של מדיניות הארגון המותאמת אישית

בדוגמה הבאה נוצרת מדיניות ואילוץ מותאמים אישית שמגבילים את סוג המכונה.

לפני שמתחילים, חשוב לדעת את הפרטים הבאים:

מזהה הארגון
מזהה פרויקט

יצירת האילוץ

שומרים את הקובץ הבא בשם constraint-custom-job.yaml:

name: organizations/ORGANIZATION_ID/customConstraints/custom.restrictMachineType
resourceTypes:
- aiplatform.googleapis.com/CustomJob
methodTypes:
- CREATE
condition: "resource.jobSpec.workerPoolSpecs.exists(spec, spec.machineSpec.machineType != \"n1-standard-4\")"
actionType: DENY
displayName: Restrict machine type custom training jobs
description: All new custom training jobs must use n1-standard-4 machines.

ההגדרה הזו מגדירה אילוץ שלפיו כל משימת אימון חדשה בלי שרת (serverless) צריכה להשתמש בסוג המכונה n1-standard-4. אם משימת אימון בלי שרת (serverless) לא משתמשת בסוג המכונה הזה, יבוטל ניסיון היצירה שלה.

החלת האילוץ:

gcloud org-policies set-custom-constraint ~/constraint-custom-job.yaml

מוודאים שהאילוץ קיים:

gcloud org-policies list-custom-constraints --organization=ORGANIZATION_ID

הפלט אמור להיראות כך:

CUSTOM_CONSTRAINT                            ACTION_TYPE  METHOD_TYPES   RESOURCE_TYPES                                     DISPLAY_NAME
custom.restrictMachineType                   DENY         CREATE         aiplatform.googleapis.com/CustomJob                Restrict machine type custom training jobs
...

יצירת המדיניות

שומרים את הקובץ הבא בשם policy-deny-custom-job.yaml:
```
name: projects/PROJECT_ID/policies/custom.restrictMachineType
spec:
  rules:
  - enforce: true
```
מחליפים את PROJECT_ID במזהה הפרויקט.

החלת המדיניות:

gcloud org-policies set-policy ~/policy-deny-custom-job.yaml

מוודאים שהמדיניות קיימת:

gcloud org-policies list --project=PROJECT_ID

הפלט אמור להיראות כך:

CONSTRAINT                          LIST_POLICY  BOOLEAN_POLICY        ETAG
custom.restrictMachineType          -            SET                   CLj9zMIGEIiS3K4D-

אחרי שמחילים את המדיניות, מחכים כשתי דקות עד ש- Google Cloud יתחיל לאכוף את המדיניות.

בדיקת המדיניות

מנסים ליצור משימת אימון ללא שרת עם סוג מכונה מוגבל:

gcloud ai custom-jobs create \
  --region=LOCATION \
  --display-name=JOB_NAME \
  --worker-pool-spec=machine-type=n1-standard-8,replica-count=REPLICA_COUNT,container-image-uri=CUSTOM_CONTAINER_IMAGE_URI

הפלט שיתקבל:

Operation denied by org policy on resource 'projects/PROJECT_ID/locations/LOCATION': ["customConstraints/custom.restrictMachineType": "All new custom training jobs must use n1-standard-4 machines."]

דוגמאות למדיניות מותאמת אישית של הארגון לתרחישים נפוצים

בטבלה הזו מפורטות דוגמאות לתחביר של כמה אילוצים נפוצים בהתאמה אישית.

תיאור	תחביר של מגבלות
הגבלת סוג המכונה למשימות הדרכה מותאמות אישית ב-Agent Platform	name: organizations/`ORGANIZATION_ID`/customConstraints/custom.restrictMachineType resourceTypes: - aiplatform.googleapis.com/CustomJob methodTypes: - CREATE condition: "resource.jobSpec.workerPoolSpecs.exists(spec, spec.machineSpec.machineType != "n1-standard-4")" actionType: DENY displayName: Restrict machine type custom training jobs description: All new custom training jobs must use n1-standard-4 machines.

תיאור

תחביר של מגבלות

הגבלת סוג המכונה למשימות הדרכה מותאמות אישית ב-Agent Platform

      name: organizations/ORGANIZATION_ID/customConstraints/custom.restrictMachineType
      resourceTypes:
      - aiplatform.googleapis.com/CustomJob
      methodTypes:
      - CREATE
      condition: "resource.jobSpec.workerPoolSpecs.exists(spec, spec.machineSpec.machineType != "n1-standard-4")"
      actionType: DENY
      displayName: Restrict machine type custom training jobs
      description: All new custom training jobs must use n1-standard-4 machines.

המאמרים הבאים

מידע נוסף על שירות מדיניות הארגון
מידע נוסף על יצירה וניהול של כללי מדיניות לארגון
כאן אפשר לראות את הרשימה המלאה של אילוצים מנוהלים של מדיניות הארגון.

יצירת אילוצים מותאמים אישית של מדיניות הארגון קל לארגן דפים בעזרת אוספים אפשר לשמור ולסווג תוכן על סמך ההעדפות שלך.

מידע על מדיניות הארגון ואילוצים

העברה בירושה של מדיניות

יתרונות

מגבלות

לפני שמתחילים

התפקידים הנדרשים

משאבים נתמכים ב-Gemini Enterprise Agent Platform

הגדרת אילוץ בהתאמה אישית

המסוף

gcloud

אכיפה של מדיניות ארגון מותאמת אישית

המסוף

gcloud

בדיקה של מדיניות הארגון המותאמת אישית

יצירת האילוץ

יצירת המדיניות

בדיקת המדיניות

דוגמאות למדיניות מותאמת אישית של הארגון לתרחישים נפוצים

המאמרים הבאים

יצירת אילוצים מותאמים אישית של מדיניות הארגון