Google utilizza la tecnologia AI per tradurre i contenuti nella tua lingua preferita. Le traduzioni generate dall'AI potrebbero contenere errori.

Monta una condivisione Network File System

Puoi configurare i job di addestramento serverless in modo da montare le condivisioni Network File System (NFS) sul container in cui è in esecuzione il codice. In questo modo i tuoi job possono accedere ai file remoti come se fossero locali, consentendo un throughput elevato e una bassa latenza.

Questa guida mostra come montare una condivisione Network File System durante l'esecuzione di un job di addestramento serverless.

Prima di iniziare

Crea una condivisione NFS in un Virtual Private Cloud (VPC). La condivisione deve essere accessibile senza autenticazione.

Puoi utilizzare un servizio NFS gestito proprietario come Filestore o Google Cloud NetApp Volumes come condivisione NFS. Se utilizzi Filestore e prevedi di utilizzare il peering VPC per Gemini Enterprise Agent Platform nel passaggio successivo, seleziona Accesso privato ai servizi come modalità di connessione quando crei un'istanza. Per un esempio, consulta Crea istanze nella documentazione di Filestore.
Per connettere Gemini Enterprise Agent Platform al VPC che ospita la tua condivisione NFS, segui le istruzioni riportate in Utilizza l'interfaccia Private Service Connect per Gemini Enterprise Agent Platform (consigliato) o Configura il peering di rete VPC.

Informazioni su Network File System per l'addestramento serverless

Quando crei un job di addestramento serverless che monta una condivisione NFS, devi specificare quanto segue:

Il nome della rete a cui Gemini Enterprise Agent Platform può accedere. Il modo in cui specifichi il nome della rete varia a seconda del tipo di job di addestramento serverless. Per maggiori dettagli, consulta Esegui l'addestramento serverless.

La configurazione NFS nel campo WorkerPoolSpec. Includi i seguenti campi:

Campo	Descrizione
`nfsMounts.server`	L'indirizzo IP del tuo server NFS. Deve essere un indirizzo privato nel tuo VPC.
`nfsMounts.path`	Il percorso della condivisione NFS. Deve essere un percorso assoluto che inizia con `/`.
`nfsMounts.mountPoint`	Il punto di montaggio locale. Deve essere un nome di directory UNIX valido. Ad esempio, se il punto di montaggio locale è `sourceData`, specifica il percorso `/mnt/nfs/sourceData` dall'istanza VM di addestramento.

Per saperne di più, consulta Dove specificare le risorse di computing.

Esempio: crea un job personalizzato utilizzando gcloud CLI

Segui i passaggi descritti in Crea un'applicazione di addestramento Python per un container predefinito per creare un'applicazione di addestramento da eseguire su Gemini Enterprise Agent Platform.
Crea un file denominato config.yaml che descriva le impostazioni di montaggio della configurazione dell'interfaccia PSA o Private Service Connect per il job di addestramento. Utilizza uno dei seguenti formati:

Interfaccia Private Service Connect

Per utilizzare l'interfaccia Private Service Connect:
```
pscInterfaceConfig:
     network_attachment: NETWORK_ATTACHMENT_NAME
workerPoolSpecs:
    - machineSpec:
        machineType: MACHINE_TYPE
    replicaCount: 1
    pythonPackageSpec:
       executorImageUri: PYTHON_PACKAGE_EXECUTOR_IMAGE_URI or PRE_BUILT_CONTAINER_IMAGE_URI
       packageUris:
       -  PYTHON_PACKAGE_URIS
       pythonModule: PYTHON_MODULE
    nfsMounts:
      - server: NFS_SERVER_IP
      path: NFS_SHARE_NAME
      mountPoint: LOCAL_FOLDER
```
Sostituisci quanto segue:
- NETWORK_ATTACHMENT_NAME: il nome del collegamento di rete.
- MACHINE_TYPE: l'identificatore del tipo di macchina virtuale.
- PYTHON_PACKAGE_EXECUTOR_IMAGE_URI o PRE_BUILT_CONTAINER_IMAGE_URI: l'URI di un'immagine container in Artifact Registry che eseguirà il pacchetto Python fornito. Gemini Enterprise Agent Platform offre un'ampia gamma di immagini di esecutori con pacchetti preinstallati per soddisfare i vari casi d'uso degli utenti.
- PYTHON_PACKAGE_URIS: un elenco separato da virgole di URI Cloud Storage che specificano i file del pacchetto Python che compongono il programma di addestramento e i relativi pacchetti dipendenti. Il numero massimo di URI dei pacchetti è 100.
- PYTHON_MODULE: il nome del modulo Python da eseguire dopo l'installazione dei pacchetti.
- NFS_SERVER_IP: l'indirizzo IP del server NFS.
- NFS_SHARE_NAME: il percorso della condivisione NFS, che è un percorso assoluto che inizia con /.
- LOCAL_FOLDER: il punto di montaggio locale (nome della directory UNIX).
Assicurati che il nome della rete sia formattato correttamente e che la condivisione NFS esista nella rete specificata.
Crea il tuo job personalizzato e passa il file config.yaml al parametro --config.
```
gcloud ai custom-jobs create \
  --region=LOCATION \
  --display-name=JOB_NAME \
  --config=config.yaml
```
Sostituisci quanto segue:
- LOCATION: specifica la regione in cui creare il job.
- JOB_NAME: un nome per il job personalizzato.

Peering VPC

Utilizza il peering VPC se vuoi che il job utilizzi il peering VPC/PSA o meno.
```
network: projects/PROJECT_NUMBER/global/networks/NETWORK_NAME
workerPoolSpecs:
    - machineSpec:
        machineType: MACHINE_TYPE
      replicaCount: 1
      pythonPackageSpec:
        executorImageUri: PYTHON_PACKAGE_EXECUTOR_IMAGE_URI or
              PRE_BUILT_CONTAINER_IMAGE_URI
        packageUris:
          -  PYTHON_PACKAGE_URIS
        pythonModule: PYTHON_MODULE
      nfsMounts:
        - server: NFS_SERVER_IP
          path: NFS_SHARE_NAME
          mountPoint: LOCAL_FOLDER
```
Sostituisci quanto segue:
- PROJECT_NUMBER: l'ID progetto del tuo progetto Google Cloud .
- NETWORK_NAME: il nome del tuo VPC privato o condiviso.
- MACHINE_TYPE: l'identificatore del tipo di macchina virtuale.
- PYTHON_PACKAGE_EXECUTOR_IMAGE_URI or PRE_BUILT_CONTAINER_IMAGE_URI: l'URI di un'immagine container in Artifact Registry che eseguirà il pacchetto Python fornito. Gemini Enterprise Agent Platform offre un'ampia gamma di immagini di esecutori con pacchetti preinstallati per soddisfare i vari casi d'uso degli utenti.
- PYTHON_PACKAGE_URIS: un elenco separato da virgole di URI Cloud Storage che specificano i file del pacchetto Python che compongono il programma di addestramento e i relativi pacchetti dipendenti. Il numero massimo di URI dei pacchetti è 100.
- PYTHON_MODULE: il nome del modulo Python da eseguire dopo l'installazione dei pacchetti.
- NFS_SERVER_IP: l'indirizzo IP del server NFS.
- NFS_SHARE_NAME: il percorso della condivisione NFS, che è un percorso assoluto che inizia con /.
- LOCAL_FOLDER: il punto di montaggio locale (nome della directory UNIX).
Assicurati che il nome della rete sia formattato correttamente e che la condivisione NFS esista nella rete specificata.

Crea il tuo job personalizzato e passa il file config.yaml al parametro --config.

gcloud ai custom-jobs create \
  --region=LOCATION \
  --display-name=JOB_NAME \
  --config=config.yaml

Sostituisci quanto segue:

LOCATION: specifica la regione in cui creare il job.
JOB_NAME: un nome per il job personalizzato.

Limitazioni

Devi montare la condivisione NFS utilizzando un indirizzo IP interno al tuo VPC. Non è consentito l'utilizzo di URL pubblici.
I job di addestramento montano le condivisioni NFS senza autenticazione e non andranno a buon fine se sono richiesti un nome utente e una password.

Per proteggere i tuoi dati, imposta le autorizzazioni sulla condivisione NFS. Se utilizzi Filestore, consulta Controllo degli accessi nella documentazione di Filestore.
Non puoi eseguire contemporaneamente due job di addestramento che montano condivisioni NFS da reti VPC diverse. Ciò è dovuto alla limitazione del peering di rete.