Criar restrições personalizadas de política da organização

Nesta página, mostramos como usar restrições personalizadas do serviço de políticas da organização para restringir operações específicas nos seguintes recursos do Google Cloud :

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

Para saber mais sobre políticas da organização, consulte Políticas personalizadas da organização.

Sobre políticas da organização e restrições

O serviço de políticas da organização do Google Cloud oferece controle centralizado e programático sobre os recursos da sua organização. Um administrador de políticas da organização pode definir políticas da organização, ou seja, conjuntos de restrições que se aplicam aos recursos doGoogle Cloud e aos elementos que descendem dele na hierarquia de recursos doGoogle Cloud . É possível aplicar políticas da organização no nível de projetos, de pastas ou da organização.

Uma política da organização oferece restrições gerenciadas e integradas para vários serviços do Google Cloud . No entanto, para ter controle mais granular e personalizável sobre os campos específicos restritos nas políticas da organização, também é possível criar restrições personalizadas e usá-las nessas políticas.

Herança de políticas

Por padrão, as políticas da organização são herdadas pelos elementos que descendem dos recursos em que elas são aplicadas. Por exemplo, se você aplicar uma política a uma pasta, o Google Cloud vai aplicá-la a todos os projetos dessa pasta. Para saber mais sobre esse comportamento e como alterá-lo, consulte Regras de avaliação de hierarquia.

Vantagens

É possível usar políticas personalizadas da organização para permitir ou negar valores específicos em recursos de treinamento da Vertex AI. Por exemplo, se uma solicitação para criar um job de treinamento sem servidor da Vertex AI não atender à validação de restrição personalizada definida pela política da organização, a solicitação vai falhar e um erro será retornado ao autor da chamada.

Limitações

Como ocorre com todas as restrições de política da organização, as mudanças de política não se aplicam retroativamente aos recursos atuais.

• Uma nova política não afeta as configurações de recursos atuais.
• Uma configuração de recurso atual permanece válida, a menos que você mude um valor na configuração de um valor aceito para um inválido.

Antes de começar

Faça login na sua conta do Google Cloud . Se você começou a usar o Google Cloud, crie uma conta para avaliar o desempenho de nossos produtos em situações reais. Clientes novos também recebem US$ 300 em créditos para executar, testar e implantar cargas de trabalho.

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.

Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

Go to project selector

Verify that billing is enabled for your Google Cloud project.

Instale a CLI do Google Cloud.

Ao usar um provedor de identidade (IdP) externo, primeiro faça login na CLI gcloud com sua identidade federada.

Para inicializar a CLI gcloud, execute o seguinte comando:

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.

Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

Go to project selector

Verify that billing is enabled for your Google Cloud project.

Instale a CLI do Google Cloud.

Ao usar um provedor de identidade (IdP) externo, primeiro faça login na CLI gcloud com sua identidade federada.

Para inicializar a CLI gcloud, execute o seguinte comando:

gcloud init

1. Verifique qual é o ID da organização.

Funções exigidas

Para receber as permissões necessárias a fim de gerenciar as políticas da organização personalizadas, peça ao administrador para conceder a você o papel do IAM de administrador de políticas da organização (`roles/orgpolicy.policyAdmin`) no recurso da organização. Para mais informações sobre a concessão de papéis, consulte Gerenciar o acesso a projetos, pastas e organizações.

Também é possível conseguir as permissões necessárias usando papéis personalizados ou outros papéis predefinidos.

Recursos compatíveis com a Vertex AI

A tabela a seguir lista os recursos da Vertex AI que podem ser referenciados em restrições personalizadas.

Recurso	Campo
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

Configurar uma restrição personalizada

Uma restrição personalizada é definida em um arquivo YAML pelos recursos, métodos, condições e ações compatíveis com o serviço em que você está aplicando a política da organização. As condições das restrições personalizadas são definidas usando a Common Expression Language (CEL). Para saber como criar condições em restrições personalizadas usando a CEL, consulte a seção CEL em Como criar e gerenciar restrições personalizadas.

Console

Para criar uma restrição personalizada, faça o seguinte:

1. No console do Google Cloud , acesse a página Políticas da organização.

   Acessar a página Políticas da organização

2. No seletor de projetos, selecione o projeto em que você quer definir a política da organização.
3. Clique em Restrição personalizada.
4. Na caixa Nome de exibição, insira um nome legível para a restrição. Esse nome é usado em mensagens de erro e pode ser usado para identificação e depuração. Não use informações de identificação pessoal (PII) ou dados sensíveis em nomes de exibição, porque eles podem ser expostos em mensagens de erro. Esse campo pode ter até 200 caracteres.
5. Na caixa ID da restrição, insira o ID que você quer para a nova restrição personalizada. Uma restrição personalizada só pode conter letras (maiúsculas e minúsculas) ou números, por exemplo, custom.restrictMachineType. Esse campo pode conter até 70 caracteres, sem contar o prefixo (custom.), por exemplo, organizations/123456789/customConstraints/custom. Não inclua PII ou dados sensíveis no ID da restrição, porque eles podem ser expostos em mensagens de erro.
6. Na caixa Descrição, insira uma descrição legível da restrição. Essa descrição é usada como uma mensagem de erro quando a política é violada. Inclua detalhes sobre o motivo da violação e como resolver o problema. Não inclua PII ou dados sensíveis na descrição, porque eles podem ser expostos em mensagens de erro. Esse campo pode conter até 2.000 caracteres.
7. Na caixa Tipo de recurso, selecione o nome do recurso REST do Google Cloud que contém o objeto e o campo que você quer restringir. Por exemplo, container.googleapis.com/NodePool. A maioria dos tipos de recursos aceita até 20 restrições personalizadas. Se você tentar criar mais restrições personalizadas, a operação vai falhar.
8. Em Método de aplicação, selecione se quer aplicar a restrição em um método REST CREATE ou em ambos os métodos CREATE e UPDATE. Se você aplicar a restrição com o método UPDATE em um recurso que a viola, as mudanças nesse recurso serão bloqueadas pela política da organização, a menos que a mudança resolva a violação.

Para ver os métodos compatíveis para cada serviço, encontre o serviço em Serviços que aceitam restrições personalizadas.

9. Para definir uma condição, clique em Editar condição.
1. No painel Adicionar condição, crie uma condição de CEL que se refira a um recurso de serviço compatível, por exemplo, resource.management.autoUpgrade == false. Esse campo pode conter até 1.000 caracteres. Para detalhes sobre o uso da CEL, consulte Common Expression Language. Para mais informações sobre os recursos de serviço que você pode usar nas restrições personalizadas, consulte Serviços compatíveis com restrição personalizada.
2. Clique em Salvar.
10. Em Ação, selecione se você quer permitir ou negar o método avaliado quando a condição é atendida.

A ação de negação significa que a operação para criar ou atualizar o recurso será bloqueada se a condição for avaliada como verdadeira.

A ação de permissão significa que a operação para criar ou atualizar o recurso só é permitida se a condição for avaliada como verdadeira. Todos os outros casos, exceto os listados explicitamente na condição, estão bloqueados.

11. Clique em Criar restrição.

Quando você digita um valor em cada campo, a configuração YAML equivalente à restrição personalizada aparece à direita.

gcloud

1. Para criar uma restrição personalizada, crie um arquivo YAML com o seguinte formato:

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

Substitua:

• ORGANIZATION_ID: o ID da organização, como 123456789.
• CONSTRAINT_NAME: o nome da sua nova restrição personalizada. Uma restrição personalizada só pode conter letras (maiúsculas e minúsculas) ou números, por exemplo, custom.restrictMachineType. Esse campo pode conter até 70 caracteres, sem contar o prefixo (custom.), por exemplo, organizations/123456789/customConstraints/custom. Não inclua PII ou dados sensíveis no ID da restrição, porque eles podem ser expostos em mensagens de erro.
• RESOURCE_NAME: o nome totalmente qualificado do recurso Google Cloud que contém o objeto e o campo que você quer restringir. Por exemplo, aiplatform.googleapis.com/CustomJob. A maioria dos tipos de recursos aceita até 20 restrições personalizadas. Se você tentar criar mais restrições personalizadas, a operação vai falhar.
• methodTypes: os métodos REST em que a restrição é aplicada. Pode ser CREATE ou CREATE e UPDATE. Se você aplicar a restrição com o método UPDATE em um recurso que a viole, as mudanças nesse recurso serão bloqueadas pela política da organização, a menos que a mudança resolva a violação.

Para ver os métodos compatíveis com cada serviço, encontre o serviço em Serviços que aceitam restrições personalizadas.

• CONDITION: uma condição de CEL gravada em uma representação de um recurso de serviço compatível. Esse campo pode conter até 1.000 caracteres. Por exemplo, "resource.jobSpec.workerPoolSpecs.exists(spec, spec.machineSpec.machineType != \"n1-standard-4\")".

Para mais informações sobre os recursos disponíveis para gravação de condições, consulte Recursos compatíveis.

• ACTION: a ação a ser realizada se o condition for atendido. Os valores possíveis são ALLOW e DENY.

A ação "permitir" significa que, se a condição for avaliada como verdadeira, a operação para criar ou atualizar o recurso será permitida. Isso também significa que todos os outros casos, exceto o listado explicitamente na condição, estão bloqueados.

A ação de negação significa que, se a condição for avaliada como verdadeira, a operação para criar ou atualizar o recurso será bloqueada.

• DISPLAY_NAME: um nome legível para a restrição. Esse nome é usado em mensagens de erro e pode ser usado para identificação e depuração. Não use PII ou dados sensíveis em nomes de exibição, porque eles podem ser expostos em mensagens de erro. Esse campo pode ter até 200 caracteres.
• DESCRIPTION: uma descrição legível da restrição a ser exibida como uma mensagem de erro quando a política for violada. Esse campo pode conter até 2.000 caracteres.
2. Depois de criar o arquivo YAML para uma nova restrição personalizada, faça a configuração necessária para disponibilizá-la para as políticas da organização. Para configurar uma restrição personalizada, use o comando gcloud org-policies set-custom-constraint:

gcloud org-policies set-custom-constraint CONSTRAINT_PATH

Substitua CONSTRAINT_PATH pelo caminho completo do arquivo de restrição personalizada. Por exemplo, /home/user/customconstraint.yaml.

Após a conclusão, as restrições personalizadas vão estar disponíveis como políticas da organização na lista de políticas da organização do Google Cloud .

3. Para verificar se a restrição personalizada existe, use o comando gcloud org-policies list-custom-constraints:

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

Substitua ORGANIZATION_ID pelo ID do recurso da organização.

Para mais informações, consulte Como visualizar políticas da organização.

Aplicar uma política personalizada da organização

Para aplicar uma restrição, crie uma política da organização que faça referência a ela e aplique essa política a um recurso do Google Cloud .

Console

1. No console do Google Cloud , acesse a página Políticas da organização.

   Acessar a página Políticas da organização

2. No seletor de projetos, selecione o projeto em que você quer definir a política da organização.
3. Na lista da página Políticas da organização, selecione uma restrição para acessar a página Detalhes da política associada.
4. Para configurar a política da organização nesse recurso, clique em Gerenciar política.
5. Na página Editar política, selecione Substituir a política do recurso pai.
6. Clique em Adicionar uma regra.
7. Na seção Aplicação, selecione se essa política da organização é aplicada ou não.
8. Opcional: para tornar a política da organização condicional em uma tag, clique em Adicionar condição. Se você adicionar uma regra condicional a uma política da organização, inclua pelo menos uma regra não condicional para que a política seja salva. Para mais informações, consulte Definir o escopo das políticas da organização com tags.
9. Clique em Testar mudanças para simular o efeito da política da organização. Para mais informações, consulte Testar mudanças na política da organização com o Simulador de política.
10. Para aplicar a política da organização no modo de teste, clique em Definir política de simulação. Para mais informações, consulte Testar políticas da organização.
11. Depois de verificar se a política da organização no modo de simulação funciona como esperado, clique em Definir política para definir a política ativa.

gcloud

1. Para criar uma política da organização com regras booleanas, crie um arquivo YAML para a política que faça referência à restrição:

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

dryRunSpec:
  rules:
  - enforce: true

Substitua:

• PROJECT_ID: o projeto em que você quer aplicar a restrição.
• CONSTRAINT_NAME: o nome definido para a restrição personalizada. Por exemplo, custom.restrictMachineType.
2. Para aplicar a política da organização no modo de teste, execute o seguinte comando com a flag dryRunSpec:

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

Substitua POLICY_PATH pelo caminho completo para o arquivo YAML da política da organização. A política leva até 15 minutos para entrar em vigor.

3. Depois de verificar se a política da organização no modo de simulação funciona conforme o esperado, defina a política ativa com o comando org-policies set-policy e a flag spec:

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

Substitua POLICY_PATH pelo caminho completo para o arquivo YAML da política da organização. A política leva até 15 minutos para entrar em vigor.

Testar a política personalizada da organização

O exemplo a seguir cria uma restrição e política personalizada que restringe o tipo de máquina.

Antes de começar, você precisa saber o seguinte:

• O ID da sua organização.
• Um ID de projeto

Criar a restrição

1. Salve o seguinte arquivo como 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.
   

   Isso define uma restrição em que cada novo job de treinamento sem servidor precisa usar o tipo de máquina n1-standard-4. Se um job de treinamento sem servidor não usar esse tipo de máquina, a criação dele será negada.

2. Aplique a restrição:

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

3. Verifique se a restrição existe:

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

   O resultado será o seguinte:

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

Criar a política

1. Salve o seguinte arquivo como policy-deny-custom-job.yaml:

   name: projects/PROJECT_ID/policies/custom.restrictMachineType
   spec:
     rules:
     - enforce: true
   

   Substitua PROJECT_ID pelo ID do seu projeto.

2. Aplique a política:

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

3. Verifique se a política existe:

   gcloud org-policies list --project=PROJECT_ID
   

   O resultado será o seguinte:

   CONSTRAINT                          LIST_POLICY  BOOLEAN_POLICY        ETAG
   custom.restrictMachineType          -            SET                   CLj9zMIGEIiS3K4D-
   

Depois de aplicar a política, aguarde cerca de dois minutos para que o Google Cloud comece a aplicar a política.

Testar a política

Tente criar um job de treinamento sem servidor com um tipo de máquina restrito:

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

A saída é esta:

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."]

Exemplos de políticas personalizadas da organização para casos de uso comuns

Confira na tabela a sintaxe de algumas restrições personalizadas comuns.

Descrição

Sintaxe da restrição

Restringir o tipo de máquina para jobs de treinamento personalizado da Vertex AI

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.

A seguir

• Saiba mais sobre o Serviço de políticas da organização.
• Saiba como criar e gerenciar políticas da organização.
• Confira a lista completa de restrições de política da organização gerenciadas.