如果您对 Vertex AI 训练集群感兴趣，请与您的销售代表联系以获取访问权限。
Vertex AI 训练集群是一项托管式 Google Cloud服务，可在您的 VPC 中以 Compute Engine 实例的形式进行预配。这种部署模式让该服务能够安全地连接到 VPC 内的其他工作负载、Google 管理的服务或多云网络。
网络 MTU 要求
为了使训练基础设施实现最佳网络性能，您必须配置 VPC 网络的最大传输单元 (MTU)。
建议的 MTU 设置
建议的 MTU 值取决于集群中的 GPU 机器类型：
- 对于 A3 Ultra 和 A4 节点：使用 8896 的 MTU。
- 对于 A3 Mega 节点：使用 8244 的 MTU。
您可以创建新 VPC，也可以使用现有 VPC。
在新 VPC 中部署训练集群（推荐）
建议的方法是将训练集群部署到新的预配置 VPC 网络中。这样可确保系统自动应用正确的 MTU 设置，并避免影响现有工作负载。
在新 VPC 中部署训练集群有两个主要步骤：
创建 VPC 网络：创建新的 VPC 网络。如需启用巨型帧，请将其 MTU 设置为 8896。
部署集群：将训练集群部署到新配置的网络中。
按照此顺序，集群的虚拟机实例在首次启动时将自动继承正确的 MTU 设置。
创建和设置新的 VPC
- 创建 VPC 网络。 如需启用巨型帧，请将 NETWORK_MTU 设置为 8896。
# create VPC network gcloud compute networks create NETWORK \ --project=PROJECT_ID \ --subnet-mode=custom \ --mtu=NETWORK_MTU - 创建用于部署训练集群的子网，并根据环境要求更新范围。在此示例中，子网 192.168.0.0/19 用于训练集群部署。
# create VPC subnet gcloud compute networks subnets create SUBNETWORK \ --project=PROJECT_ID \ --network=NETWORK \ --region=REGION \ --enable-private-ip-google-access \ --range=192.168.0.0/19
- 创建一条 IAP 防火墙规则，允许通过 SSH 连接到训练集群。
gcloud compute firewall-rules create allow-ssh-ingress-from-iap \ --direction=INGRESS --action=allow --rules=tcp:22 \ --source-ranges=35.235.240.0/20 --network NETWORK - 创建一条入站防火墙规则，允许所有端口和协议访问训练集群子网。
gcloud compute --project=PROJECT_ID firewall-rules create allow-internal \ --direction=INGRESS --priority=1000 --network=NETWORK \ --action=ALLOW --rules=tcp:1-65535,udp:1-65535,icmp \ --source-ranges=192.168.0.0/19 --enable-logging
在现有 VPC 中部署训练集群
如果您要将训练集群部署到包含 Cloud Storage 实例的现有网络中，强烈建议您使用巨型帧 (MTU 8896) 以确保最佳性能。开始之前，请验证现有虚拟机上的操作系统和应用是否支持此更改。
实现巨型帧需要更新 VPC 的 MTU，此操作必须在计划的维护窗口期间完成，以防止网络不稳定。
唯一安全的步骤是先停止相应网络中所有正在运行的虚拟机实例。在虚拟机处于活跃状态时更改 MTU 会导致设置不匹配和连接不可靠。
停止所有虚拟机后，您可以继续执行以下步骤：
- 将网络的 MTU 更改为所选设置（例如 8896）。
- 网络更新完成后，重启所有虚拟机。
- 手动更新非 Linux 虚拟机。请注意，对于某些操作系统，仅重启操作还不够。虽然基于公共 Linux 映像的虚拟机会自动采用新的 MTU，但您必须为所有 Windows 虚拟机以及任何不使用 DHCP 进行 MTU 配置的自定义镜像虚拟机手动更新操作系统内部的 MTU 设置。
其他要求：
- 在用于部署集群的子网中启用专用 Google 访问通道。
- 创建一条入站防火墙规则，授予 IAP 对集群的访问权限。
- 创建一条入站防火墙规则，允许所有流量进入集群。