Instanz mit einem benutzerdefinierten Container erstellen

Auf dieser Seite wird beschrieben, wie Sie eine Vertex AI Workbench-Instanz basierend auf einem benutzerdefinierten Container erstellen.

Übersicht

Unterstützung von Vertex AI Workbench-Instanzen mithilfe eines benutzerdefinierten, abgeleiteten Containers aus einem von Google bereitgestellten Basiscontainer. Sie können diesen Basiscontainer ändern, um ein benutzerdefiniertes Container-Image zu erstellen, und mit diesem benutzerdefinierten Container eine Vertex AI Workbench-Instanz erstellen.

Der Basiscontainer ist mit einem Container-Optimized OS auf der virtuellen Hostmaschine (VM) konfiguriert. Der Basiscontainer bietet vorinstallierte Data Science Pakete sowie spezifische Konfigurationen, mit denen sich Ihre Instanz in Google Cloud integrieren lässt.

Der Basiscontainer befindet sich unter gcr.io/deeplearning-platform-release/workbench-container:latest

Beschränkungen

Berücksichtigen Sie bei der Planung Ihres Projekts die folgenden Einschränkungen:

  • Der benutzerdefinierte Container muss aus dem Von Google bereitgestellter Basiscontainer (gcr.io/deeplearning-platform-release/workbench-container:latest) abgeleitet sein. Die Verwendung eines Containers, der nicht vom Basiscontainer abgeleitet ist, wird nicht unterstützt und erhöht das Risiko von Kompatibilitätsproblemen mit unseren Diensten.

  • Verwendung mehrerer Container mit einer Vertex AI Workbench-Instanz wird nicht unterstützt.

  • Unterstützte Metadaten für benutzerdefinierte Container aus nutzerverwalteten Notebooks und verwalteten Notebooks können sich bei der Verwendung mit Vertex AI Workbench-Instanzen unterschiedlich verhalten.

Hinweise

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

    Go to project selector

  2. Die Abrechnung für das Google Cloud-Projekt muss aktiviert sein.

  3. Notebooks API aktivieren.

    Aktivieren Sie die API

Erforderliche Rollen

Um sicherzustellen, dass Ihr Nutzerkonto über die erforderlichen Berechtigungen zum Erstellen einer Vertex AI Workbench-Instanz verfügt, bitten Sie Ihren Administrator, Ihrem Nutzerkonto die IAM-Rolle Notebooks-Runner (roles/notebooks.runner) für das Projekt zu gewähren. Weitere Informationen zum Zuweisen von Rollen finden Sie unter Zugriff verwalten.

Ihr Administrator kann Ihrem Nutzerkonto möglicherweise auch die erforderlichen Berechtigungen über benutzerdefinierte Rollen oder andere vordefinierte Rollen erteilen.

Benutzerdefinierten Container erstellen

So erstellen Sie einen benutzerdefinierten Container für die Verwendung mit Vertex AI Workbench-Instanzen:

  1. Erstellen Sie einen Container, der vom Von Google bereitgestellten Basiscontainer-Image (gcr.io/deeplearning-platform-release/workbench-container:latest) abgeleitet ist.

  2. Erstellen Sie den Container und übertragen Sie ihn per Push in Artifact Registry. Sie verwenden die URI des Containers, wenn Sie Ihre Vertex AI Workbench-Instanz erstellen. Dieser URI könnte so aussehen: gcr.io/PROJECT_ID/IMAGE_NAME.

Die Instanz erstellen

Sie können eine Vertex AI Workbench-Instanz basierend auf einem benutzerdefinierten Container mithilfe der gcloud CLI erstellen.

Ersetzen Sie folgende Werte, bevor sie einen der Befehlsdaten verwenden:

  • INSTANCE_NAME: der Name Ihrer Vertex AI Workbench-Instanz; muss mit einem Buchstaben beginnen, gefolgt von bis zu 62 Kleinbuchstaben, Ziffern oder Bindestrichen (-) und darf nicht mit einem Bindestrich enden
  • PROJECT_ID: Ihre Projekt-ID.
  • LOCATION: die Zone, in der sich Ihre Instanz befinden soll
  • CUSTOM_CONTAINER_PATH ist der Pfad zum Container-Image-Repository, Beispiel: gcr.io/PROJECT_ID/IMAGE_NAME
  • METADATA: benutzerdefinierte Metadaten, die auf diese Instanz angewendet werden sollen; Um z. B. ein Post-Startskript festzulegen, können Sie das post-startup-script-Metadaten-Tag im folgenden Format verwenden: "--metadata=post-startup-script=gs://BUCKET_NAME/hello.sh".

Führen Sie folgenden Befehl aus:

Linux, macOS oder Cloud Shell

gcloud workbench instances create INSTANCE_NAME \
    --project=PROJECT_ID \
    --location=LOCATION \
    --container-repository=CUSTOM_CONTAINER_URL \
    --container-tag=latest \
    --metadata=METADATA

Windows (PowerShell)

gcloud workbench instances create INSTANCE_NAME `
    --project=PROJECT_ID `
    --location=LOCATION `
    --container-repository=CUSTOM_CONTAINER_URL `
    --container-tag=latest `
    --metadata=METADATA

Windows (cmd.exe)

gcloud workbench instances create INSTANCE_NAME ^
    --project=PROJECT_ID ^
    --location=LOCATION ^
    --container-repository=CUSTOM_CONTAINER_URL ^
    --container-tag=latest ^
    --metadata=METADATA

Weitere Informationen zum Befehl zum Erstellen einer Instanz über die Befehlszeile ausführen, siehe gcloud CLI Dokumentation.

Auf die Instanz zugreifen

Sie können über eine Proxy-URL auf Ihre Instanz zugreifen.

Nachdem die Instanz erstellt wurde und aktiv ist, können Sie den Proxy-URL mithilfe der gcloud CLI abrufen.

Ersetzen Sie folgende Werte, bevor sie einen der Befehlsdaten verwenden:

  • INSTANCE_NAME: der Name Ihrer Vertex AI Workbench-Instanz
  • PROJECT_ID: Ihre Projekt-ID.
  • LOCATION: Zone, in der sich Ihre Instanz befindet.

Führen Sie folgenden Befehl aus:

Linux, macOS oder Cloud Shell

gcloud workbench instances describe INSTANCE_NAME \
--project=PROJECT_ID \
--location=LOCATION | grep proxy-url

Windows (PowerShell)

gcloud workbench instances describe INSTANCE_NAME `
--project=PROJECT_ID `
--location=LOCATION | grep proxy-url

Windows (cmd.exe)

gcloud workbench instances describe INSTANCE_NAME ^
--project=PROJECT_ID ^
--location=LOCATION | grep proxy-url

proxy-url: 7109d1b0d5f850f-dot-datalab-vm-staging.googleusercontent.com

Der Befehl describe gibt Ihre Proxy-URL zurück. Um auf Ihre Instanz zuzugreifen, öffnen Sie die Proxy-URL in einem Webbrowser.

Weitere Informationen zum Befehl zum Beschreiben einer Instanz über die Befehlszeile siehe gcloud CLI Dokumentation.