Planifier une exécution de notebook
Cette page vous explique comment planifier l'exécution d'un notebook dans Colab Enterprise.
Présentation
Vous pouvez programmer l'exécution d'un notebook immédiatement, une seule fois ou de manière récurrente.
Lorsque vous planifiez l'exécution du notebook, vous sélectionnez un modèle d'exécution. Colab Enterprise utilise ce modèle d'exécution pour créer l'environnement d'exécution qui exécute votre notebook.
L'environnement d'exécution a besoin d'autorisations spécifiques pour exécuter le code du notebook et accéder aux services et aux API Google Cloud .
Si les identifiants de l'utilisateur final sont activés dans la configuration de votre modèle d'exécution, l'environnement d'exécution utilise les autorisations associées à vos identifiants utilisateur.
Si les identifiants de l'utilisateur final ne sont pas activés, vous devez spécifier un compte de service lorsque vous planifiez l'exécution du notebook. Colab Enterprise utilise les identifiants de ce compte de service pour exécuter votre notebook.
Pour en savoir plus, consultez Rôles requis pour exécuter le notebook.
Une fois l'exécution du notebook terminée dans Colab Enterprise, les résultats sont stockés dans un bucket Cloud Storage partageable.
Limites
Les environnements d'exécution Colab Enterprise utilisent le quota Compute Engine. Consultez la page Quotas d'allocation de Compute Engine.
Avant de commencer
- Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.
-
In the Google Cloud console, on the project selector page, select or create a Google Cloud project.
-
Make sure that billing is enabled for your Google Cloud project.
-
Enable the Vertex AI, Dataform, and Compute Engine APIs.
-
In the Google Cloud console, on the project selector page, select or create a Google Cloud project.
-
Make sure that billing is enabled for your Google Cloud project.
-
Enable the Vertex AI, Dataform, and Compute Engine APIs.
-
Utilisateur Colab Enterprise (
roles/aiplatform.colabEnterpriseUser
) -
Administrateur de l'espace de stockage (
roles/storage.admin
) -
Lecteur de code (
roles/dataform.codeViewer
) sur le notebook -
Rédacteur de journaux (
roles/logging.logWriter
) sur le projet -
Rédacteur de métriques Monitoring (
roles/monitoring.metricWriter
) sur le projet -
Rédacteur des anciens buckets de l'espace de stockage (
roles/storage.legacyBucketWriter
) sur le notebook -
Lecteur des anciens objets de l'espace de stockage (
roles/storage.legacyObjectReader
) sur le bucket de sortie -
dataform.locations.list
sur le notebook -
dataform.repositories.computeAccessTokenStatus
sur le notebook -
dataform.repositories.fetchHistory
sur le notebook -
dataform.repositories.fetchRemoteBranches
sur le notebook -
dataform.repositories.get
sur le notebook -
dataform.repositories.getIamPolicy
sur le notebook -
dataform.repositories.list
sur le notebook -
dataform.repositories.queryDirectoryContents
sur le notebook -
dataform.repositories.readFile
sur le notebook logging.logEntries.create
sur le projetlogging.logEntries.route
sur le projetmonitoring.metricDescriptors.create
sur le projetmonitoring.metricDescriptors.get
sur le projetmonitoring.metricDescriptors.list
sur le projetmonitoring.monitoredResourceDescriptors.get
sur le projetmonitoring.monitoredResourceDescriptors.list
sur le projetmonitoring.timeSeries.create
sur le projetresourcemanager.projects.get
sur le projetresourcemanager.projects.list
sur le projet-
storage.buckets.get
sur le notebook -
storage.managedFolders.create
sur le notebook -
storage.managedFolders.delete
sur le notebook -
storage.managedFolders.get
sur le notebook -
storage.managedFolders.list
sur le notebook -
storage.multipartUploads.abort
sur le notebook -
storage.multipartUploads.create
sur le notebook -
storage.multipartUploads.list
sur le notebook -
storage.multipartUploads.listParts
sur le notebook -
storage.objects.create
sur le notebook -
storage.objects.delete
sur le notebook -
storage.objects.get
sur le notebook -
storage.objects.list
sur le notebook -
storage.objects.restore
sur le notebook -
storage.objects.setRetention
sur le notebook -
Dans la console Google Cloud , accédez à la page Mes notebooks de Colab Enterprise.
-
Dans le menu Région, sélectionnez la région qui contient votre notebook.
-
À côté d'un notebook, cliquez sur le menu
Actions du notebook, puis sélectionnez Programmer. -
Dans le champ Nom de la programmation, saisissez un nom pour votre programmation.
-
Cliquez sur la liste Modèle d'exécution, puis sélectionnez un modèle d'exécution. Le modèle d'environnement d'exécution détermine les spécifications de l'environnement d'exécution qui exécute votre notebook.
-
Sous Planifier l'exécution, sélectionnez Ponctuelle pour exécuter votre notebook dès que vous l'envoyez.
-
À côté du champ Emplacement de sortie Cloud Storage, cliquez sur Parcourir pour ouvrir la boîte de dialogue Sélectionner un dossier.
-
Sélectionnez un bucket Cloud Storage. Vous pouvez également cliquer sur
Créer un bucket et remplir la boîte de dialogue. -
Si vous avez sélectionné un modèle d'exécution sans identifiants de l'utilisateur final activés, la boîte de dialogue inclut un champ Compte de service. Dans le champ Compte de service, saisissez l'adresse e-mail d'un compte de service.
-
Cliquez sur Envoyer.
L'exécution du notebook démarre immédiatement.
DISPLAY_NAME
: nom à afficher pour l'exécution de votre notebook.NOTEBOOK_RUNTIME_TEMPLATE
: modèle d'exécution de notebook qui spécifie la configuration de calcul de votre environnement d'exécution.NOTEBOOK_URI
: URI Cloud Storage du notebook à exécuter.OUTPUT_URI
: emplacement Cloud Storage où vous souhaitez stocker les résultats.USER_EMAIL
: adresse e-mail du compte utilisateur qui spécifie l'accès de l'exécution du notebook aux ressources Google Cloud .PROJECT_ID
: ID de votre projet.REGION
: région dans laquelle votre notebook sera exécuté.-
Dans la console Google Cloud , accédez à la page Mes notebooks de Colab Enterprise.
-
Dans le menu Région, sélectionnez la région qui contient votre notebook.
-
À côté d'un notebook, cliquez sur le menu
Actions du notebook, puis sélectionnez Programmer. -
Dans le champ Nom de la programmation, saisissez un nom pour votre programmation.
-
Cliquez sur la liste Modèle d'exécution, puis sélectionnez un modèle d'exécution. Le modèle d'environnement d'exécution détermine les spécifications de l'environnement d'exécution qui exécute votre notebook.
-
Sous Planification de l'exécution, sélectionnez Récurrence pour planifier l'exécution du notebook à un intervalle de temps spécifique.
-
Remplissez la boîte de dialogue de planification.
-
À côté du champ Emplacement de sortie Cloud Storage, cliquez sur Parcourir pour ouvrir la boîte de dialogue Sélectionner un dossier.
-
Sélectionnez un bucket Cloud Storage. Vous pouvez également cliquer sur
Créer un bucket et remplir la boîte de dialogue. -
Si vous avez sélectionné un modèle d'exécution sans identifiants de l'utilisateur final activés, la boîte de dialogue inclut un champ Compte de service. Dans le champ Compte de service, saisissez l'adresse e-mail d'un compte de service.
-
Cliquez sur Envoyer.
Les exécutions de notebooks planifiées démarrent automatiquement selon la planification que vous avez définie.
DISPLAY_NAME
: nom à afficher de votre programmation.CRON_SCHEDULE
: programmation que vous définissez, au format unix-cron. Par exemple,00 19 * * MON
signifie toutes les semaines, le lundi à 19h GMT (heure du méridien de Greenwich).NOTEBOOK_RUN_NAME
: nom à afficher des exécutions de notebooks générées par cette programmation.NOTEBOOK_RUNTIME_TEMPLATE
: modèle d'exécution de notebook qui spécifie la configuration de calcul de votre environnement d'exécution.NOTEBOOK_URI
: URI Cloud Storage du notebook à exécuter.OUTPUT_URI
: emplacement Cloud Storage où vous souhaitez stocker les résultats.USER_EMAIL
: adresse e-mail du compte utilisateur qui spécifie l'accès de l'exécution du notebook aux ressources Google Cloud .PROJECT_ID
: ID de votre projet.REGION
: région dans laquelle votre programmation sera exécutée.-
Dans la console Google Cloud , accédez à la page Exécutions de Colab Enterprise.
-
À côté de l'exécution du notebook pour laquelle vous souhaitez afficher les résultats, cliquez sur Afficher le résultat.
Colab Enterprise ouvre le résultat de l'exécution du notebook dans un nouvel onglet.
-
Pour afficher le résultat, cliquez sur l'onglet.
PROJECT_ID
: ID de votre projet.REGION
: région où se trouvent les résultats de l'exécution de votre notebook.SCHEDULE_NAME
: nom de la planification pour laquelle afficher les résultats. Pour afficher les résultats de tous les plannings, omettez l'option--filter
.-
Dans la console Google Cloud , accédez à la page Exécutions de Colab Enterprise.
-
Sélectionnez l'exécution du notebook dont vous souhaitez supprimer le résultat.
-
Cliquez sur
Supprimer. -
Pour confirmer la suppression, cliquez sur Confirmer.
NOTEBOOK_RUN_ID
: ID de l'exécution du notebook que vous souhaitez supprimer.PROJECT_ID
: ID de votre projet.REGION
: région où se trouve l'exécution de votre notebook.Toute personne ayant accès au bucket peut voir le code du fichier notebook et les résultats de l'exécution du notebook.
Toute personne autorisée à modifier le contenu du bucket peut modifier le contenu du fichier notebook.
- Bucket Cloud Storage dans lequel le programme stocke les résultats.
- Heures de début et de fin
- Fréquence.
-
Dans la console Google Cloud , accédez à la page Planifications de Colab Enterprise.
-
Cliquez sur le nom d'une programmation.
La page Détails de la programmation s'ouvre.
-
Pour revenir à la page Plannings, cliquez sur
Retour à la page précédente. SCHEDULE
: ID de votre programmation.PROJECT_ID
: ID de votre projet.REGION
: région où se trouve votre programmation.-
Dans la console Google Cloud , accédez à la page Planifications de Colab Enterprise.
-
Sélectionnez une programmation.
-
Cliquez sur
Suspendre, Reprendre, ou Supprimer. ACTION
:pause
,resume
oudelete
.SCHEDULE_ID
: ID de votre programmation.PROJECT_ID
: ID de votre projet.REGION
: région où se trouve votre programmation.PAUSED
pour suspendre la programmationACTIVE
pour reprendre la programmationPour trouver un notebook qui peut vous aider à démarrer rapidement votre projet, consultez la galerie de notebooks.
Obtenez plus d'informations sur les environnements d'exécution et les modèles d'exécution.
Découvrez comment créer un modèle d'environnement d'exécution.
Découvrez comment accéder aux services Google Cloud et aux API dans votre notebook.
Rôles requis pour planifier l'exécution du notebook
Pour obtenir les autorisations nécessaires pour planifier l'exécution d'un notebook dans Colab Enterprise, demandez à votre administrateur de vous accorder les rôles IAM suivants sur le projet :
Pour en savoir plus sur l'attribution de rôles, consultez Gérer l'accès aux projets, aux dossiers et aux organisations.
Vous pouvez également obtenir les autorisations requises avec des rôles personnalisés ou d'autres rôles prédéfinis.
Rôles requis pour exécuter le notebook
Le compte principal qui exécute le notebook a besoin d'autorisations spécifiques. Le compte principal est soit votre compte utilisateur, soit un compte de service que vous spécifiez, comme décrit dans la présentation.
Pour obtenir les autorisations nécessaires pour exécuter un notebook dans Colab Enterprise, demandez à votre administrateur de vous accorder les rôles IAM suivants :
Pour en savoir plus sur l'attribution de rôles, consultez Gérer l'accès aux projets, aux dossiers et aux organisations.
Ces rôles prédéfinis contiennent les autorisations requises pour exécuter un notebook dans Colab Enterprise. Pour connaître les autorisations exactes requises, développez la section Autorisations requises :
Autorisations requises
Les autorisations suivantes sont requises pour exécuter un notebook dans Colab Enterprise :
Vous pouvez également obtenir ces autorisations avec des rôles personnalisés ou d'autres rôles prédéfinis.
Exécuter un notebook une seule fois
Pour exécuter un notebook une seule fois, vous pouvez utiliser la console Google Cloud , la Google Cloud CLI, la bibliothèque cliente Python Vertex AI ou Terraform.
Console
gcloud
Avant d'utiliser les données de la commande ci-dessous, effectuez les remplacements suivants :
Exécutez la commande suivante :
Linux, macOS ou Cloud Shell
gcloud colab executions create --display-name="DISPLAY_NAME" \ --notebook-runtime-template=NOTEBOOK_RUNTIME_TEMPLATE \ --gcs-notebook-uri=NOTEBOOK_URI \ --gcs-output-uri=OUTPUT_URI \ --user-email=USER_EMAIL \ --project=PROJECT_ID \ --region=REGION
Windows (PowerShell)
gcloud colab executions create --display-name="DISPLAY_NAME" ` --notebook-runtime-template=NOTEBOOK_RUNTIME_TEMPLATE ` --gcs-notebook-uri=NOTEBOOK_URI ` --gcs-output-uri=OUTPUT_URI ` --user-email=USER_EMAIL ` --project=PROJECT_ID ` --region=REGION
Windows (cmd.exe)
gcloud colab executions create --display-name="DISPLAY_NAME" ^ --notebook-runtime-template=NOTEBOOK_RUNTIME_TEMPLATE ^ --gcs-notebook-uri=NOTEBOOK_URI ^ --gcs-output-uri=OUTPUT_URI ^ --user-email=USER_EMAIL ^ --project=PROJECT_ID ^ --region=REGION
Pour en savoir plus sur la gestion des exécutions de notebooks Colab Enterprise à partir de la ligne de commande, consultez la documentation de gcloud CLI.
Python
Avant d'essayer cet exemple, installez le SDK Vertex AI pour Python. La bibliothèque cliente Vertex AI pour Python est installée lorsque vous installez le SDK Vertex AI pour Python. Pour en savoir plus, consultez la documentation de référence de l'API SDK Vertex AI pour Python.
Pour exécuter l'exemple de code suivant, vous aurez besoin de l'ID du dépôt Dataform de votre notebook. Pour obtenir l'ID du dépôt de votre notebook, vous pouvez utiliser la méthode list_repositories de Dataform.
from google.cloud import aiplatform_v1 PROJECT_ID = "my-project" LOCATION = "us-central1" REPOSITORY_ID = "b223577f-a3fb-482c-a22c-0658c6602598" TEMPLATE_ID = "6524523989455339520" API_ENDPOINT = f"{LOCATION}-aiplatform.googleapis.com" PARENT = f"projects/{PROJECT_ID}/locations/{LOCATION}" notebook_service_client = aiplatform_v1.NotebookServiceClient(client_options = { "api_endpoint": API_ENDPOINT, }) operation = notebook_service_client.create_notebook_execution_job(parent=PARENT, notebook_execution_job={ "display_name": "my-execution-job", # Specify a NotebookRuntimeTemplate to source compute configuration from "notebook_runtime_template_resource_name": f"projects/{PROJECT_ID}/locations/{LOCATION}/notebookRuntimeTemplates/{TEMPLATE_ID}", # Specify a Colab Enterprise notebook to run "dataform_repository_source": { "dataform_repository_resource_name": f"projects/{PROJECT_ID}/locations/{LOCATION}/repositories/{REPOSITORY_ID}", }, # Specify a Cloud Storage bucket to store output artifacts "gcs_output_uri": "gs://my-bucket/", # Specify the identity that runs the notebook "execution_user": "{EMAIL}", # Run as the service account instead # "service_account": "my-service-account", }) print("Waiting for operation to complete...") result = operation.result()
Terraform
Pour savoir comment appliquer ou supprimer une configuration Terraform, consultez la page Commandes Terraform de base. Pour en savoir plus, consultez la documentation de référence du fournisseur Terraform.
L'exemple suivant utilise la ressource Terraform google_colab_notebook_execution
pour exécuter un notebook Colab Enterprise.
Vous pouvez afficher les résultats des exécutions de notebooks terminées sur la page Exécutions.
Planifier une exécution de notebook
Pour planifier l'exécution d'un notebook, vous pouvez utiliser la console Google Cloud , la gcloud CLI, la bibliothèque cliente Vertex AI pour Python ou Terraform.
Console
gcloud
Avant d'utiliser les données de la commande ci-dessous, effectuez les remplacements suivants :
Exécutez la commande suivante :
Linux, macOS ou Cloud Shell
gcloud colab schedules create --display-name="DISPLAY_NAME" \ --cron-schedule=CRON_SCHEDULE \ --execution-display-name=NOTEBOOK_RUN_NAME \ --notebook-runtime-template=NOTEBOOK_RUNTIME_TEMPLATE \ --gcs-notebook-uri=NOTEBOOK_URI \ --gcs-output-uri=OUTPUT_URI \ --user-email=USER_EMAIL \ --project=PROJECT_ID \ --region=REGION
Windows (PowerShell)
gcloud colab schedules create --display-name="DISPLAY_NAME" ` --cron-schedule=CRON_SCHEDULE ` --execution-display-name=NOTEBOOK_RUN_NAME ` --notebook-runtime-template=NOTEBOOK_RUNTIME_TEMPLATE ` --gcs-notebook-uri=NOTEBOOK_URI ` --gcs-output-uri=OUTPUT_URI ` --user-email=USER_EMAIL ` --project=PROJECT_ID ` --region=REGION
Windows (cmd.exe)
gcloud colab schedules create --display-name="DISPLAY_NAME" ^ --cron-schedule=CRON_SCHEDULE ^ --execution-display-name=NOTEBOOK_RUN_NAME ^ --notebook-runtime-template=NOTEBOOK_RUNTIME_TEMPLATE ^ --gcs-notebook-uri=NOTEBOOK_URI ^ --gcs-output-uri=OUTPUT_URI ^ --user-email=USER_EMAIL ^ --project=PROJECT_ID ^ --region=REGION
Pour en savoir plus sur la création de plannings de notebooks Colab Enterprise à partir de la ligne de commande, consultez la documentation de la gcloud CLI.
Python
Avant d'essayer cet exemple, installez le SDK Vertex AI pour Python. La bibliothèque cliente Vertex AI pour Python est installée lorsque vous installez le SDK Vertex AI pour Python. Pour en savoir plus, consultez la documentation de référence de l'API SDK Vertex AI pour Python.
Pour exécuter l'exemple de code suivant, vous aurez besoin de l'ID du dépôt Dataform de votre notebook. Pour obtenir l'ID du dépôt de votre notebook, vous pouvez utiliser la méthode list_repositories de Dataform.
from google.cloud import aiplatform_v1 PROJECT_ID = "my-project" LOCATION = "us-central1" REPOSITORY_ID = "b223577f-a3fb-482c-a22c-0658c6602598" TEMPLATE_ID = "6524523989455339520" API_ENDPOINT = f"{LOCATION}-aiplatform.googleapis.com" PARENT = f"projects/{PROJECT_ID}/locations/{LOCATION}" schedules_service_client = aiplatform_v1.ScheduleServiceClient(client_options = { "api_endpoint": API_ENDPOINT, }) schedule = schedules_service_client.create_schedule(parent=PARENT, schedule={ "display_name": "my-notebook-schedule", # Time specification. TZ is optional. # cron = "* * * * *" to run it in the next minute. "cron": "TZ=America/Los_Angeles * * * * *", # How many runs the schedule will trigger before it becomes COMPLETED. # A Schedule in COMPLETED state will not trigger any more runs. "max_run_count": 1, "max_concurrent_run_count": 1, "create_notebook_execution_job_request": { "parent": PARENT, "notebook_execution_job": { "display_name": "my-execution-job", # Specify a NotebookRuntimeTemplate to source compute configuration from "notebook_runtime_template_resource_name": f"projects/{PROJECT_ID}/locations/{LOCATION}/notebookRuntimeTemplates/{TEMPLATE_ID}", # Specify a Colab Enterprise notebook to run "dataform_repository_source": { "dataform_repository_resource_name": f"projects/{PROJECT_ID}/locations/{LOCATION}/repositories/{REPOSITORY_ID}", }, # Specify a Cloud Storage bucket to store output artifacts "gcs_output_uri": "gs://my-bucket/", # Specify the identity that runs the notebook "execution_user": "{EMAIL}", # Run as the service account instead # "service_account": "my-service-account", } } })
Terraform
Pour savoir comment appliquer ou supprimer une configuration Terraform, consultez la page Commandes Terraform de base. Pour en savoir plus, consultez la documentation de référence du fournisseur Terraform.
L'exemple suivant utilise la ressource Terraform google_colab_schedule
pour planifier l'exécution d'un notebook Colab Enterprise.
Dans la console Google Cloud , vous pouvez afficher vos planifications sur la page Planifications. Vous pouvez afficher les résultats des exécutions de notebooks terminées sur la page Exécutions.
Afficher les résultats
Pour afficher les résultats d'exécution d'un notebook, vous pouvez utiliser la console Google Cloud , la gcloud CLI ou la bibliothèque cliente Python Vertex AI.
Console
gcloud
Avant d'utiliser les données de la commande ci-dessous, effectuez les remplacements suivants :
Exécutez la commande suivante :
Linux, macOS ou Cloud Shell
gcloud colab executions list --project=PROJECT_ID \ --region=REGION \ --filter="scheduleResourceName:SCHEDULE_NAME"
Windows (PowerShell)
gcloud colab executions list --project=PROJECT_ID ` --region=REGION ` --filter="scheduleResourceName:SCHEDULE_NAME"
Windows (cmd.exe)
gcloud colab executions list --project=PROJECT_ID ^ --region=REGION ^ --filter="scheduleResourceName:SCHEDULE_NAME"
Pour en savoir plus sur la liste des exécutions de notebooks Colab Enterprise à partir de la ligne de commande, consultez la documentation de la gcloud CLI.
Python
Avant d'essayer cet exemple, installez le SDK Vertex AI pour Python. La bibliothèque cliente Vertex AI pour Python est installée lorsque vous installez le SDK Vertex AI pour Python. Pour en savoir plus, consultez la documentation de référence de l'API SDK Vertex AI pour Python.
Pour exécuter l'exemple de code suivant, vous aurez besoin de l'ID du dépôt Dataform de votre notebook. Pour obtenir l'ID du dépôt de votre notebook, vous pouvez utiliser la méthode list_repositories de Dataform.
from google.cloud import aiplatform_v1 PROJECT_ID = "my-project" LOCATION = "us-central1" API_ENDPOINT = f"{LOCATION}-aiplatform.googleapis.com" PARENT = f"projects/{PROJECT_ID}/locations/{LOCATION}" notebook_service_client = aiplatform_v1.NotebookServiceClient(client_options = { "api_endpoint": API_ENDPOINT, }) notebook_execution_jobs = notebook_service_client.list_notebook_execution_jobs(parent=PARENT) notebook_execution_jobs
Supprimer des résultats
Pour supprimer un résultat de l'une de vos exécutions de notebook, vous pouvez utiliser la console Google Cloud ou la gcloud CLI.
Console
gcloud
Avant d'utiliser les données de la commande ci-dessous, effectuez les remplacements suivants :
Exécutez la commande suivante :
Linux, macOS ou Cloud Shell
gcloud colab executions delete NOTEBOOK_RUN_ID \ --project=PROJECT_ID \ --region=REGION
Windows (PowerShell)
gcloud colab executions delete NOTEBOOK_RUN_ID ` --project=PROJECT_ID ` --region=REGION
Windows (cmd.exe)
gcloud colab executions delete NOTEBOOK_RUN_ID ^ --project=PROJECT_ID ^ --region=REGION
Pour en savoir plus sur la suppression des exécutions de notebooks Colab Enterprise à partir de la ligne de commande, consultez la documentation de la gcloud CLI.
Partager les résultats d'une exécution de notebook
Vous pouvez partager les résultats d'exécution de notebook en fournissant un accès au bucket Cloud Storage contenant l'exécution de votre notebook. En fournissant cet accès, les utilisateurs peuvent également accéder à toutes les autres ressources du même bucket Cloud Storage (voir Considérations relatives à la sécurité).
Pour en savoir plus, consultez la page Partage et collaboration de Cloud Storage.
Points à noter concernant la sécurité
Les résultats de l'exécution de votre notebook sont stockés sous forme de fichiers de notebook (IPYNB) dans un bucket Cloud Storage. Tenez compte des points suivants lorsque vous accordez l'accès à ce bucket :
Lorsque votre programmation est configurée pour utiliser des identifiants personnels, seul l'utilisateur spécifié peut la modifier ou la déclencher.
Lorsque votre programmation est configurée pour utiliser un compte de service, seuls les utilisateurs disposant de l'autorisation iam.serviceAccounts.actAs
sur le compte de service peuvent la modifier ou la déclencher.
Afficher les détails d'une programmation
Vous pouvez afficher des informations sur une programmation, y compris :
Pour afficher les détails d'une planification, vous pouvez utiliser la console Google Cloud ou la gcloud CLI.
Console
gcloud
Avant d'utiliser les données de la commande ci-dessous, effectuez les remplacements suivants :
Exécutez la commande suivante :
Linux, macOS ou Cloud Shell
gcloud colab schedules describe SCHEDULE \ --project=PROJECT_ID \ --region=REGION
Windows (PowerShell)
gcloud colab schedules describe SCHEDULE ` --project=PROJECT_ID ` --region=REGION
Windows (cmd.exe)
gcloud colab schedules describe SCHEDULE ^ --project=PROJECT_ID ^ --region=REGION
Pour en savoir plus sur l'affichage des plannings Colab Enterprise à partir de la ligne de commande, consultez la documentation de la gcloud CLI.
Mettre en veille, réactiver ou supprimer une programmation
Pour mettre en veille, réactiver ou supprimer une programmation, vous pouvez utiliser la console Google Cloud , gcloud CLI ou Terraform.
Console
gcloud
Avant d'utiliser les données de la commande ci-dessous, effectuez les remplacements suivants :
Exécutez la commande suivante :
Linux, macOS ou Cloud Shell
gcloud colab schedules ACTION SCHEDULE_ID \ --project=PROJECT_ID \ --region=REGION
Windows (PowerShell)
gcloud colab schedules ACTION SCHEDULE_ID ` --project=PROJECT_ID ` --region=REGION
Windows (cmd.exe)
gcloud colab schedules ACTION SCHEDULE_ID ^ --project=PROJECT_ID ^ --region=REGION
Pour en savoir plus sur la gestion des plannings Colab Enterprise à partir de la ligne de commande, consultez la documentation de la gcloud CLI.
Terraform
Pour savoir comment appliquer ou supprimer une configuration Terraform, consultez la page Commandes Terraform de base. Pour en savoir plus, consultez la documentation de référence du fournisseur Terraform.
L'exemple suivant utilise la ressource Terraform google_colab_schedule
pour suspendre ou reprendre une programmation.
Pour utiliser cet exemple, modifiez la valeur de desired_state
comme suit :