Configuración de Ray en Vertex AI

Antes de empezar a usar Ray en Vertex AI, sigue estos pasos para configurar tu proyecto de Google y el SDK de Vertex AI para Python:

  1. Configura la facturación de tu proyecto, instala gcloud CLI y habilita la API Vertex AI. Para ello, sigue los pasos que se indican en Configurar un proyecto y un entorno de desarrollo.

    Habilitar la API de Vertex AI

  2. Requisito previo: debes saber cómo desarrollar programas con Ray de código abierto.

  3. El SDK de Ray en Vertex AI para Python que se usa aquí es una versión del SDK de Vertex AI para Python que incluye la funcionalidad de Ray Client, el conector Ray BigQuery, la gestión de clústeres de Ray en Vertex AI y las predicciones en Vertex AI.

    • Si usas Ray en Vertex AI en la Google Cloud consola, un cuaderno de Colab Enterprise te guiará por el proceso de instalación del SDK de Vertex AI para Python después de crear un clúster de Ray.

    • Si usas Ray en Vertex AI en Vertex AI Workbench u otro entorno interactivo de Python, instala el SDK de Vertex AI para Python:

      # The latest image in the Ray cluster includes Ray 2.47
      # The latest supported Python version is Python 3.11.
      $ pip install google-cloud-aiplatform[ray]

      Después de instalar el SDK, reinicia el kernel antes de importar paquetes.

  4. Opcional: Si tienes previsto leer datos de BigQuery, crea un conjunto de datos de BigQuery o usa uno que ya tengas. Para ello, consulta cómo crear un conjunto de datos de BigQuery.

  5. (Opcional) Para mitigar el riesgo de filtración externa de datos de Vertex AI, habilita Controles de Servicio de VPC y especifica una red de VPC al crear un clúster. Para obtener más información, consulta Controles de Servicio de VPC con Vertex AI.

    Si habilitas Controles de Servicio de VPC, no podrás acceder a los recursos que estén fuera del perímetro, como los archivos de un segmento de Cloud Storage.

  6. (Opcional) Para usar una imagen de contenedor personalizada, alójala en Artifact Registry. Una imagen personalizada te permite añadir dependencias de Python que no se incluyen en las imágenes de contenedor prediseñadas. Para crear imágenes personalizadas, consulta el artículo sobre cómo empaquetar tu software en la documentación de Docker.

  7. (Opcional) Si especificas una red de VPC al crear un clúster de Ray en Vertex AI, te recomendamos que uses una red de VPC de modo automático en tu proyecto. No se admiten las redes de VPC en modo personalizado ni varias redes de VPC en el mismo proyecto, y pueden provocar que falle la creación del clúster.

Protege tus clústeres

Sigue las prácticas recomendadas y las directrices de Ray, como ejecutar código de confianza en redes de confianza, para proteger tus cargas de trabajo de Ray. La implementación de ray.io en tus instancias de nube se rige por el modelo de responsabilidad compartida.

Para obtener más información sobre las Google Cloud prácticas recomendadas, consulta el boletín de seguridad GCP-2024-020.

Ubicaciones admitidas

En la tabla Disponibilidad de las funciones se indican las ubicaciones disponibles de Ray en Vertex AI para el entrenamiento de modelos personalizados.

Siguientes pasos