Benutzerdefinierte Einschränkungen für Organisationsrichtlinien erstellen

Auf dieser Seite erfahren Sie, wie Sie benutzerdefinierte Beschränkungen des Organisationsrichtliniendienstes verwenden, um bestimmte Vorgänge für die folgenden Google Cloud -Ressourcen einzuschränken:

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

Weitere Informationen zu Organisationsrichtlinien finden Sie unter Benutzerdefinierte Organisationsrichtlinien.

Informationen zu Organisationsrichtlinien und Beschränkungen

Mit dem Google Cloud -Organisationsrichtliniendienst können Sie die Ressourcen Ihrer Organisation zentral und programmatisch steuern. Als Administrator für Organisationsrichtlinien können Sie eine Organisationsrichtlinie definieren, also eine Reihe von Beschränkungen, die fürGoogle Cloud -Ressourcen und nachfolgende Elemente dieser Ressourcen in der Google Cloud -Ressourcenhierarchie gelten. Sie können Organisationsrichtlinien auf Organisations-, Ordner- oder Projektebene erzwingen.

Die Organisationsrichtlinie bietet integrierte verwaltete Beschränkungen für verschiedene Google Cloud -Dienste. Wenn Sie jedoch eine detailliertere, anpassbare Steuerung der spezifischen Felder wünschen, die in Ihren Organisationsrichtlinien beschränkt werden, können Sie auch benutzerdefinierte Beschränkungen erstellen und diese benutzerdefinierten Beschränkungen in einer Organisationsrichtlinie verwenden.

Übernahme von Richtlinien

Standardmäßig werden Organisationsrichtlinien von den Nachfolgerelementen der Ressourcen übernommen, für die Sie die Richtlinie erzwingen. Wenn Sie beispielsweise eine Richtlinie für einen Ordner erzwingen, erzwingt Google Cloud die Richtlinie für alle Projekte in dem Ordner. Weitere Informationen zu diesem Verhalten und zu dessen Änderung finden Sie unter Regeln für die Bewertung der Hierarchie.

Vorteile

Mit benutzerdefinierten Organisationsrichtlinien können Sie bestimmte Werte für Vertex AI-Trainingsressourcen zulassen oder ablehnen. Wenn beispielsweise eine Anfrage zum Erstellen eines benutzerdefinierten Trainingsjobs die benutzerdefinierte Beschränkungsvalidierung, die durch Ihre Organisationsrichtlinie festgelegt wurde, nicht erfüllt, schlägt die Anfrage fehl und dem Aufrufer wird ein Fehler zurückgegeben.

Beschränkungen

Wie alle Einschränkungen für Organisationsrichtlinien gelten Richtlinienänderungen nicht rückwirkend für vorhandene Ressourcen.

• Eine neue Richtlinie hat keine Auswirkungen auf vorhandene Ressourcenkonfigurationen.
• Eine vorhandene Ressourcenkonfiguration bleibt gültig, es sei denn, Sie ändern einen Wert in der Konfiguration von einem Compliance-Status in einen Nicht-Compliance-Status.

Hinweise

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.

Go to project selector

Verify that billing is enabled for your Google Cloud project.

Install the Google Cloud CLI.

Wenn Sie einen externen Identitätsanbieter (IdP) verwenden, müssen Sie sich zuerst mit Ihrer föderierten Identität in der gcloud CLI anmelden.

Führen Sie folgenden Befehl aus, um die gcloud CLI zu initialisieren:

gcloud init

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

Go to project selector

Verify that billing is enabled for your Google Cloud project.

Install the Google Cloud CLI.

Wenn Sie einen externen Identitätsanbieter (IdP) verwenden, müssen Sie sich zuerst mit Ihrer föderierten Identität in der gcloud CLI anmelden.

Führen Sie folgenden Befehl aus, um die gcloud CLI zu initialisieren:

gcloud init

1. Sie müssen Ihre Organisations-ID kennen.

Erforderliche Rollen

Bitten Sie Ihren Administrator, Ihnen die IAM-Rolle Organization Policy Administrator (roles/orgpolicy.policyAdmin) für die Organisationsressource zu gewähren, um die Berechtigungen zu erhalten, die Sie zum Verwalten von Organisationsrichtlinien benötigen. Weitere Informationen zum Zuweisen von Rollen finden Sie unter Zugriff auf Projekte, Ordner und Organisationen verwalten.

Sie können die erforderlichen Berechtigungen auch über benutzerdefinierte Rollen oder andere vordefinierte Rollen erhalten.

Benutzerdefinierte Beschränkung erstellen

Eine benutzerdefinierte Beschränkung wird in einer YAML-Datei durch die Ressourcen, Methoden, Bedingungen und Aktionen definiert, die von dem Dienst unterstützt werden, für den Sie die Organisationsrichtlinie erzwingen. Bedingungen für Ihre benutzerdefinierten Beschränkungen werden mithilfe der Common Expression Language (CEL) definiert. Weitere Informationen zum Erstellen von Bedingungen in benutzerdefinierten Beschränkungen mit CEL finden Sie im Abschnitt CEL unter Benutzerdefinierte Beschränkungen erstellen und verwalten.

Zum Erstellen einer benutzerdefinierten Beschränkung erstellen Sie eine YAML-Datei im folgenden Format:

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

Ersetzen Sie Folgendes:

• ORGANIZATION_ID: Ihre Organisations-ID, z. B. 123456789.

• CONSTRAINT_NAME: Name, den Sie für Ihre neue benutzerdefinierte Beschränkung verwenden möchten. Eine benutzerdefinierte Beschränkung muss mit custom. beginnen und darf nur Großbuchstaben, Kleinbuchstaben oder Ziffern enthalten. Beispiel: custom.restrictMachineType. Die maximale Länge dieses Feldes beträgt 70 Zeichen.

• RESOURCE_NAME: Der vollständig qualifizierte Name derGoogle Cloud -Ressource, die das Objekt und das Feld enthält, das Sie beschränken möchten. Beispiel: aiplatform.googleapis.com/CustomJob

• CONDITION: eine CEL-Bedingung, die für eine Darstellung einer unterstützten Dienstressource geschrieben wird. Dieses Feld hat eine maximale Länge von 1.000 Zeichen. Weitere Informationen zu den verfügbaren Ressourcen, auf die Bedingungen geschrieben werden können, finden Sie unter Unterstützte Ressourcen. Beispiel: "resource.jobSpec.workerPoolSpecs.exists(spec, spec.machineSpec.machineType != \"n1-standard-4\")".

• ACTION: Aktion, die ausgeführt werden soll, wenn condition erfüllt ist. Mögliche Werte sind ALLOW und DENY.

• DISPLAY_NAME: Ein nutzerfreundlicher Name für die Beschränkung. Dieses Feld hat eine maximale Länge von 200 Zeichen.

• DESCRIPTION: Eine nutzerfreundliche Beschreibung der Beschränkung, die als Fehlermeldung angezeigt werden soll, wenn die Richtlinie verletzt wird. Dieses Feld hat eine maximale Länge von 2.000 Zeichen.

Weitere Informationen zum Erstellen einer benutzerdefinierten Beschränkung finden Sie unter Benutzerdefinierte Beschränkungen definieren.

Benutzerdefinierte Beschränkung einrichten

Nachdem Sie die YAML-Datei für eine neue benutzerdefinierte Beschränkung erstellt haben, müssen Sie sie einrichten, um sie für Organisationsrichtlinien in Ihrer Organisation verfügbar zu machen. Verwenden Sie zum Einrichten einer benutzerdefinierten Beschränkung den Befehl gcloud org-policies set-custom-constraint:

gcloud org-policies set-custom-constraint CONSTRAINT_PATH

Ersetzen Sie CONSTRAINT_PATH durch den vollständigen Pfad zu Ihrer benutzerdefinierten Beschränkungsdatei. Beispiel: /home/user/customconstraint.yaml Nach Abschluss des Vorgangs sind Ihre benutzerdefinierten Beschränkungen als Organisationsrichtlinien in der Liste der Google Cloud -Organisationsrichtlinien verfügbar. Prüfen Sie mit dem Befehl gcloud org-policies list-custom-constraints, ob die benutzerdefinierte Beschränkung vorhanden ist:

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

Ersetzen Sie ORGANIZATION_ID durch die ID Ihrer Organisationsressource. Weitere Informationen finden Sie unter Organisationsrichtlinien aufrufen.

Benutzerdefinierte Organisationsrichtlinie erzwingen

Sie können eine Beschränkung erzwingen, indem Sie eine Organisationsrichtlinie erstellen, die darauf verweist, und diese Organisationsrichtlinie dann auf eine Google Cloud -Ressource anwenden.

Console

1. Wechseln Sie in der Google Cloud Console zur Seite Organisationsrichtlinien.

   Zu den Organisationsrichtlinien

2. Wählen Sie in der Projektauswahl das Projekt aus, für das Sie die Organisationsrichtlinie festlegen möchten.
3. Wählen Sie auf der Seite Organisationsrichtlinien die gewünschte Beschränkung aus, um die Seite Richtliniendetails aufzurufen.
4. Zum Konfigurieren der Organisationsrichtlinie für diese Ressource klicken Sie auf Richtlinie verwalten.
5. Wählen Sie auf der Seite Richtlinie bearbeiten die Option Richtlinie der übergeordneten Ressource überschreiben aus.
6. Klicken Sie auf Regel hinzufügen.
7. Wählen Sie im Abschnitt Erzwingung aus, ob die Erzwingung dieser Organisationsrichtlinie aktiviert oder deaktiviert werden soll.
8. Klicken Sie optional auf Bedingung hinzufügen, um die Organisationsrichtlinie von einem Tag abhängig zu machen. Wenn Sie einer Organisationsrichtlinie eine bedingte Regel hinzufügen, müssen Sie mindestens eine unbedingte Regel hinzufügen, da die Richtlinie sonst nicht gespeichert werden kann. Weitere Informationen finden Sie unter Organisationsrichtlinie mit Tags festlegen.
9. Klicken Sie auf Änderungen testen, um die Auswirkungen der Organisationsrichtlinie zu simulieren. Die Richtliniensimulation ist für veraltete verwaltete Beschränkungen nicht verfügbar. Weitere Informationen finden Sie unter Änderungen an Organisationsrichtlinien mit dem Policy Simulator testen.
10. Klicken Sie auf Richtlinie festlegen, um den Vorgang abzuschließen und die Organisationsrichtlinie anzuwenden. Es kann bis zu 15 Minuten dauern, bis die Richtlinie wirksam wird.

gcloud

Wenn Sie eine Organisationsrichtlinie mit booleschen Regeln erstellen möchten, erstellen Sie eine YAML-Richtliniendatei, die auf die Beschränkung verweist:

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

Ersetzen Sie Folgendes:

• PROJECT_ID: das Projekt, für das Sie die Beschränkung erzwingen möchten.
• CONSTRAINT_NAME: der Name, den Sie für Ihre benutzerdefinierte Beschränkung definiert haben. Beispiel: custom.restrictMachineType.

Führen Sie den folgenden Befehl aus, um die Organisationsrichtlinie mit der Beschränkung zu erzwingen:

    gcloud org-policies set-policy POLICY_PATH
    

Ersetzen Sie POLICY_PATH durch den vollständigen Pfad zur YAML-Datei Ihrer Organisationsrichtlinie. Es kann bis zu 15 Minuten dauern, bis die Richtlinie wirksam wird.

Benutzerdefinierte Organisationsrichtlinie testen

Im folgenden Beispiel werden eine benutzerdefinierte Einschränkung und eine Richtlinie erstellt, die den Maschinentyp einschränken.

Bevor Sie beginnen, müssen Sie Folgendes wissen:

• Ihre Organisations-ID.
• Eine Projekt-ID.

Einschränkung erstellen

1. Speichern Sie die folgende Datei als 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.
   

   Dies definiert eine Einschränkung, bei der für jeden neuen benutzerdefinierten Trainingsjob der Maschinentyp n1-standard-4 verwendet werden muss. Wenn ein benutzerdefinierter Trainingsjob diesen Maschinentyp nicht verwendet, wird die Erstellung abgelehnt.

2. Wenden Sie die Einschränkung an:

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

3. Prüfen Sie, ob die Einschränkung vorhanden ist:

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

   Die Ausgabe sieht in etwa so aus:

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

Richtlinie erstellen

1. Speichern Sie die folgende Datei als policy-deny-custom-job.yaml:

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

   Ersetzen Sie PROJECT_ID durch Ihre Projekt-ID.

2. Wenden Sie die Richtlinie an:

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

3. Prüfen Sie, ob die Richtlinie vorhanden ist:

   gcloud org-policies list --project=PROJECT_ID
   

   Die Ausgabe sieht etwa so aus:

   CONSTRAINT                          LIST_POLICY  BOOLEAN_POLICY        ETAG
   custom.restrictMachineType          -            SET                   CLj9zMIGEIiS3K4D-
   

Warten Sie nach dem Anwenden der Richtlinie etwa zwei Minuten, bis Google Cloud die Richtlinie durchgesetzt hat.

Richtlinie testen

Versuchen Sie, einen benutzerdefinierten Vertex AI-Trainingsjob mit einem eingeschränkten Maschinentyp zu erstellen:

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

Die Ausgabe sieht so aus:

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."]

Beispiele für benutzerdefinierte Organisationsrichtlinien für häufige Anwendungsfälle

In dieser Tabelle finden Sie Syntaxbeispiele für einige gängige benutzerdefinierte Beschränkungen.

Beschreibung

Beschränkungssyntax

Maschinentyp für benutzerdefinierte Vertex AI-Trainingsjobs einschränken

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.

Von Vertex AI unterstützte Ressourcen

In der folgenden Tabelle sind die Vertex AI-Ressourcen aufgeführt, auf die Sie in benutzerdefinierten Beschränkungen verweisen können.

Ressource	Feld
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

Nächste Schritte

• Weitere Informationen zum Organisationsrichtliniendienst.
• Organisationsrichtlinien erstellen und verwalten.
• Eine vollständige Liste der vordefinierten Beschränkungen für Organisationsrichtlinien finden Sie hier.