Mantenha tudo organizado com as coleções
Salve e categorize o conteúdo com base nas suas preferências.
Um recurso permanente da Vertex AI é um cluster de longa duração que pode
ser criado para executar jobs de treinamento personalizados. Após a conclusão de um job de treinamento, o recurso permanente permanece disponível para executar outros até que você o exclua. É possível usar um recurso persistente para garantir a disponibilidade de recursos de computação e reduzir o tempo de inicialização do job que seria necessário para a criação do recurso de computação. Os recursos permanentes dão suporte a todas as VMs e GPUs
compatíveis com jobs de treinamento personalizados. Nesta página, explicamos quando usar um recurso persistente e fornecemos informações sobre faturamento e cota.
Quando usar um recurso persistente
Recomendamos o uso de recursos persistentes nos seguintes cenários:
Você quer garantir a disponibilidade de capacidade para cargas de trabalho essenciais de ML ou durante os períodos de pico. Ao contrário dos jobs personalizados, em que o serviço de treinamento libera o recurso após a conclusão do job, o recurso permanente permanece disponível até ser excluído.
Você está enviando o mesmo job várias vezes e pode se beneficiar do armazenamento de dados e armazenamento de imagens em cache executando os jobs no mesmo recurso persistente.
Você executa muitos jobs de treinamento de curta duração em que o tempo de treinamento real é menor que o tempo de inicialização do job.
A cobrança é feita durante todo o período em que um recurso permanente está em estado de execução, independentemente de haver um job em execução nesse recurso. Para cada instância no pool de recursos persistente, a cobrança é feita por hora principal. Todos os jobs em execução em um recurso persistente não são cobrados separadamente.
A cobrança é feita apenas pelo recurso persistente.
Se você configurar o escalonamento automático do seu recurso permanente, pagará apenas pelas instâncias provisionadas. Por exemplo, se min-replica-count for definido como 4,
instâncias 4 serão sempre provisionadas, e esse será o valor mínimo cobrado. Quando a carga de trabalho aumenta, o pool de recursos pode ser escalonado até 6 para acomodar o aumento da demanda. Em seguida, você será cobrado pelas instâncias provisionadas 6 até que o pool de recursos seja reduzido novamente. Para evitar o pagamento por nós ociosos, use o escalonamento automático do recurso permanente ou exclua-o quando não precisar mais dele. Para saber mais sobre preços, consulte a seção Modelos treinados e personalizados na página de preços da Vertex AI.
Cotas
Os recursos permanentes usam sua cota de treinamento. Portanto, verifique se você tem cota suficiente para a criação de recursos permanentes. Para saber mais sobre cotas, consulte Cotas e limites de treinamento.
[[["Fácil de entender","easyToUnderstand","thumb-up"],["Meu problema foi resolvido","solvedMyProblem","thumb-up"],["Outro","otherUp","thumb-up"]],[["Difícil de entender","hardToUnderstand","thumb-down"],["Informações incorretas ou exemplo de código","incorrectInformationOrSampleCode","thumb-down"],["Não contém as informações/amostras de que eu preciso","missingTheInformationSamplesINeed","thumb-down"],["Problema na tradução","translationIssue","thumb-down"],["Outro","otherDown","thumb-down"]],["Última atualização 2025-08-18 UTC."],[],[],null,["# Overview of persistent resources\n\nA Vertex AI persistent resource is a long-running cluster that you can\ncreate to run custom training jobs. After a training job completes, the\npersistent resource remains available to run other training jobs until you\ndelete it. You can use a persistent resource to ensure compute resource\navailability and to reduce the job startup time that's otherwise needed for\ncompute resource creation. Persistent resources support all VMs and GPUs that\nare supported by custom training jobs. This page explains when to use a\npersistent resource and gives you information about billing and quota.\n\nWhen to use a persistent resource\n---------------------------------\n\nWe recommend using persistent resources in the following scenarios:\n\n- You want to ensure capacity availability for critical ML workloads or during peak seasons. Unlike custom jobs, where the training service releases the resource after job completion, persistent resource remains available until it's deleted.\n- You're submitting the same job multiple times and can benefit from data and image caching by running the jobs on the same persistent resource.\n- You run many short-lived training jobs where the actual training time is shorter than the job startup time.\n\nFor more context on when to and why use a persistent resource, see the blog post\n[Bringing capacity assurance and faster startup times to Vertex AI Training](/blog/products/ai-machine-learning/vertex-ai-persistent-resources-and-capacity-assurance).\n\nBilling details\n---------------\n\nYou are billed for the entire duration that a persistent resource is in a\nrunning state, regardless of whether there is a job running on the persistent\nresource. For each instance in the persistent resource pool, you are billed by\ncore hour. All jobs running on a persistent resource are not separately charged.\nYou are billed only for the persistent resource.\n\nIf you set up auto scaling for your persistent resource, you only pay\nfor the provisioned instances. For example, if `min-replica-count` is set to `4`,\n`4` instances are always provisioned and this is the minimum amount you're billed\nfor. When your workload increases, the resource pool might scale up to `6` to\naccommodate the increased demand. Then, you're billed for the `6` provisioned instances\nuntil your resource pool scales down again. To avoid paying for idle nodes,\nuse auto scaling for your persistent resource, or delete it when you no longer\nneed it. To learn more about pricing, see the [Custom-trained models](/vertex-ai/pricing#custom-trained_models)\nsection in the Vertex AI pricing page.\n\nQuotas\n------\n\nPersistent resources use your training quota, so verify you have sufficient\nquota for persistent resource creation. To learn more about quotas, see [Training quotas and limits](/vertex-ai/docs/quotas#training).\n\nWhat's next\n-----------\n\n- [Create and use a persistent resource](/vertex-ai/docs/training/persistent-resource-create).\n- [Run training jobs on a persistent resource](/vertex-ai/docs/training/persistent-resource-train).\n- [Get information about a persistent resource](/vertex-ai/docs/training/persistent-resource-get).\n- [Reboot a persistent resource](/vertex-ai/docs/training/persistent-resource-reboot).\n- [Delete a persistent resource](/vertex-ai/docs/training/persistent-resource-delete)."]]
