Utiliser l'interface Private Service Connect pour l'entraînement Vertex AI

Nous vous recommandons d'utiliser l'interface Private Service Connect pour bénéficier d'une connectivité privée, car elle réduit le risque d'épuisement des adresses IP et permet l'appairage transitif.

Elle est compatible avec les jobs personnalisés et les ressources persistantes de Vertex AI.

Présentation

L'interface Private Service Connect est compatible avec les jobs personnalisés et les ressources persistantes de Vertex AI Training. Pour l'utiliser, vous devez configurer un réseau VPC, un sous-réseau et un rattachement de réseau dans votre projet utilisateur. Consultez Configurer une interface Private Service Connect. Le nom du rattachement de réseau doit être inclus dans la requête de création d'un job personnalisé ou d'une ressource persistante afin d'activer l'interface Private Service Connect.

Connectivité de sortie Private Service Connect Vertex AI vers d'autres réseaux

Vertex AI a intégré les connectivités réseau de sortie compatibles avec Private Service Connect (voir Se connecter à des charges de travail sur d'autres réseaux), à l'exception des cas suivants :

• La sortie vers l'accès privé à Google d'un client n'est pas acceptée. Au lieu de cela, la sortie Private Service Connect serait résolue localement pour l'accès privé à Google.

• La sortie vers Cloud NAT n'est possible que si VPC Service Controls est activé.

Limites

• Les interfaces Private Service Connect ne sont pas compatibles avec les adresses IP externes.

Tarifs

Les tarifs des interfaces Private Service Connect sont décrits dans la section "Utiliser une interface Private Service Connect pour accéder à un réseau VPC producteur ou consommateur" de la page Tous les tarifs de mise en réseau.

Avant de commencer

Configurez vos ressources pour l'interface Private Service Connect sur votre projet utilisateur.

Créer un job d'entraînement personnalisé avec une interface Private Service Connect

Vous pouvez créer un job d'entraînement personnalisé avec l'interface Private Service Connect à l'aide du SDK Vertex AI pour Python ou de l'API REST.

from google.cloud import aiplatform


def create_custom_job_psci_sample(
    project: str,
    location: str,
    bucket: str,
    display_name: str,
    machine_type: str,
    replica_count: int,
    image_uri: str,
    network_attachment: str,
    domain: str,
    target_project: str,
    target_network: str,
):
    """Custom training job sample with PSC Interface Config."""
    aiplatform.init(project=project, location=location, staging_bucket=bucket)

    worker_pool_specs = [{
        "machine_spec": {
            "machine_type": machine_type,
        },
        "replica_count": replica_count,
        "container_spec": {
            "image_uri": image_uri,
            "command": [],
            "args": [],
        },
    }]
    psc_interface_config = {
        "network_attachment": network_attachment,
        "dns_peering_configs": [
            {
                "domain": domain,
                "target_project": target_project,
                "target_network": target_network,
            },
        ],
    }
    job = aiplatform.CustomJob(
        display_name=display_name,
        worker_pool_specs=worker_pool_specs,
    )

    job.run(psc_interface_config=psc_interface_config)

POST https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/customJobs

"display_name": JOB_NAME,
"job_spec": {
    "worker_pool_specs": [
      {
        "machine_spec": {
          "machine_type": "n2-standard-4",
        },
        "replica_count": REPLICA_COUNT,
        "container_spec": {
          "image_uri": IMAGE_URI,
        },
      },
    ],
    "psc_interface_config": {
      "network_attachment": NETWORK_ATTACHMENT,
      "dns_peering_configs": [
         {
          "domain": DOMAIN_SUFFIX,
          "target_project": TARGET_PROJECT,
          "target_network": TARGET_NETWORK
         }
      ],
    },
    "enable_web_access": 1
}

curl -X POST \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     -H "Content-Type: application/json; charset=utf-8" \
     -d @request.json \
     "https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/customJobs"

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
    -Method POST `
    -Headers $headers `
    -ContentType: "application/json; charset=utf-8" `
    -InFile request.json `
    -Uri "https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/customJobs" | Select-Object -Expand Content

{
  "name": "projects/PROJECT_ID/locations/LOCATION/customJobs/JOB_ID",
  "displayName": "JOB_NAME",
  "jobSpec": {
    "workerPoolSpecs": [
      {
        "machineSpec": {
          "machineType": "MACHINE_TYPE"
        },
        "replicaCount": "REPLICA_COUNT",
        "diskSpec": DISK_SPEC,
        "containerSpec": {
          "imageUri": "IMAGE_URI"
        }
      }
    ],
    "enableWebAccess": True,
    "pscInterfaceConfig": {
      "networkAttachment": "NETWORK_ATTACHMENT"
      "dns_peering_configs": [
        {
          "domain": "DOMAIN_SUFFIX",
          "targetProject": "TARGET_PROJECT",
          "targetNetwork": "TARGET_NETWORK"
        }
]
    }
  },
  "state": "JOB_STATE_PENDING",
  "createTime": "CREATE_TIME",
  "updateTime": "UPDATE_TIME"
}