本頁面由 Cloud Translation API 翻譯而成。

掛接網路檔案系統共用區

您可以設定自訂訓練工作，將網路檔案系統 (NFS) 共用區掛接至程式碼執行所在的容器。這樣一來，工作就能像存取本機檔案一樣存取遠端檔案，進而提高總處理量並降低延遲時間。

本指南說明如何在執行自訂訓練工作時掛載網路檔案系統共用項目。

事前準備

在虛擬私有雲 (VPC) 中建立 NFS 共用。你的分享內容必須可在未經驗證的情況下存取。

您可以使用 Filestore 執行個體做為 NFS 共用區。如果您使用 Filestore，且打算在下一個步驟中使用虛擬私有雲對等互連功能連線至 Vertex AI，請在建立執行個體時，將連線模式設為「私人服務存取」。如需範例，請參閱 Filestore 說明文件中的「建立執行個體」一節。
如要將 Vertex AI 連線至代管 NFS 共用項目的 VPC，請按照「使用 Vertex AI 的 Private Service Connect 介面」(建議) 或「設定 VPC 網路對等互連」中的操作說明進行。

自訂訓練的網路檔案系統資訊

建立會掛載 NFS 共用區的自訂訓練工作時，您必須指定下列項目：

Vertex AI 可存取的網路名稱。指定網路名稱的方式會因自訂訓練工作類型而異。詳情請參閱「執行自訂訓練」。

WorkerPoolSpec 欄位中的 NFS 設定。請加入下列欄位：

欄位	說明
`nfsMounts.server`	NFS 伺服器的 IP 位址。這個位址必須是 VPC 中的私人位址。
`nfsMounts.path`	NFS 共用區路徑。此路徑必須為開頭為 `/` 的絕對路徑。
`nfsMounts.mountPoint`	本機掛接點。這必須是有效的 UNIX 目錄名稱。舉例來說，如果本機掛載點為 `sourceData`，請指定訓練 VM 執行個體的路徑 `/mnt/nfs/sourceData`。

詳情請參閱「如何指定運算資源」。

範例：使用 gcloud CLI 建立自訂工作

請按照「為預先建立的容器建構 Python 訓練應用程式」中的步驟，建構可在 Vertex AI 上執行的訓練應用程式。
建立名為 config.yaml 的檔案，說明訓練工作適用的 PSA 或 Private Service Connect 介面設定掛載設定。請使用下列其中一種格式：

Private Service Connect 介面

如要使用 Private Service Connect 介面，請按照下列步驟操作：
```
pscInterfaceConfig:
     network_attachment: NETWORK_ATTACHMENT_NAME
workerPoolSpecs:
    - machineSpec:
        machineType: MACHINE_TYPE
    replicaCount: 1
    pythonPackageSpec:
       executorImageUri: PYTHON_PACKAGE_EXECUTOR_IMAGE_URI or PRE_BUILT_CONTAINER_IMAGE_URI
       packageUris:
       -  PYTHON_PACKAGE_URIS
       pythonModule: PYTHON_MODULE
    nfsMounts:
      - server: NFS_SERVER_IP
      path: NFS_SHARE_NAME
      mountPoint: LOCAL_FOLDER
```
更改下列內容：
- NETWORK_ATTACHMENT_NAME：網路附件的名稱。
- MACHINE_TYPE：虛擬機器類型的 ID。
- PYTHON_PACKAGE_EXECUTOR_IMAGE_URI 或 PRE_BUILT_CONTAINER_IMAGE_URI：Artifact Registry 中容器映像檔的 URI，該映像檔會執行提供的 Python 套件。Vertex AI 提供多種執行緒映像檔，內含預先安裝的套件，以滿足使用者的各種用途。
- PYTHON_PACKAGE_URIS：以逗號分隔的 Cloud Storage URI 清單，可指定組成訓練程式及其依附套件的 Python 套件檔案。套件 URI 數量上限為 100。
- PYTHON_MODULE：安裝套件後要執行的 Python 模組名稱。
- NFS_SERVER_IP：NFS 伺服器的 IP 位址。
- NFS_SHARE_NAME：NFS 共用區路徑，這是以 / 開頭的絕對路徑。
- LOCAL_FOLDER：本機掛載點 (UNIX 目錄名稱)。
請確認網路名稱格式正確無誤，且 NFS 共用項目位於指定網路中。
建立自訂工作，並將 config.yaml 檔案傳遞至 --config 參數。
```
gcloud ai custom-jobs create \
  --region=LOCATION \
  --display-name=JOB_NAME \
  --config=config.yaml
```
更改下列內容：
- LOCATION：指定要建立工作所在的區域。
- JOB_NAME：自訂工作名稱。

虛擬私有雲對等互連

如要讓工作在使用 VPC 對等互連/PSA 時，請使用 VPC 對等互連。
```
network: projects/PROJECT_NUMBER/global/networks/NETWORK_NAME
workerPoolSpecs:
    - machineSpec:
        machineType: MACHINE_TYPE
      replicaCount: 1
      pythonPackageSpec:
        executorImageUri: PYTHON_PACKAGE_EXECUTOR_IMAGE_URI or 
              PRE_BUILT_CONTAINER_IMAGE_URI
        packageUris:
          -  PYTHON_PACKAGE_URIS
        pythonModule: PYTHON_MODULE
      nfsMounts:
        - server: NFS_SERVER_IP
          path: NFS_SHARE_NAME
          mountPoint: LOCAL_FOLDER
```
更改下列內容：
- PROJECT_NUMBER： Google Cloud 專案的專案 ID。
- NETWORK_NAME：私人或共用虛擬私有雲的名稱。
- MACHINE_TYPE：虛擬機器類型的 ID。
- PYTHON_PACKAGE_EXECUTOR_IMAGE_URI or PRE_BUILT_CONTAINER_IMAGE_URI：Artifact Registry 中容器映像檔的 URI，該映像檔會執行提供的 Python 套件。Vertex AI 提供多種執行緒映像檔，內含預先安裝的套件，以滿足使用者的各種用途。
- PYTHON_PACKAGE_URIS：以逗號分隔的 Cloud Storage URI 清單，可指定組成訓練程式及其依附套件的 Python 套件檔案。套件 URI 數量上限為 100。
- PYTHON_MODULE：安裝套件後要執行的 Python 模組名稱。
- NFS_SERVER_IP：NFS 伺服器的 IP 位址。
- NFS_SHARE_NAME：NFS 共用區路徑，這是以 / 開頭的絕對路徑。
- LOCAL_FOLDER：本機掛載點 (UNIX 目錄名稱)。
請確認網路名稱格式正確無誤，且 NFS 共用項目位於指定網路中。

建立自訂工作，並將 config.yaml 檔案傳遞至 --config 參數。

gcloud ai custom-jobs create \
  --region=LOCATION \
  --display-name=JOB_NAME \
  --config=config.yaml

更改下列內容：

LOCATION：指定要建立工作所在的區域。
JOB_NAME：自訂工作的名稱。

限制

您必須使用 VPC 內部的 IP 位址掛載 NFS 共用，不允許使用公開網址。
訓練工作會在未經過驗證的情況下掛接 NFS 共用，如果需要使用者名稱和密碼，則會失敗。

為確保資料安全，請設定 NFS 共用區的權限。如果您使用 Filestore，請參閱 Filestore 說明文件中的「存取權控管」。
您無法同時執行兩個訓練工作，因為這兩個工作會掛載來自不同虛擬私有雲網路的 NFS 共用內容。這是因為網路對等互連限制。