使用在数据库 Amazon CLI 集群上设置 Neptune ML - Amazon Neptune
创建参数组附加新的参数组附上 NeptuneSageMaker IAMRole创建 SageMaker AI 端点设置推理端点参数
Amazon Web Services 文档中描述的 Amazon Web Services 服务或功能可能因区域而异。要查看适用于中国区域的差异，请参阅 中国的 Amazon Web Services 服务入门 (PDF)。

本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

使用在数据库 Amazon CLI 集群上设置 Neptune ML

除了 Amazon CloudFormation 快速入门模板和 Amazon Web Services Management Console，您还可以使用设置 Neptune ML。 Amazon CLI

为 Neptune ML 集群创建数据库集群参数组

以下 Amazon CLI 命令创建新的数据库集群参数组并将其设置为与 Neptune ML 配合使用：

为 Neptune ML 创建和配置数据库集群参数组

  1. 创建新的数据库集群参数组：

    aws neptune create-db-cluster-parameter-group \
  --db-cluster-parameter-group-name (name of the new DB cluster parameter group) \
  --db-parameter-group-family neptune1
  --description "(description of your machine learning project)" \
  --region (Amazon region, such as us-east-1)

  2. 创建设置为 ARN 的neptune_ml_iam_role数据库集群参数，SageMakerExcecutionIAMRole供数据库集群在调用 SageMaker AI 创建任务和从托管的 ML 模型中获取预测时使用：

    aws neptune modify-db-cluster-parameter-group \
  --db-cluster-parameter-group-name (name of the new DB cluster parameter group) \
  --parameters "ParameterName=neptune_ml_iam_role, \
                ParameterValue=ARN of the SageMakerExcecutionIAMRole, \
                Description=NeptuneMLRole, \
                ApplyMethod=pending-reboot" \
  --region (Amazon region, such as us-east-1)

    设置此参数允许 Neptune 访问 SageMaker 人工智能，而无需在每次通话时都传递角色。

    有关如何创建 SageMakerExcecutionIAMRole 的信息，请参阅创建自定义 NeptuneSageMakerIAMRole 角色。

  3. 最后，使用 describe-db-cluster-parameters 检查新数据库集群参数组中的所有参数是否都设置为您希望的值：

    aws neptune describe-db-cluster-parameters \
  --db-cluster-parameter-group-name (name of the new DB cluster parameter group) \
  --region (Amazon region, such as us-east-1)

将新的数据库集群参数组附加到将与 Neptune ML 一起使用的数据库集群

现在，您可以使用以下命令，将刚刚创建的新数据库集群参数组附加到现有数据库集群：

aws neptune modify-db-cluster \
  --db-cluster-identifier (the name of your existing DB cluster) \
  --apply-immediately
  --db-cluster-parameter-group-name (name of your new DB cluster parameter group) \
  --region (Amazon region, such as us-east-1)

要使所有参数生效，您可以重启数据库集群：

aws neptune reboot-db-instance
  --db-instance-identifier (name of the primary instance of your DB cluster) \
  --profile (name of your Amazon profile to use) \
  --region (Amazon region, such as us-east-1)

或者，如果您要创建与 Neptune ML 结合使用的新数据库集群，则可以使用以下命令创建附加了新参数组的集群，然后创建新的主（写入器）实例：

cluster-name=(the name of the new DB cluster)
aws neptune create-db-cluster
  --db-cluster-identifier ${cluster-name}
  --engine graphdb \
  --engine-version 1.0.4.1 \
  --db-cluster-parameter-group-name (name of your new DB cluster parameter group) \
  --db-subnet-group-name (name of the subnet to use) \
  --region (Amazon region, such as us-east-1)

aws neptune create-db-instance
  --db-cluster-identifier ${cluster-name}
  --db-instance-identifier ${cluster-name}-i \
  --db-instance-class (the instance class to use, such as db.r5.xlarge)
  --engine graphdb \
  --region (Amazon region, such as us-east-1)

将NeptuneSageMakerIAMRole连接到您的数据库集群，以便它可以访问 SageMaker AI 和 Amazon S3 资源

最后，按照中的创建自定义 NeptuneSageMakerIAMRole 角色说明创建一个 IAM 角色，该角色将允许您的数据库集群与 A SageMaker I 和 Amazon S3 通信。然后，使用以下命令将您创建的 NeptuneSageMakerIAMRole 角色附加到数据库集群：

aws neptune add-role-to-db-cluster
  --db-cluster-identifier ${cluster-name}
  --role-arn arn:aws:iam::(the ARN number of the role's ARN):role/NeptuneMLRole \
  --region (Amazon region, such as us-east-1)

在你的 Neptune VP SageMaker C 中为人工智能创建两个终端节点

Neptune ML 需要在你的 Neptune 数据库集群的 VPC 中使用两个 SageMaker AI 终端节点：

  • com.amazonaws.(Amazon region, like us-east-1).sagemaker.runtime

  • com.amazonaws.(Amazon region, like us-east-1).sagemaker.api

如果您尚未使用快速入门 Amazon CloudFormation 模板（它会自动为您创建这些模板），则可以使用以下 Amazon CLI 命令来创建它们：

此命令创建 sagemaker.runtime 端点：

aws ec2 create-vpc-endpoint
  --vpc-id (the ID of your Neptune DB cluster's VPC)
  --vpc-endpoint-type Interface
  --service-name com.amazonaws.(Amazon region, like us-east-1).sagemaker.runtime
  --subnet-ids (the subnet ID or IDs that you want to use)
  --security-group-ids (the security group for the endpoint network interface, or omit to use the default)
  --private-dns-enabled

而此命令创建 sagemaker.api 端点：

aws ec2 create-vpc-endpoint
  --vpc-id (the ID of your Neptune DB cluster's VPC)
  --vpc-endpoint-type Interface
  --service-name com.amazonaws.(Amazon region, like us-east-1).sagemaker.api
  --subnet-ids (the subnet ID or IDs that you want to use)
  --security-group-ids (the security group for the endpoint network interface, or omit to use the default)
  --private-dns-enabled

您也可以使用 VPC 控制台创建这些端点。请参阅 “使用保护亚马逊中的预测调用” Amazon PrivateLink 和 “ SageMaker 使用保护所有 Amazon SageMaker API 调用” Amazon PrivateLink。

在数据库集群参数组中创建 SageMaker AI 推理终端节点参数

为避免指定您在每次查询模型时使用的模型的 SageMaker AI 推理终端节点，请在 Neptune ML 的数据库集群参数组neptune_ml_endpoint中创建一个名为 Neptune ML 的数据库集群参数。将此参数设置为相关实例端点的 id。

你可以使用以下 Amazon CLI 命令来做到这一点：

aws neptune modify-db-cluster-parameter-group \
  --db-cluster-parameter-group-name neptune-ml-demo \
  --parameters "ParameterName=neptune_ml_endpoint, \
                ParameterValue=(the name of the SageMaker AI inference endpoint you want to query), \
                Description=NeptuneMLEndpoint, \
                ApplyMethod=pending-reboot" \
  --region (Amazon region, such as us-east-1)