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。
将资源迁移到最新 Operator
我们将停止对 Kubernetes SageMaker 操作
如果您当前正在使用适用于 Kubernetes 的 Oper SageMaker atv1.2.2
或更低版本,我们建议您将资源迁移到 Amazon 的ACK服务控制
有关终止对 Kubernetes SageMaker 操作员原始版本支持的常见问题解答,请参阅 宣布终止对 Kubernetes SageMaker 操作员原始版本的支持
使用以下步骤迁移您的资源,并使用ACK在 Amazon 上训练、调整和部署机器学习模型 SageMaker。
注意
Kubernetes 的最新 SageMaker 运算符不向后兼容。
先决条件
要成功将资源迁移到最新的 Kubernetes SageMaker 操作员,您必须执行以下操作:
-
安装最新的 Kubernetes SageMaker 操作员。有关 step-by-step 说明,请参阅使用ACK SageMaker控制器在 Machine Learning 中进行设置
。 -
如果您使用的是 HostingAutoscalingPolicy资源,请安装新的 Application Auto Scaling Operator。有关 step-by-step 说明,请参阅使用 App lication Auto Scaling 扩展 SageMaker 工作负载中的设置
。如果您不使用 HostingAutoScalingPolicy 资源,则此步骤是可选的。
如果权限配置正确,则ACK SageMaker 服务控制器可以确定其规格和状态 Amazon 资源并协调资源,就像ACK控制器最初创建资源一样。
采用资源
新的 Kubernetes SageMaker 操作员能够采用最初不是由服务控制器创建的ACK资源。有关更多信息,请参阅采用现有的 Amazon ACK文档
以下步骤展示了适用于 Kubernetes 的新 SageMaker 操作员如何采用现有端点。 SageMaker 将以下示例代码另存为名为 adopt-endpoint-sample.yaml
的文件。
apiVersion: services.k8s.aws/v1alpha1 kind: AdoptedResource metadata: name: adopt-endpoint-sample spec: aws: # resource to adopt, not created by ACK nameOrID: xgboost-endpoint kubernetes: group: sagemaker.services.k8s.aws kind: Endpoint metadata: # target K8s CR name name: xgboost-endpoint
使用 kubectl apply
提交自定义资源 (CR):
kubectl apply -f adopt-endpoint-sample.yaml
使用 kubectl describe
检查您采用的资源的状态条件。
kubectl describe adoptedresource adopt-endpoint-sample
验证 ACK.Adopted
条件是否为 True
。该输出应该类似于以下示例:
--- kind: AdoptedResource metadata: annotations: kubectl.kubernetes.io/last-applied-configuration: '{"apiVersion":"services.k8s.aws/v1alpha1","kind":"AdoptedResource","metadata":{"annotations":{},"name":"xgboost-endpoint","namespace":"default"},"spec":{"aws":{"nameOrID":"xgboost-endpoint"},"kubernetes":{"group":"sagemaker.services.k8s.aws","kind":"Endpoint","metadata":{"name":"xgboost-endpoint"}}}}' creationTimestamp: '2021-04-27T02:49:14Z' finalizers: - finalizers.services.k8s.aws/AdoptedResource generation: 1 name: adopt-endpoint-sample namespace: default resourceVersion: '12669876' selfLink: "/apis/services.k8s.aws/v1alpha1/namespaces/default/adoptedresources/adopt-endpoint-sample" uid: 35f8fa92-29dd-4040-9d0d-0b07bbd7ca0b spec: aws: nameOrID: xgboost-endpoint kubernetes: group: sagemaker.services.k8s.aws kind: Endpoint metadata: name: xgboost-endpoint status: conditions: - status: 'True' type: ACK.Adopted
检查您的资源是否存在于集群中:
kubectl describe endpoints.sagemaker xgboost-endpoint
HostingAutoscalingPolicy资源
HostingAutoscalingPolicy
(HAP) 资源由多个 Application Auto Scaling 资源组成:ScalableTarget
和ScalingPolicy
。采用HAP资源时,请先安装 App l ACK ication Auto Scaling 控制器ScalableTarget
和ScalingPolicy
资源。您可以在 HostingAutoscalingPolicy
资源的状态 (status.ResourceIDList
) 中找到这些资源的资源标识符。
HostingDeployment 资源
该HostingDeployment
资源由多个 SageMaker 资源组成:Endpoint
EndpointConfig
、和每种资源Model
。如果您在中采用 SageMaker 终端节点ACK,则需要Model
分别采用Endpoint
EndpointConfig
、和。可在 HostingDeployment
资源的状态(status.endpointName
、status.endpointConfigName
和 status.modelNames
)中找到 Endpoint
、EndpointConfig
和 Model
名称。
有关所有支持的 SageMaker 资源的列表,请参阅ACKAPI参考资料
清理旧资源
在适用于 Kubernetes 的新 SageMaker 操作员采用您的资源后,您可以卸载旧的运算符并清理旧资源。
步骤 1:卸载旧 Operator
要卸载旧 Operator,请参阅删除 Operator。
警告
删除任何旧资源之前,请先卸载旧 Operator。
第 2 步:删除终结器并删除旧资源
警告
删除旧资源之前,请确保已卸载旧 Operator。
卸载旧 Operator 后,必须明确删除终结器才能删除旧 Operator 资源。以下示例脚本显示如何删除给定命名空间中由旧 Operator 管理的所有训练作业。新 Operator 采用其他资源后,您可以使用类似的模式删除这些资源。
注意
必须使用完整的资源名称才能获取资源。例如,使用 kubectl get trainingjobs.sagemaker.aws.amazon.com
而不是 kubectl get trainingjob
。
namespace=
sagemaker_namespace
training_jobs=$(kubectl get trainingjobs.sagemaker.aws.amazon.com -n $namespace -ojson | jq -r '.items | .[] | .metadata.name') for job in $training_jobs do echo "Deleting $job resource in $namespace namespace" kubectl patch trainingjobs.sagemaker.aws.amazon.com $job -n $namespace -p '{"metadata":{"finalizers":null}}' --type=merge kubectl delete trainingjobs.sagemaker.aws.amazon.com $job -n $namespace done
使用适用于 Kubernet SageMaker es 的新运算符
有关使用适用于 Kubernetes 的全新 Opernetes SageMaker 运算符的深入指南,请参阅 为 Kubernetes 使用 SageMaker 运算符