Platform For AI:LingjunのAIアシスタントを使用する

前提条件

Container Service for Kubernetes (ACK) が有効化されたLingjunクラスターが作成されます。 詳細については、「ACKを有効にしたLingjunクラスターの作成」をご参照ください。

機能

LingjunのAIアシスタントをインストールし、サービスアカウントのリソースアクセス管理 (RAM) ロール (RRSA) 機能を使用して承認を完了した後、トレーニングジョブを送信するときにPAIのAIMaster自動フォールトトレランスおよびEasyCkpt機能を有効にする必要があります。 障害または例外が発生すると、AIアシスタントは、その基礎となるアラートシステムに基づいてPAIと自動的に対話し、障害または例外に関する情報を報告し、障害または例外が発生したフェーズに基づいて障害または例外を処理する方法を選択します。 LingjunのAIアシスタントは、次の機能を提供します。

• 例外の収集と報告: LingjunのAIアシスタントは、アラートシステムに基づいてPAIと自動的に対話します。

• 障害の分離: LingjunのAIアシスタントは、障害のあるノードを自動的に分離します。

• 例外処理: LingjunのAIアシスタントはPAIをトリガーしてチェックポイントを作成し、アラートが報告されたときにトレーニングジョブをすばやく復元します。

手順

1. ack-ai-installerコンポーネントをインストールします。

   1. ACKコンソールにログインします。 左側のナビゲーションウィンドウで、[クラスター] をクリックします。

   2. [クラスター] ページで、管理するクラスターを見つけ、クラスターの名前をクリックします。 クラスターの詳細ページで、左側のナビゲーションウィンドウで [操作] > [アドオン] を選択します。

   3. [アドオン] ページで、[その他] タブをクリックします。 [その他] タブで、ack-ai-installerコンポーネントを見つけ、コンポーネントの右下隅にある [インストール] をクリックします。

   4. 表示されるメッセージで、情報を確認し、OK.

2. クラスターのRRSA機能を有効にします。

   1. クラスターの詳細ページの左側のウィンドウで、[クラスター情報] をクリックします。

   2. クラスターの詳細ページで、[基本情報] タブをクリックします。 [クラスター情報] セクションで、RRSA OIDCの右側にある [RRSAの有効化] をクリックします。 詳細については、「RRSAを使用して異なるポッドに異なるクラウドサービスへのアクセスを許可する」をご参照ください。

   3. 表示されたメッセージで、[OK] をクリックします。

3. ack-pod-identity-webhookコンポーネントをインストールします。 詳細については、「ack-pod-identity-webhook」をご参照ください。

4. aiph-ack-rrsa-roleという名前のRAMロールを作成します。

   1. Alibaba CloudアカウントによってRAMコンソールにログインします。

   2. 左側のナビゲーションウィンドウで、アイデンティティ > ロール.

   3. ロールページでロールの作成をクリックします。

   4. では、ロールの作成パネル、選択IdP[信頼できるエンティティ] を選択し、次へをクリックします。

   5. では、ロールの設定ステップで、次の表に示すパラメーターを設定し、OKをクリックします。

      パラメーター	説明
      RAMロール名	RAMロール名フィールドにaiph-ack-rrsa-roleを入力します。
      IdPタイプ	このパラメーターをOIDCに設定します。
      IdPの選択	IDプロバイダー (IdP) を選択します。 IdPは、ack-rrsa-<cluster_id> 形式で命名される。 <cluster_id> は、クラスターのIDを示します。
      条件	oidc:iss: デフォルト値を使用します。 oidc:aud: sts.aliyuncs.comを選択します。 oidc:sub: 条件演算子をStringEqualsに設定します。 値はsystem:serviceaccount:aiph-ops:aiph-manager形式です。

5. AliyunCSReadOnlyAccessポリシーをアタッチし、LingjunのAIアシスタントが前の手順で作成したRAMロールにAPI操作を呼び出すことを許可するカスタム権限を付与します。 次のサンプルコードは、LingjunのAIアシスタントがAPI操作を呼び出すことを許可するカスタム権限の例を示しています。 カスタムポリシーの作成方法の詳細については、「カスタムポリシーの作成」をご参照ください。 RAMロールに権限を付与する方法の詳細については、「RAMロールに権限を付与する」をご参照ください。

   # Note: If you grant the following permission to the RAM role, the AI assistant of Lingjun is authorized to perform automated O&M operations on Lingjun nodes. 
   
   {
      "Statement": [
         {
            "Effect": "Allow",
            "Action": [
              "eflo:*"
            ],
            "Resource": [
               "acs:eflo:*"
            ]
         },
         {
            "Effect": "Allow",
            "Action": "cms:DescribeSystemEventAttribute",
            "Resource": "acs:cms:*"
         }
      ],
      "Version": "1"
   }

次に何をすべきか

LingjunのAIアシスタントを設定した後、トレーニングジョブを送信するときに、PAIEasyCkpt機能を有効にする必要があります。 このようにして、障害または例外が発生した場合、システムはトレーニングジョブを迅速に復元できます。