As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá. # HyperPod guias no Studio No Amazon SageMaker Studio, você pode navegar até um dos seus clusters em **HyperPodclusters** (em **Compute**) e visualizar sua lista de clusters. Os clusters exibidos contêm determinadas informações, como tarefas, métricas de hardware, configurações e detalhes de metadados. Essa visibilidade pode ajudar sua equipe a identificar o candidato certo para suas workloads de pré-treinamento ou ajuste fino. As seções a seguir fornecem detalhes sobre cada tipo de informação. ## Tarefas A Amazon SageMaker HyperPod fornece uma visão das tarefas do seu cluster. Tarefas são operações ou trabalhos enviados ao cluster. Podem ser operações de machine learning, como treinamento, execução de experimentos ou inferência. A seção a seguir fornece informações sobre suas tarefas de HyperPod cluster. No Amazon SageMaker Studio, você pode navegar até um dos seus clusters em **HyperPodclusters** (em **Compute**) e visualizar as informações de **tarefas** no seu cluster. Se você estiver tendo problemas com a visualização de tarefas, consulte [Solução de problemas](sagemaker-hyperpod-studio-troubleshoot.md). A tabela de tarefas inclui: ------ #### [ For Slurm clusters ] Para clusters do Slurm, as tarefas que no momento estão na fila do agendador de tarefas do Slurm são mostradas na tabela. As informações mostradas para cada tarefa incluem nome, status, ID do trabalho, partição, tempo de execução, nós, quem criou e ações. Para obter uma lista e detalhes sobre trabalhos anteriores, use o [https://slurm.schedmd.com/sacct.html](https://slurm.schedmd.com/sacct.html)comando em JupyterLab ou um terminal do Editor de código. O comando `sacct` é usado para visualizar *informações históricas* sobre trabalhos que foram *concluídos* ou estão *concluídos* no sistema. Ele fornece informações contábeis, incluindo o uso de recursos de trabalho, como memória e status de saída. Por padrão, todos os usuários do Studio podem visualizar, gerenciar e interagir com todas as tarefas disponíveis do Slurm. Para restringir as tarefas visíveis aos usuários do Studio, consulte [Restringir a visualização de tarefas no Studio para clusters do Slurm](sagemaker-hyperpod-studio-setup-slurm.md#sagemaker-hyperpod-studio-setup-slurm-restrict-tasks-view). ------ #### [ For Amazon EKS clusters ] Para clusters do Amazon EKS, as tarefas kubeflow (PyTorch, MPI, TensorFlow) são mostradas na tabela. PyTorch as tarefas são mostradas por padrão. Você pode classificar por PyTorch, MPI e TensorFlow em **Tipo de tarefa**. As informações mostradas para cada tarefa incluem nome, status, namespace, classe prioritária e horário de criação da tarefa. Por padrão, todos os usuários podem visualizar trabalhos em todos os namespaces. Para restringir os namespaces visíveis do Kubernetes disponíveis para usuários do Studio, consulte [Restringir a visualização de tarefas no Studio para clusters do EKS](sagemaker-hyperpod-studio-setup-eks.md#sagemaker-hyperpod-studio-setup-eks-restrict-tasks-view). Se um usuário não conseguir visualizar as tarefas e for solicitado a fornecer um namespace, ele precisará obter essas informações do administrador. ------ ## Metrics SageMaker HyperPod A Amazon fornece uma visão das métricas de utilização do seu cluster Slurm ou Amazon EKS. Veja a seguir informações sobre as métricas HyperPod do seu cluster. Você precisará instalar o complemento do Amazon EKS para visualizar as métricas a seguir. Para obter mais informações, consulte [Instalar o complemento Amazon CloudWatch Observability EKS](https://docs.aws.amazon.com/AmazonCloudWatch/latest/monitoring/Container-Insights-setup-EKS-addon.html). No Amazon SageMaker Studio, você pode navegar até um dos seus clusters em **HyperPodclusters** (em **Compute**) e visualizar os detalhes das **métricas** do seu cluster. Esse campo oferece uma visualização abrangente das métricas de utilização do cluster, como métricas de hardware, equipe e tarefas. Isso inclui a disponibilidade e o uso de computação, a alocação e a utilização por equipe, além de informações sobre o tempo de execução e de espera. ## Configurações A Amazon SageMaker HyperPod fornece uma visão das configurações do seu cluster. Veja a seguir informações sobre as configurações HyperPod do seu cluster. No Amazon SageMaker Studio, você pode navegar até um dos seus clusters em **HyperPodclusters** (em **Compute**) e visualizar as informações de **configurações** no seu cluster. As informações incluem as seguintes: + Detalhes das **instâncias**, como ID da instância, status, tipo de instância e grupo de instâncias. + Detalhes dos **grupos de instâncias**, como nome, tipo, contagens e informações computacionais do grupo de instâncias. + Detalhes da **orquestração**, como orquestrador, versão e autoridade de certificação. + Detalhes da **resiliência do cluster**. + Detalhes de **segurança**, como sub-redes e grupos de segurança. ## IDE e notebooks SageMaker HyperPod A Amazon fornece uma visão dos espaços de desenvolvimento em execução no seu cluster. Os espaços são ambientes independentes para executar IDEs JupyterLab ou do Code Editor de Código diretamente em seu cluster HyperPod EKS. Você pode criar, configurar, iniciar, parar e abrir espaços diretamente do Studio. No Amazon SageMaker Studio, navegue até um dos seus clusters em **HyperPodclusters** (em **Compute**) e escolha a **guia IDE e Notebooks**. Os principais recursos disponíveis por meio do Studio incluem: + Crie espaços com configurações configuráveis de computação, armazenamento e imagem por meio de um formulário guiado. + Visualize todos os espaços em uma tabela pesquisável mostrando nome, tipo de aplicativo, status, tipo de acesso, armazenamento, GPU e alocações de vCPU. + Inicie e interrompa espaços com um único clique para gerenciar os custos de computação. + Abra espaços diretamente no navegador (JupyterLab ou no editor de código) ou conecte-se por meio de um IDE remoto. Para obter mais informações, consulte [Acesso remoto ao SageMaker Spaces](vscode-access.md). + Exclua espaços que não são mais necessários. + Selecione namespaces para organizar espaços por equipe com cotas de recursos e configurações de governança. + Aplique modelos para configurações de espaço consistentes entre as equipes. Para ter informações sobre como criar um domínio, consulte [Guia para se configurar com o Amazon SageMaker AI](gs.md). ### Pré-requisitos + Instale o HyperPod complemento no seu cluster. Para obter mais informações, consulte [Instale o SageMaker AI Spaces Add-on](operator-install.md). + Configure seu cluster para ser usado no Studio. Para obter mais informações, consulte [Configurar um cluster do Amazon EKS no Studio](sagemaker-hyperpod-studio-setup-eks.md). + Para habilitar espaços privados entre usuários com a mesma função de execução, você deve garantir que o `ExecutionRoleSessionNameMode` sinalizador esteja definido como`USER_IDENTITY`. Com o recurso HyperPod Spaces, o nome de usuário usado dentro do espaço é derivado automaticamente do contexto de autenticação do Studio, permitindo que os usuários tenham uma identidade consistente no Studio e no HyperPod Spaces sem exigir login adicional. Para domínios do Studio configurados no modo de autenticação do IAM, o nome de usuário do Spaces é derivado do nome da sessão da função do IAM. Isso corresponde à sessão do IAM usada para iniciar o Studio, seja por meio do AWS Management Console ou por meio de um URL pré-assinado do Studio. Para domínios do Studio configurados no modo de autenticação do IAM Identity Center, o nome de usuário do Spaces é o nome de usuário do IAM Identity Center autenticado e higienizado. Isso é definido por padrão para novos domínios e pode ser substituído para domínios mais antigos. Essa configuração também pode ser substituída para cada perfil de usuário. Para obter mais informações, consulte [Modo de nome da sessão da função de execução](execution-roles-and-spaces.md#sagemaker-execution-role-session-name). ### Como funciona Depois que o complemento estiver instalado e o acesso configurado, navegue até seu HyperPod cluster no Studio e selecione a guia **IDE e Notebooks** para ver a interface de gerenciamento de espaços. #### Criar um espaço Para criar um novo espaço, escolha **Criar espaço**. O formulário de criação permite que você configure o seguinte: + **Namespace: selecione o namespace** da sua equipe com cotas de recursos e configurações de governança. Isso determina sua alocação de computação disponível. + **Configurações de espaço:** + **Modelo**: selecione um modelo pré-configurado (por exemplo, JupyterLab ou Editor de código) para aplicar as configurações padrão. + **Computação**: escolha entre configurações de GPU e CPU com controle refinado sobre GPUs, vCPUs e memória. + **Partição GPU**: se a GPU fracionária estiver ativada, você poderá escolher uma partição para usar no seu espaço de trabalho. + **Imagem**: selecione entre imagens de contêiner disponíveis ou imagens personalizadas configuradas pelo seu administrador. + **Armazenamento de espaço do EBS**: configure o armazenamento persistente para seus notebooks e dados. + **Governança de tarefas**: quando habilitados para o namespace, os espaços se integram à governança de HyperPod tarefas para gerenciamento de recursos e agendamento prioritário. Para obter mais informações, consulte [Governança de tarefas para espaços interativos em HyperPod](task-governance.md). #### Gerenciando espaços A tabela de espaços fornece uma visão consolidada de todos os seus ambientes, incluindo status e alocações de recursos. Na coluna **Ações**, você pode: + Interrompa um espaço em execução para liberar recursos computacionais e, ao mesmo tempo, preservar seus dados no armazenamento do EBS. + Abra o espaço em seu navegador para iniciar a interface web JupyterLab ou o Code Editor. + Conecte-se usando um IDE remoto. Para obter mais informações, consulte [Acesso remoto ao SageMaker Spaces](vscode-access.md). #### Conectando-se ao seu espaço Os espaços oferecem suporte a dois métodos de conexão: **Acesso à interface do usuário da Web** Escolha **Abrir** na tabela de espaços para iniciar o IDE diretamente no seu navegador. Isso abre uma interface totalmente funcional JupyterLab ou de editor de código hospedada em seu HyperPod cluster. Nenhuma instalação de software local é necessária além de um navegador da web. Isso é ideal para iterações rápidas, exploração baseada em notebook e trabalho colaborativo. Para habilitar o acesso à interface de usuário da Web em seu cluster, consulte[Acesso pelo navegador da web](browser-access.md). **Conexão IDE remota** Escolha **Abrir no IDE remoto na** tabela de espaços para conectar seu IDE local ao espaço em execução HyperPod. Isso fornece uma conexão segura sem exigir que você gerencie chaves SSH ou exponha a porta 22. Você obtém todo o poder do seu ambiente de desenvolvimento local enquanto executa o código na computação de HyperPod cluster. Para obter mais informações, consulte [Acesso remoto ao SageMaker Spaces](vscode-access.md). ## Detalhes A Amazon SageMaker HyperPod fornece uma visão dos detalhes dos metadados do seu cluster. O parágrafo a seguir fornece informações sobre como obter os detalhes HyperPod do cluster. No Amazon SageMaker Studio, você pode navegar até um dos seus clusters em **HyperPodclusters** (em **Compute**) e visualizar os **detalhes** do seu cluster. Isso inclui tags, logs e metadados.