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。 # 创建混合作业 本节将向您介绍如何使用 Python 脚本创建混合作业。或者，要使用本地 Python 代码 [例如您首选的集成式开发环境（IDE）或 Braket Notebook] 创建混合作业，请参阅 [将本地代码作为混合作业运行](braket-hybrid-job-decorator.md)。 **Topics** + [创建并运行](#braket-jobs-first-create) + [监控结果](#braket-jobs-first-monitor-results) + [保存结果](#braket-jobs-save-results) + [使用检查点](#braket-jobs-checkpoints) + [将本地代码作为混合作业运行](braket-hybrid-job-decorator.md) + [将 API 和 Hybrid Jobs 配合使用](braket-jobs-api.md) + [使用本地模式创建和调试混合作业](braket-jobs-local-mode.md) ## 创建并运行 拥有运行混合作业权限的角色后，就可以继续操作了。您的第一个 Braket 混合作业的关键部分是*算法脚本*。它定义了您要运行的算法，并包含作为算法一部分的经典逻辑和量子任务。除算法脚本外，还可以提供其他依赖关系文件。算法脚本及其依赖关系被称为*源模块*。*入口点*定义了混合作业启动时要在源模块中运行的第一个文件或函数。 ![该图显示了使用控制台或 Notebook 创建量子作业、在量子设备上运行算法脚本以及分析结果的工作流程。](http://docs.aws.amazon.com/zh_cn/braket/latest/developerguide/images/braket-jobs-first-workflow.jpg) 首先，考虑以下算法脚本的基本示例，该脚本创建了五个钟形状态并打印相应的测量结果。 ``` import os from braket.aws import AwsDevice from braket.circuits import Circuit def start_here(): print("Test job started!") # Use the device declared in the job script device = AwsDevice(os.environ["AMZN_BRAKET_DEVICE_ARN"]) bell = Circuit().h(0).cnot(0, 1) for count in range(5): task = device.run(bell, shots=100) print(task.result().measurement_counts) print("Test job completed!") ``` 将此文件名为 *algorithm\_script.py* 的文件保存在 Braket Notebook 或本地环境的当前工作目录中。algorithm\_script.py 文件已将 `start_here()` 作为计划的入口点。 接下来，在与 algorithm\_script.py 文件相同的目录下创建 Python 文件或 Python Notebook。此脚本启动混合作业并处理任何异步处理，例如打印我们感兴趣的状态或关键结果。此脚本至少需要指定您的混合作业脚本和主设备。 **注意** 有关如何创建 Braket Notebook 或将文件（如 *algorithm\_script.py* 文件）上传到与 Notebook 相同的目录中的更多信息，请参阅[使用 Amazon Braket Python SDK 运行您的第一个电路](braket-get-started-run-circuit.md) 对于基本的第一种情况，您的目标是模拟器。无论您瞄准的是哪种类型的量子设备，无论是模拟器还是实际的量子处理单元（QPU），您在以下脚本 `device` 中指定的设备都用于调度混合作业，并且可以作为环境变量 `AMZN_BRAKET_DEVICE_ARN` 提供给算法脚本。 **注意** 您只能使用混合作业中 AWS 区域 可用的设备。Amazon Braket SDK 会自动选择此 AWS 区域。例如，us-east-1 中的混合作业可以使用 IonQ、SV1、DM1 和 TN1 设备，但不能使用 Rigetti 设备。 如果您选择量子计算机而不是模拟器，Braket 会安排您的混合作业，以优先访问权限运行其所有量子任务。 ``` from braket.aws import AwsQuantumJob from braket.devices import Devices job = AwsQuantumJob.create( Devices.Amazon.SV1, source_module="algorithm_script.py", entry_point="algorithm_script:start_here", wait_until_complete=True ) ``` 参数 `wait_until_complete=True` 设置了详细模式，以便您的作业在运行时打印实际作业的输出。您应该可以看到类似于以下示例的输出。 ``` Initializing Braket Job: arn:aws:braket:us-west-2:111122223333:job/braket-job-default-123456789012 Job queue position: 1 Job queue position: 1 Job queue position: 1 .............. . . . Beginning Setup Checking for Additional Requirements Additional Requirements Check Finished Running Code As Process Test job started! Counter({'00': 58, '11': 42}) Counter({'00': 55, '11': 45}) Counter({'11': 51, '00': 49}) Counter({'00': 56, '11': 44}) Counter({'11': 56, '00': 44}) Test job completed! Code Run Finished 2025-09-24 23:13:40,962 sagemaker-training-toolkit INFO Reporting training SUCCESS ``` **注意** 您还可以通过传递自定义模块的位置（本地目录或文件的路径或 tar.gz 文件的 S3 URI）来使用该[AwsQuantumJob.create](https://amazon-braket-sdk-python.readthedocs.io/en/latest/_apidoc/braket.aws.aws_quantum_job.html#braket.aws.aws_quantum_job.AwsQuantumJob.create)方法。有关有效示例，请参阅 [Amazon](https://github.com/amazon-braket/amazon-braket-examples/tree/main) Braket 示例 Githu [Parallelize\_training\_for\_QMLb 存储库中混合作业文件夹中的.ipynb](https://github.com/amazon-braket/amazon-braket-examples/blob/main/examples/hybrid_jobs/5_Parallelize_training_for_QML/Parallelize_training_for_QML.ipynb) 文件。 ## 监控结果 或者，您可以访问来自 Amazon 的日志输出 CloudWatch。为此，请转到作业详细信息页面左侧菜单上的“**日志组**”选项卡，选择“日志组 `aws/braket/jobs`”，然后选择包含该作业名称的日志流。在上述示例中，即为 `braket-job-default-1631915042705/algo-1-1631915190`。 ![CloudWatch 日志组显示了 Amazon Braket SDK Python 测试的日志事件列表，其中包含文件路径和时间戳。](http://docs.aws.amazon.com/zh_cn/braket/latest/developerguide/images/braket-jobs-first-cw-log.png) 您还可以在控制台中查看混合作业的状态，方法是选择“**混合作业**”页面，然后选择“**设置”**。 ![Amazon Braket Hybrid Jobs 详细信息显示摘要、事件时间、源代码和实例配置以及停止条件。](http://docs.aws.amazon.com/zh_cn/braket/latest/developerguide/images/braket-jobs-first-console-status.png) 您的混合作业在运行时会在 Amazon S3 中生成一些构件。S3 存储桶的默认名称为 `amazon-braket--` 且内容位于 `jobs//` 目录中。使用 Braket Python SDK 创建混合作业时，您可以通过指定其他 `code_location`来配置存储这些构件的 S3 位置。 **注意** 此 S3 存储桶必须与您的任务脚本位于同一 AWS 区域 位置。 该 `jobs//` 目录包含一个子文件夹，`model.tar.gz` 文件中包含入口点脚本的输出。还有一个名为 `script` 的目录，包含了 `source.tar.gz` 文件中您的算法脚本构件。实际量子任务的结果位于名为 `jobs//tasks` 的目录中。 ## 保存结果 您可以保存算法脚本生成的结果，以便从混合作业脚本中的混合作业对象以及 Amazon S3 的输出文件夹（名为 model.tar.gz 的 tar 压缩文件中）获得这些结果。 必须使用 JavaScript 对象表示法 (JSON) 格式将输出保存在文件中。如果数据无法轻易序列化为文本（如 numpy 数组），则可以传入一个使用腌制数据格式进行序列化的选项。有关更多详细信息，请参阅 [t.jobs.data\_persistence](https://amazon-braket-sdk-python.readthedocs.io/en/latest/_apidoc/braket.jobs.data_persistence.html#braket.jobs.data_persistence.save_job_result) 模块。 要保存混合作业的结果，请将以下用 \#ADD 注释的行添加到 algorithm\_script.py 文件中。 ``` import os from braket.aws import AwsDevice from braket.circuits import Circuit from braket.jobs import save_job_result # ADD def start_here(): print("Test job started!") device = AwsDevice(os.environ['AMZN_BRAKET_DEVICE_ARN']) results = [] # ADD bell = Circuit().h(0).cnot(0, 1) for count in range(5): task = device.run(bell, shots=100) print(task.result().measurement_counts) results.append(task.result().measurement_counts) # ADD save_job_result({"measurement_counts": results}) # ADD print("Test job completed!") ``` 然后，您可以通过附加带有 \#ADD 注释的行 **`print(job.result())`** 来显示作业脚本中的作业结果。 ``` import time from braket.aws import AwsQuantumJob job = AwsQuantumJob.create( source_module="algorithm_script.py", entry_point="algorithm_script:start_here", device="arn:aws:braket:::device/quantum-simulator/amazon/sv1", ) print(job.arn) while job.state() not in AwsQuantumJob.TERMINAL_STATES: print(job.state()) time.sleep(10) print(job.state()) print(job.result()) # ADD ``` 在此示例中，我们移除了 `wait_until_complete=True`，以抑制冗余输出。您可以将其重新添加以进行调试。当您运行该混合作业时，它会每隔 10 秒输出一次标识符和 `job-arn`，然后输出混合作业的状态，直到混合作业的状态为 `COMPLETED` 为止，然后它会向您显示钟形回路的结果。请参阅以下示例。 ``` arn:aws:braket:us-west-2:111122223333:job/braket-job-default-123456789012 INITIALIZED RUNNING RUNNING RUNNING RUNNING RUNNING RUNNING RUNNING RUNNING RUNNING RUNNING ... RUNNING RUNNING COMPLETED {'measurement_counts': [{'11': 53, '00': 47},..., {'00': 51, '11': 49}]} ``` ## 使用检查点 您可以使用检查点保存混合作业的中间迭代。在上一节的算法脚本示例中，您添加了以下用 \#ADD 注释的行来创建检查点文件。 ``` from braket.aws import AwsDevice from braket.circuits import Circuit from braket.jobs import save_job_checkpoint # ADD import os def start_here(): print("Test job starts!") device = AwsDevice(os.environ["AMZN_BRAKET_DEVICE_ARN"]) # ADD the following code job_name = os.environ["AMZN_BRAKET_JOB_NAME"] save_job_checkpoint(checkpoint_data={"data": f"data for checkpoint from {job_name}"}, checkpoint_file_suffix="checkpoint-1") # End of ADD bell = Circuit().h(0).cnot(0, 1) for count in range(5): task = device.run(bell, shots=100) print(task.result().measurement_counts) print("Test hybrid job completed!") ``` 当您运行混合作业时，它会在检查点目录中的混合作业构件中使用默认 `/opt/jobs/checkpoints` 路径创建文件 *-checkpoint-1.json*。除非您要更改此默认路径，否则混合作业脚本保持不变。 如果要从之前的混合作业生成的检查点加载混合作业，则算法脚本会使用 `from braket.jobs import load_job_checkpoint`。加载到算法脚本中的逻辑如下所示。 ``` from braket.jobs import load_job_checkpoint checkpoint_1 = load_job_checkpoint( "previous_job_name", checkpoint_file_suffix="checkpoint-1", ) ``` 加载此检查点后，您可以根据加载到 `checkpoint-1` 的内容继续执行逻辑。 **注意** *checkpoint\_file\_suffix* 必须与之前在创建检查点时指定的后缀匹配。 您的编排脚本需要指定前一个混合作业中的 `job-arn`，该行用 \#ADD 注释。 ``` from braket.aws import AwsQuantumJob job = AwsQuantumJob.create( source_module="source_dir", entry_point="source_dir.algorithm_script:start_here", device="arn:aws:braket:::device/quantum-simulator/amazon/sv1", copy_checkpoints_from_job="", #ADD ) ```