Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Bestandteile von AWS Batch
AWS Batch vereinfacht die Ausführung von Batch-Jobs in mehreren Availability Zones innerhalb einer Region. Sie können AWS Batch -Datenverarbeitungsumgebungen in einer neuen oder bestehenden VPC erstellen. Nachdem eine Datenverarbeitungsumgebung erstellt und einer Auftragswarteschlange zugewiesen wurde, können Sie Auftragsdefinitionen definieren, die Docker-Containerabbilder für die Ausführung Ihrer Aufträge festzulegen. Containerabbilder werden in Container-Registrys gespeichert und daraus abgerufen, die sich innerhalb oder außerhalb Ihrer AWS -Infrastruktur befinden können.
Datenverarbeitungsumgebung
Bei einer Datenverarbeitungsumgebung handelt es sich um eine Gruppe verwalteter oder nicht verwalteter Datenverarbeitungsressourcen für die Ausführung von Aufträgen. In verwalteten Rechenumgebungen können Sie den gewünschten Berechnungstyp (Fargate oder EC2) auf mehreren Detailebenen angeben. Sie können Rechenumgebungen einrichten, die einen bestimmten EC2 Instanztyp, ein bestimmtes Modell wie c5.2xlarge oder m5.10xlarge verwenden. Sie können auch festlegen, dass Sie nur angeben möchten, dass Sie die neuesten Instanztypen verwenden möchten. Sie können auch die minimale, gewünschte und maximale Anzahl von v CPUs für die Umgebung sowie den Betrag angeben, den Sie bereit sind, für eine Spot-Instance als Prozentsatz des On-Demand-Instance-Preises zu zahlen, und einen Zielsatz von VPC-Subnetzen. AWS Batch Startet, verwaltet und beendet Compute-Typen effizient nach Bedarf. Sie können zudem Ihre eigenen Datenverarbeitungsumgebungen verwalten. Daher sind Sie für die Einrichtung und Skalierung der Instances in einem Amazon ECS-Cluster verantwortlich, der für Sie AWS Batch erstellt. Weitere Informationen finden Sie unter Rechenumgebungen für AWS Batch.
Warteschlangen für Job
Wenn Sie einen AWS Batch Job einreichen, leiten Sie ihn an eine bestimmte Job-Warteschlange weiter, in der der Job gespeichert wird, bis er in einer Computerumgebung eingeplant wird. Sie ordnen einer Auftragswarteschlange eine oder mehrere Rechenumgebungen zu. Sie können diesen Rechenumgebungen und sogar allen Job-Warteschlangen selbst Prioritätswerte zuweisen. Sie können beispielsweise eine Warteschlange mit hoher Priorität einrichten, an die Sie zeitkritische Jobs senden, und eine Warteschlange mit niedriger Priorität für Jobs, die jederzeit ausgeführt werden können, wenn Rechenressourcen günstiger sind. Weitere Informationen finden Sie unter Warteschlangen für Job.
Berufsdefinitionen
Eine Jobdefinition gibt an, wie Jobs ausgeführt werden sollen. Sie können sich eine Jobdefinition als Blaupause für die Ressourcen in Ihrem Job vorstellen. Sie können Ihrem Job eine IAM-Rolle zuweisen, um Zugriff auf andere AWS Ressourcen zu gewähren. Sie geben auch sowohl Speicher- als auch CPU-Anforderungen an. Mit der Auftragsdefinition können zudem Containereigenschaften, Umgebungsvariablen und Bereitstellungspunkte zur persistente Speicherung gesteuert werden. Viele der Spezifikationen in einer Auftragsdefinition können überschrieben werden, indem Sie beim Senden einzelner Aufträge neue Werte angeben. Weitere Informationen finden Sie unter Berufsdefinitionen.
Aufträge
Eine Arbeitseinheit (etwa als Shell-Script, eine ausführbare Linux-Datei oder ein Docker-Containerabbild), die Sie an AWS Batch senden. Es hat einen Namen und wird als containerisierte Anwendung auf AWS Fargate oder EC2 Amazon-Ressourcen in Ihrer Rechenumgebung ausgeführt, wobei Parameter verwendet werden, die Sie in einer Jobdefinition angeben. Jobs können mit Namen oder ID auf andere Jobs verweisen und können vom erfolgreichen Abschluss anderer Jobs oder der Verfügbarkeit der von Ihnen angegebenen Ressourcen abhängig sein. Weitere Informationen finden Sie unter Aufträge.
Richtlinie zur Terminplanung
Mithilfe von Planungsrichtlinien können Sie konfigurieren, wie Rechenressourcen in einer Auftragswarteschlange Benutzern oder Workloads zugewiesen werden. Mithilfe von Fair-Share-Scheduling-Richtlinien können Sie Workloads oder Benutzern unterschiedliche Share-IDs zuweisen. Der AWS Batch Job Scheduler verwendet standardmäßig eine FIFO-Strategie (First-In, First-Out). Weitere Informationen finden Sie unter Fair-Share-Terminplanungsrichtlinien.
Verbrauchbare Ressourcen
Eine verbrauchbare Ressource ist eine Ressource, die für die Ausführung Ihrer Jobs benötigt wird, z. B. ein Lizenz-Token eines Drittanbieters, die Bandbreite für den Datenbankzugriff, die Notwendigkeit, Aufrufe einer Drittanbieter-API zu drosseln usw. Sie geben die verbrauchbaren Ressourcen an, die für die Ausführung eines Jobs benötigt werden, und Batch berücksichtigt diese Ressourcenabhängigkeiten bei der Planung eines Jobs. Sie können die Unterauslastung der Rechenressourcen verringern, indem Sie nur die Jobs zuweisen, für die alle erforderlichen Ressourcen verfügbar sind. Weitere Informationen finden Sie unter Ressourcenbewusste Planung .
Serviceumgebung
Eine Serviceumgebung definiert, wie sie in SageMaker die Auftragsausführung AWS Batch integriert wird. Serviceumgebungen AWS Batch ermöglichen das Senden und Verwalten von Jobs und bieten SageMaker gleichzeitig die Funktionen für Warteschlangen, Zeitplanung und Prioritätsverwaltung von AWS Batch. Serviceumgebungen definieren Kapazitätsgrenzen für bestimmte Servicetypen, wie z. B. SageMaker Schulungsaufträge. Die Kapazitätsgrenzen steuern die maximalen Ressourcen, die von Serviceaufträgen in der Umgebung genutzt werden können. Weitere Informationen finden Sie unter Serviceumgebungen für AWS Batch.
Servicejob
Ein Serviceauftrag ist eine Arbeitseinheit, die Sie AWS Batch zur Ausführung in einer Serviceumgebung einreichen. Serviceaufträge nutzen AWS Batch die Warteschlangen- und Planungsfunktionen und delegieren gleichzeitig die eigentliche Ausführung an den externen Service. Beispielsweise werden SageMaker Trainingsaufträge, die als Serviceaufträge eingereicht werden, in die Warteschlange gestellt und priorisiert AWS Batch, die Ausführung der SageMaker Schulungsaufgaben erfolgt jedoch innerhalb der KI-Infrastruktur. SageMaker Diese Integration ermöglicht es Datenwissenschaftlern und ML-Ingenieuren, von AWS Batch der automatisierten Workloadverwaltung und Prioritätswarteschleife für ihre SageMaker KI-Schulungs-Workloads zu profitieren. Servicejobs können anhand ihres Namens oder ihrer ID auf andere Jobs verweisen und Jobabhängigkeiten unterstützen. Weitere Informationen finden Sie unter Servicejobs in AWS Batch.
