在中创建 SageMaker 训练作业队列 AWS Batch

SageMaker 训练作业队列直接与 SageMaker AI 服务集成，无需管理底层计算基础架构，即可提供无服务器作业调度。

先决条件

在创建 SageMaker 训练作业队列之前，请确保：

• 服务环境-定义容量限制的服务环境。有关更多信息，请参阅 在中创建服务环境 AWS Batch。

• IAM 权限 — 创建和管理 AWS Batch 任务队列和服务环境的权限。有关更多信息，请参阅 AWS Batch IAM 策略、角色和权限。

Create a SageMaker Training job queue (AWS Batch console)

1. 打开 AWS Batch 控制台，网址为https://console.aws.amazon.com/batch/。

2. 在导航窗格中，选择 Job 队列和创建。

3. 对于编排类型，请选择SageMaker 训练。

4. 对于 Job 队列配置：

   1. 在 “名称” 中，输入 Job 队列的名称。

   2. 在 “优先级” 中，输入一个介于 0 和 1000 之间的值。优先级较高的 Job 队列优先于服务环境。

   3. （可选）对于计划策略 Amazon 资源名称（ARN），请选择现有的计划策略。

   4. 对于连接的服务环境，请从列表中选择要与作业队列关联的服务环境。

5. （可选）对于 Job 状态限制：

   1. 对于配置错误，请选择SERVICE_ENVIRONMENT_MAX_RESOURCE并输入最大可运行时间（秒）。

   2. 在 “容量” 中，选择INSUFFICIENT_INSTANCE_CAPACITY并输入最大可运行时间（秒）。

6. 选择创建作业队列

Create a SageMaker Training job queue (AWS CLI)

使用create-job-queue命令创建 SageMaker 训练作业队列。

以下示例创建了一个使用服务环境的基本 SageMaker 训练作业队列：

aws batch create-job-queue \
  --job-queue-name my-sm-training-fifo-jq \
  --job-queue-type SAGEMAKER_TRAINING \
  --priority 1 \
  --service-environment-order order=1,serviceEnvironment=ExampleServiceEnvironment

ExampleServiceEnvironment替换为服务环境的名称。

该命令返回的输出类似于下方内容：

{
  "jobQueueName": "my-sm-training-fifo-jq",
  "jobQueueArn": "arn:aws:batch:region:account:job-queue/my-sm-training-fifo-jq"
}

创建任务队列后，请验证该队列是否已成功创建且处于有效状态。

使用describe-job-queues命令查看有关您的任务队列的详细信息：

aws batch describe-job-queues --job-queues my-sm-training-fifo-jq

该命令返回的输出类似于下方内容：

{
  "jobQueues": [
    {
      "jobQueueName": "my-sm-training-fifo-jq",
      "jobQueueArn": "arn:aws:batch:region:account:job-queue/my-sm-training-fifo-jq",
      "state": "ENABLED",
      "status": "VALID",
      "statusReason": "JobQueue Healthy",
      "priority": 1,
      "computeEnvironmentOrder": [],
      "serviceEnvironmentOrder": [
        {
          "order": 1,
          "serviceEnvironment": "arn:aws:batch:region:account:service-environment/ExampleServiceEnvironment"
        }
      ],
      "jobQueueType": "SAGEMAKER_TRAINING",
      "tags": {},
      "jobStateTimeLimitActions": []
    }
  ]
}

请确保：

• 这state是 ENABLED

• 这status是 VALID

• 这statusReason是 JobQueue Healthy

• 这jobQueueType是 SAGEMAKER_TRAINING

• 它们serviceEnvironmentOrder引用了你的服务环境