View a markdown version of this page

Comment Amazon SageMaker Processing gère votre image de conteneur de traitement - Amazon SageMaker AI

Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Comment Amazon SageMaker Processing gère votre image de conteneur de traitement

Amazon SageMaker Processing exécute votre image de conteneur de traitement de la même manière que la commande suivante, où se AppSpecification.ImageUri trouve l'URI de l'image Amazon ECR que vous spécifiez lors d'une CreateProcessingJob opération. 

docker run [AppSpecification.ImageUri]

Cette commande exécute la commande ENTRYPOINT configurée dans votre image Docker.

Vous pouvez également remplacer la commande entrypoint dans l'image ou donner des arguments de ligne de commande à votre commande entrypoint à l'aide des paramètres AppSpecification.ContainerEntrypoint et AppSpecification.ContainerArgument de votre demande CreateProcessingJob. La spécification de ces paramètres permet à Amazon SageMaker Processing d'exécuter le conteneur de la même manière que la commande suivante. 

 docker run --entry-point [AppSpecification.ContainerEntrypoint] [AppSpecification.ImageUri] [AppSpecification.ContainerArguments]

Par exemple, si vous spécifiez ContainerEntrypoint ce qui doit être [python3, -v, /processing_script.py] dans votre CreateProcessingJob demande[data-format, csv], Amazon SageMaker Processing exécute votre conteneur ContainerArguments à l'aide de la commande suivante. 

 python3 -v /processing_script.py data-format csv

Lors de la génération de votre conteneur de traitement, tenez compte des éléments suivants  :

  • Amazon SageMaker Processing décide si la tâche se termine ou échoue en fonction du code de sortie de la commande exécutée. Une tâche de traitement se termine si tous les conteneurs de traitement quittent avec succès avec un code de sortie égal à 0 et échoue si l'un des conteneurs quitte avec un code de sortie différent de zéro.

  • Amazon SageMaker Processing vous permet de remplacer le point d'entrée du conteneur de traitement et de définir des arguments de ligne de commande comme vous le pouvez avec l'API Docker. Les images Docker peuvent également configurer les arguments d'entrée et de ligne de commande à l'aide des instructions ENTRYPOINT et CMD. La méthode dont les paramètres ContainerEntrypoint et ContainerArgument de CreateProcessingJob configurent le point d'entrée et les arguments d'une image Docker reflète la façon dont Docker remplace le point d'entrée et les arguments via l'API Docker :

    • En l'absence de ContainerEntrypoint et ContainerArguments, Processing utilise la valeur par défaut ENTRYPOINT ou CMD dans l'image.

    • Si ContainerEntrypoint est fourni, mais pas ContainerArguments, Processing exécute l'image avec le point d'entrée donné, et ignore les instructions ENTRYPOINT et CMD dans l'image.

    • Si ContainerArguments est fourni, mais pas ContainerEntrypoint, Processing exécute l'image avec l'instruction par défaut ENTRYPOINT dans l'image et avec les arguments fournis.

    • Si ContainerEntrypoint et ContainerArguments sont fournis, Processing exécute l'image avec le point d'entrée et les arguments donnés, et ignore les instructions ENTRYPOINT et le CMD dans l'image.

  • Vous devez utiliser le formulaire exec de l'instruction ENTRYPOINT dans votre Dockerfile (ENTRYPOINT ["executable", "param1", "param2"])) au lieu du formulaire shell (ENTRYPOINT command param1 param2). Cela permet à votre conteneur de traitement de recevoir des signaux SIGINT et SIGKILL que Processing utilise pour arrêter les tâches de traitement avec l'API StopProcessingJob.

  • /opt/mlet tous ses sous-répertoires sont réservés par SageMaker AI. Lors de la création de votre image Docker de traitement, ne placez aucune des données requises par votre conteneur de traitement dans ces répertoires.

  • Si vous envisagez d'utiliser des périphériques GPU, assurez-vous que vos conteneurs sont compatibles avec nvidia-docker. Incluez uniquement la boîte à outils CUDA dans les conteneurs. Ne regroupez pas des pilotes NVIDIA avec l’image. Pour plus d’informations sur nvidia-docker, consultez NVIDIA/nvidia-docker.