Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
# Migrasikan sumber daya ke Operator terbaru
Kami menghentikan pengembangan dan dukungan teknis dari versi asli [ SageMaker Operator untuk Kubernetes](https://github.com/aws/amazon-sagemaker-operator-for-k8s/tree/master).
Jika saat ini Anda menggunakan [ SageMaker Operator untuk Kubernetes versi `v1.2.2` atau di bawah ini, kami sarankan untuk](https://github.com/aws/amazon-sagemaker-operator-for-k8s/tree/master) memigrasikan sumber daya Anda ke [pengontrol layanan ACK](https://github.com/aws-controllers-k8s/sagemaker-controller) untuk Amazon. SageMaker Pengontrol layanan ACK adalah generasi baru SageMaker Operator untuk Kubernetes berdasarkan [AWS Controller for Kubernetes](https://aws-controllers-k8s.github.io/community/) (ACK).
Untuk jawaban atas pertanyaan umum di akhir dukungan versi asli SageMaker Operator untuk Kubernetes, lihat [Mengumumkan Akhir Dukungan Versi Asli Operator SageMaker AI untuk Kubernetes](kubernetes-sagemaker-operators-eos-announcement.md)
Gunakan langkah-langkah berikut untuk memigrasikan sumber daya Anda dan menggunakan ACK untuk melatih, menyetel, dan menerapkan model pembelajaran mesin dengan Amazon SageMaker AI.
**catatan**
Operator SageMaker AI terbaru untuk Kubernetes tidak kompatibel ke belakang.
**Topics**
+ [
## Prasyarat
](#migrate-resources-to-new-operators-prerequisites)
+ [
## Mengadopsi sumber daya
](#migrate-resources-to-new-operators-steps)
+ [
## Bersihkan sumber daya lama
](#migrate-resources-to-new-operators-cleanup)
+ [
## Gunakan Operator SageMaker AI baru untuk Kubernetes
](#migrate-resources-to-new-operators-tutorials)
## Prasyarat
Agar berhasil memigrasikan sumber daya ke Operator SageMaker AI terbaru untuk Kubernetes, Anda harus melakukan hal berikut:
1. Instal Operator SageMaker AI terbaru untuk Kubernetes. Lihat [Pengaturan](https://aws-controllers-k8s.github.io/community/docs/tutorials/sagemaker-example/#setup) di *Machine Learning dengan ACK SageMaker AI Controller* untuk step-by-step petunjuk.
1. Jika Anda menggunakan[HostingAutoscalingPolicy sumber daya](#migrate-resources-to-new-operators-hap), instal Application Auto Scaling Operator yang baru. Lihat [Penyiapan](https://aws-controllers-k8s.github.io/community/docs/tutorials/autoscaling-example/#setup) di *Beban Kerja SageMaker AI Skala dengan Application Auto* Scaling untuk petunjuk. step-by-step Langkah ini opsional jika Anda tidak menggunakan HostingAutoScalingPolicy sumber daya.
Jika izin dikonfigurasi dengan benar, maka pengontrol layanan ACK SageMaker AI dapat menentukan spesifikasi dan status AWS sumber daya dan merekonsiliasi sumber daya seolah-olah pengontrol ACK awalnya membuatnya.
## Mengadopsi sumber daya
Operator SageMaker AI baru untuk Kubernetes menyediakan kemampuan untuk mengadopsi sumber daya yang awalnya tidak dibuat oleh pengontrol layanan ACK. Untuk informasi selengkapnya, lihat [Mengadopsi Sumber AWS Daya yang Ada](https://aws-controllers-k8s.github.io/community/docs/user-docs/adopted-resource/) di dokumentasi ACK.
Langkah-langkah berikut menunjukkan bagaimana Operator SageMaker AI baru untuk Kubernetes dapat mengadopsi titik akhir AI yang ada SageMaker . Simpan sampel berikut ke file bernama`adopt-endpoint-sample.yaml`.
```
apiVersion: services.k8s.aws/v1alpha1
kind: AdoptedResource
metadata:
name: adopt-endpoint-sample
spec:
aws:
# resource to adopt, not created by ACK
nameOrID: xgboost-endpoint
kubernetes:
group: sagemaker.services.k8s.aws
kind: Endpoint
metadata:
# target K8s CR name
name: xgboost-endpoint
```
Kirim sumber daya kustom (CR) menggunakan`kubectl apply`:
```
kubectl apply -f adopt-endpoint-sample.yaml
```
Gunakan `kubectl describe` untuk memeriksa kondisi status sumber daya yang Anda adopsi.
```
kubectl describe adoptedresource adopt-endpoint-sample
```
Verifikasi bahwa `ACK.Adopted` kondisinya`True`. Outputnya akan terlihat mirip dengan contoh berikut:
```
---
kind: AdoptedResource
metadata:
annotations:
kubectl.kubernetes.io/last-applied-configuration: '{"apiVersion":"services.k8s.aws/v1alpha1","kind":"AdoptedResource","metadata":{"annotations":{},"name":"xgboost-endpoint","namespace":"default"},"spec":{"aws":{"nameOrID":"xgboost-endpoint"},"kubernetes":{"group":"sagemaker.services.k8s.aws","kind":"Endpoint","metadata":{"name":"xgboost-endpoint"}}}}'
creationTimestamp: '2021-04-27T02:49:14Z'
finalizers:
- finalizers.services.k8s.aws/AdoptedResource
generation: 1
name: adopt-endpoint-sample
namespace: default
resourceVersion: '12669876'
selfLink: "/apis/services.k8s.aws/v1alpha1/namespaces/default/adoptedresources/adopt-endpoint-sample"
uid: 35f8fa92-29dd-4040-9d0d-0b07bbd7ca0b
spec:
aws:
nameOrID: xgboost-endpoint
kubernetes:
group: sagemaker.services.k8s.aws
kind: Endpoint
metadata:
name: xgboost-endpoint
status:
conditions:
- status: 'True'
type: ACK.Adopted
```
Periksa apakah sumber daya Anda ada di klaster Anda:
```
kubectl describe endpoints.sagemaker xgboost-endpoint
```
### HostingAutoscalingPolicy sumber daya
Sumber daya `HostingAutoscalingPolicy` (HAP) terdiri dari beberapa sumber daya Application Auto Scaling: dan. `ScalableTarget` `ScalingPolicy` Saat mengadopsi sumber daya HAP dengan ACK, pertama-tama instal pengontrol [Application Auto](https://github.com/aws-controllers-k8s/applicationautoscaling-controller) Scaling. Untuk mengadopsi sumber daya HAP, Anda perlu mengadopsi keduanya `ScalableTarget` dan `ScalingPolicy` sumber daya. Anda dapat menemukan pengindentifikasi sumber daya untuk sumber daya ini dalam status `HostingAutoscalingPolicy` resource ()`status.ResourceIDList`.
### HostingDeployment sumber daya
Sumber `HostingDeployment` daya terdiri dari beberapa sumber daya SageMaker AI:`Endpoint`,`EndpointConfig`, dan masing-masing`Model`. Jika Anda mengadopsi titik akhir SageMaker AI di ACK, Anda perlu mengadopsi`Endpoint`,`EndpointConfig`, dan masing-masing `Model` secara terpisah. `Model`Nama`Endpoint`,`EndpointConfig`, dan dapat ditemukan dalam status `HostingDeployment` sumber daya (`status.endpointName`,`status.endpointConfigName`, dan`status.modelNames`).
Untuk daftar semua sumber daya SageMaker AI yang didukung, lihat [Referensi ACK API](https://aws-controllers-k8s.github.io/community/reference/).
## Bersihkan sumber daya lama
Setelah Operator SageMaker AI baru untuk Kubernetes mengadopsi sumber daya Anda, Anda dapat menghapus instalan operator lama dan membersihkan sumber daya lama.
### Langkah 1: Copot pemasangan operator lama
Untuk menghapus instalan operator lama, lihat[Hapus operator](kubernetes-sagemaker-operators-end-of-support.md#delete-operators).
**Awas**
Copot pemasangan operator lama sebelum menghapus sumber daya lama.
### Langkah 2: Hapus finalizer dan hapus sumber daya lama
**Awas**
Sebelum menghapus sumber daya lama, pastikan Anda telah menghapus instalan operator lama.
Setelah menghapus instalan operator lama, Anda harus secara eksplisit menghapus finalizer untuk menghapus sumber daya operator lama. Contoh skrip berikut menunjukkan cara menghapus semua pekerjaan pelatihan yang dikelola oleh operator lama di namespace tertentu. Anda dapat menggunakan pola serupa untuk menghapus sumber daya tambahan setelah diadopsi oleh operator baru.
**catatan**
Anda harus menggunakan nama sumber daya lengkap untuk mendapatkan sumber daya. Misalnya, gunakan `kubectl get trainingjobs.sagemaker.aws.amazon.com` sebagai ganti dari `kubectl get trainingjob`.
```
namespace=sagemaker_namespace
training_jobs=$(kubectl get trainingjobs.sagemaker.aws.amazon.com -n $namespace -ojson | jq -r '.items | .[] | .metadata.name')
for job in $training_jobs
do
echo "Deleting $job resource in $namespace namespace"
kubectl patch trainingjobs.sagemaker.aws.amazon.com $job -n $namespace -p '{"metadata":{"finalizers":null}}' --type=merge
kubectl delete trainingjobs.sagemaker.aws.amazon.com $job -n $namespace
done
```
## Gunakan Operator SageMaker AI baru untuk Kubernetes
Untuk panduan mendalam tentang penggunaan Operator SageMaker AI baru untuk Kubernetes, lihat [Gunakan Operator SageMaker AI untuk Kubernetes](kubernetes-sagemaker-operators-ack.md#kubernetes-sagemaker-operators-ack-use)