翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。
# クォータ共有へのジョブの送信
クォータ管理ジョブキューでは、ジョブの送信時にすべてのジョブでクォータ共有を指定する必要があります。クォータ共有にジョブを送信するには、[SubmitServiceJob](https://docs.aws.amazon.com/batch/latest/APIReference/API_SubmitServiceJob.html) `quotaShareName`で を指定します。オプションで を指定して、ジョブの試行が に入るまでのプリエンプションの試行回数を制限`preemptionConfiguration`できます`FAILED`。ジョブで発生するプリエンプションの数を制限するには、ジョブの送信時に [ServiceJobPreemptionConfiguration](https://docs.aws.amazon.com/batch/latest/APIReference/API_ServiceJobPreemptionConfiguration.html) `preemptionRetriesBeforeTermination`内で を設定します。
## 前提条件
クォータ共有にジョブを送信する前に、次のことを確認してください。
+ **クォータ管理リソース** – クォータ管理用に設定されたスケジューリングポリシー、サービス環境、ジョブキュー。詳細については、「[クォータ管理リソースを作成する](create-quota-management-resources.md)」を参照してください。
+ **クォータ共有** – ジョブキューに少なくとも 1 つのクォータ共有が作成されます。詳細については、「[クォータ共有の作成](create-quota-shares.md)」を参照してください。
+ **IAM アクセス許可** – ジョブを送信するアクセス許可 AWS Batch。詳細については、「[AWS Batch IAM ポリシー、ロール、アクセス許可](IAM_policies.md)」を参照してください。
## クォータ共有にサービスジョブを送信する
次の表は、SageMaker Python SDK または AWS CLI を使用してクォータ共有にサービスジョブを送信する方法を示しています。
------
#### [ Submit using the SageMaker Python SDK ]
[SageMaker Python SDK ](https://sagemaker.readthedocs.io/en/stable/v3-examples/training-examples/aws_batch/sm-training-queues_quota-management.html)には、クォータ管理が有効なジョブキューにジョブを送信するためのサポートが組み込まれています。次の例は、モデルトレーナーを作成し、トレーニングキューを作成し、クォータ共有にジョブを送信する方法を示しています。完全な例については、GitHub の完全な[サンプルノートブック](https://github.com/aws/sagemaker-python-sdk/blob/master/v3-examples/training-examples/aws_batch/sm-training-queues_quota-management.ipynb)を参照してください。
トレーニングジョブの設定`ModelTrainer`を定義する を作成します。
```
from sagemaker.train.model_trainer import ModelTrainer
from sagemaker.train.configs import SourceCode, Compute, StoppingCondition
source_code = SourceCode(command="echo 'Hello World'")
model_trainer = ModelTrainer(
training_image={{"123456789012.dkr.ecr.us-east-1.amazonaws.com/pytorch-training:2.5-gpu-py311"}},
source_code=source_code,
base_job_name={{"my-training-job"}},
compute=Compute(instance_type={{"ml.g5.xlarge"}}, instance_count={{1}}),
stopping_condition=StoppingCondition(max_runtime_in_seconds={{300}}),
)
```
クォータ管理が有効なジョブキューを名前で参照する`TrainingQueue`オブジェクトを作成します。
```
from sagemaker.train.aws_batch.training_queue import TrainingQueue
queue = TrainingQueue({{"my-sagemaker-job-queue"}})
```
を呼び出し、 を指定して`queue.submit`、クォータ共有にジョブを送信します`quota_share_name`。クォータ共有内のジョブの順序に影響を与える`priority`ように を設定する必要があります。実際の `ModelTrainer`では、トレーニング対象のデータを取得`inputs`するために が必要になります。
```
job = queue.submit(
job_name={{"my-training-job"}},
training_job=model_trainer,
quota_share_name={{"my_quota_share"}},
priority={{3}},
inputs=None,
)
```
------
#### [ Submit using the AWS CLI ]
次の例では、 **submit-service-job** コマンドを使用してジョブをクォータ共有に送信します。
```
aws batch submit-service-job \
--job-name {{"my-sagemaker-training-job"}} \
--job-queue {{"my-sagemaker-job-queue"}} \
--service-job-type "SAGEMAKER_TRAINING" \
--quota-share-name {{"my_quota_share"}} \
--timeout-config '{"attemptDurationSeconds":{{3600}}}' \
--scheduling-priority {{5}} \
--service-request-payload {{'{\"TrainingJobName\": \"sagemaker-training-job-example\", \"AlgorithmSpecification\": {\"TrainingImage\": \"123456789012.dkr.ecr.us-east-1.amazonaws.com/pytorch-inference:1.8.0-cpu-py3\", \"TrainingInputMode\": \"File\", \"ContainerEntrypoint\": [\"sleep\", \"1\"]}, \"RoleArn\":\"arn:aws:iam::123456789012:role/SageMakerExecutionRole\", \"OutputDataConfig\": {\"S3OutputPath\": \"s3://example-bucket/model-output/\"}, \"ResourceConfig\": {\"InstanceType\": \"ml.m5.large\", \"InstanceCount\": 1, \"VolumeSizeInGB\": 1}}'}}"
```
------