バックステージとセルフサービスの Amazon SageMaker AI テンプレートを使用して MLOps を高速化する - AWS 規範ガイダンス
概要前提条件と制限アーキテクチャツールベストプラクティスエピックトラブルシューティング関連リソース追加情報

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。

バックステージとセルフサービスの Amazon SageMaker AI テンプレートを使用して MLOps を高速化する

Ashish Bhatt、Shashankhirematt、および Shivanshu Suryakar、Amazon Web Services

概要

機械学習オペレーション (MLOps) システムを使用する組織は、ML インフラストラクチャのスケーリング、標準化、保護において大きな課題に直面しています。このパターンでは、オープンソースの開発者ポータルである Backstage と Amazon SageMaker AI および強化されたInfrastructure as Code (IaC) モジュールを組み合わせて、データサイエンスチームが ML ワークフローを開発、デプロイ、管理する方法を改善する、変革的なアプローチが導入されています。

このパターンの IaC モジュールは、GitHub AWS AIOps モジュールリポジトリで提供されています。これらのモジュールは、ML インフラストラクチャをセットアップし、一貫した ML 環境を作成するための構築済みのテンプレートを提供します。ただし、データサイエンティストはインフラストラクチャの専門知識を必要とするため、これらのテンプレートを直接使用するのに苦労することがよくあります。Backstage などのデベロッパーポータルを追加すると、データサイエンティストが基盤となるインフラストラクチャの詳細を理解することなく、標準化された ML 環境をデプロイする使いやすい方法が作成されます。

Backstage をセルフサービスプラットフォームとして使用し、事前設定された SageMaker AI テンプレートを統合することで、次のことが可能になります。

  • ML イニシアチブの価値実現までの時間を短縮します。

  • 一貫したセキュリティとガバナンスの実施を支援します。

  • データサイエンティストに標準化された準拠環境を提供します。

  • 運用上のオーバーヘッドとインフラストラクチャの複雑さを軽減します。

このパターンは、MLOps の重要な課題に対処するソリューションを提供し、組織の標準を維持しながらイノベーションを可能にするスケーラブルで反復可能なフレームワークも提供します。

ターゲットオーディエンス

このパターンは、組織内の ML、クラウドアーキテクチャ、プラットフォームエンジニアリングに関わる幅広い対象者を対象としています。これには、以下が含まれます。

  • ML ワークフローのデプロイを標準化および自動化したい ML エンジニア。

  • 事前設定済みの準拠した ML 環境へのセルフサービスアクセスを希望するデータサイエンティスト。

  • 内部開発者プラットフォームと共有インフラストラクチャの構築と維持を担当するプラットフォームエンジニア。

  • MLOps 用のスケーラブルで安全で費用対効果の高いクラウドソリューションを設計するクラウドアーキテクト。

  • 継続的インテグレーションと継続的デリバリー (CI/CD) のプラクティスを ML インフラストラクチャのプロビジョニングとワークフローに拡張することに関心のある DevOps エンジニア。

  • ML イニシアチブを監督し、チームの生産性、ガバナンス、市場投入までの時間を改善したいと考えている技術リーダーとマネージャー。

MLOps の課題、SageMaker AI MLOps モジュール、およびこのパターンによって提供されるソリューションが ML チームのニーズにどのように対処できるかの詳細については、「追加情報」セクションを参照してください。

前提条件と制限

前提条件

制約事項

  • テンプレートカバレッジが制限されています。現在、このソリューションは、より広範な AIOps ソリューションの SageMaker AI 関連の AIOps モジュールのみをサポートしています。Amazon Elastic Kubernetes Service (Amazon EKS)、MLflow、Apache Airflow、Amazon Bedrock のファインチューニングなどの他のモジュールは、Backstage テンプレートとしてはまだ利用できません。

  • 設定不可能なデフォルト設定。テンプレートでは、AIOps SageMaker モジュールの固定デフォルト設定がカスタマイズなしで使用されます。Backstage インターフェイスを使用してインスタンスタイプ、ストレージサイズ、ネットワーク設定、またはセキュリティポリシーを変更することはできません。これにより、特定のユースケースの柔軟性が制限されます。

  • AWSのみのサポート。プラットフォームは AWS デプロイ専用に設計されており、マルチクラウドシナリオをサポートしていません。の外部でクラウドサービスを使用する組織は AWS クラウド 、これらのテンプレートを ML インフラストラクチャのニーズに使用することはできません。

  • 手動認証情報管理。デプロイごとに AWS 認証情報を手動で指定する必要があります。このソリューションでは、企業 ID プロバイダーとの統合 AWS IAM Identity Centerや認証情報の自動ローテーションは提供されません。

  • ライフサイクル管理の制限。テンプレートには、自動クリーンアップポリシー、コスト最適化の推奨事項、インフラストラクチャドリフト検出などの包括的なリソースライフサイクル管理機能がありません。デプロイされたリソースは、作成後に手動で管理およびモニタリングする必要があります。

アーキテクチャ

次の図は、SageMaker AI を使用して環境間で ML インフラストラクチャのデプロイを標準化および高速化する統合デベロッパーポータルのソリューションアーキテクチャを示しています。

Backstage、CNOE、GitHub Actions、Seed-Farmer を使用した統合デベロッパーポータルのアーキテクチャ。

このアーキテクチャでは、以下のようになります。

  1. AWS アプリケーションモダナイゼーションの設計図は、Amazon EKS クラスターを使用してインフラストラクチャのセットアップを Cloud Native Operational Excellence (CNOE) フレームワークのベースとしてプロビジョニングします。この包括的なソリューションは、スケーラブルな内部開発者プラットフォーム (IDP) を提供することで、クラウドネイティブなインフラストラクチャ管理の複雑な課題に対処します。ブループリントは、進化する組織のニーズに適応できる堅牢で柔軟なインフラストラクチャをセットアップするための構造化されたアプローチを提供します。

  2. CNOE オープンソースフレームワークは、DevOps ツールを統合し、統合されたプラットフォームエンジニアリングアプローチを通じてエコシステムの断片化を解決します。さまざまなツールとテクノロジーを組み合わせることで、クラウドネイティブ開発の複雑な環境を簡素化できるため、チームはツールチェーン管理ではなくイノベーションに集中できます。このフレームワークは、開発ツールを選択、統合、管理するための標準化された方法を提供します。

  3. CNOE では、Backstage は Amazon EKS クラスター内にout-of-the-boxソリューションとしてデプロイされます。Backstage は、Keycloak による堅牢な認証と、Argo CD による包括的なデプロイワークフローにバンドルされています。この統合プラットフォームは、開発プロセスを管理するための一元化された環境を作成し、チームが複数の環境にわたってインフラストラクチャとアプリケーションにアクセス、デプロイ、モニタリングするための単一の場所を提供します。

  4. GitHub リポジトリには、SageMaker AI ライフサイクル全体をカバーする事前設定された AIOps ソフトウェアテンプレートが含まれています。これらのテンプレートは、SageMaker Studio のプロビジョニング、モデルトレーニング、推論パイプライン、モデルモニタリングなど、重要な ML インフラストラクチャのニーズに対処します。これらのテンプレートは、ML イニシアチブを加速し、さまざまなプロジェクトやチーム間で一貫性を確保するのに役立ちます。

  5. GitHub Actions は、Seed-Farmer ユーティリティを介してリソースプロビジョニングを動的にトリガーする自動ワークフローを実装します。このアプローチでは、Backstage カタログを AIOps モジュールリポジトリと統合し、効率的なインフラストラクチャデプロイプロセスを作成します。自動化により、手動による介入が減り、人為的ミスが最小限に抑えられ、さまざまな環境で迅速かつ一貫したインフラストラクチャの作成が可能になります。

  6. は、インフラストラクチャをコードとして定義してプロビジョニングし、指定された 全体で繰り返し可能で安全で準拠したリソースのデプロイを確保するAWS CDKのに役立ちます AWS アカウント。このアプローチは、最小限の手動介入で最大のガバナンスを提供するため、簡単にレプリケート、バージョン管理、監査できる標準化されたインフラストラクチャテンプレートを作成できます。

ツール

AWS のサービス

  • AWS Cloud Development Kit (AWS CDK) は、コードで AWS クラウド インフラストラクチャを定義およびプロビジョニングするのに役立つソフトウェア開発フレームワークです。

  • Amazon Elastic Kubernetes Service (Amazon EKS) を使用すると、独自の Kubernetes コントロールプレーンやノードをインストールまたは維持 AWS することなく、 で Kubernetes を実行できます。

  • Amazon SageMaker AI は、ML モデルを構築およびトレーニングし、本番環境対応のホスト環境にデプロイするのに役立つマネージド ML サービスです。

その他のツール

  • Backstage は、内部開発者ポータルの構築に役立つオープンソースフレームワークです。

  • GitHub Actions は、コードの構築、テスト、デプロイなどのタスクを含むソフトウェア開発ワークフローを自動化する CI/CD プラットフォームです。

コードリポジトリ

このパターンでは、次の GitHub リポジトリのコードとテンプレートを使用します。

実装

この実装では、 リポジトリの Modern Engineering AWS から Backstage の本番稼働グレードのデプロイパターンを使用します。このアプローチは、セキュリティとスケーラビリティの AWS ベストプラクティスを組み込むと同時に、セットアッププロセスを大幅に簡素化します。

このパターンのエピックセクションでは、実装アプローチの概要を説明します。詳細なstep-by-step手順については、AIOps internal developer platform (IDP) with Backstage repository」にある包括的なデプロイガイドを参照してください。実装には以下が含まれます。

  • 初期バックステージプラットフォームデプロイ

  • SageMaker ソフトウェアテンプレートと Backstage の統合

  • Backstage テンプレートの消費と保守

デプロイガイドには、継続的なメンテナンス、トラブルシューティング、プラットフォームスケーリングに関するガイダンスも含まれています。

ベストプラクティス

これらのベストプラクティスに従って、MLOps インフラストラクチャ実装のセキュリティ、ガバナンス、運用上の優秀性を確保します。

テンプレート管理

  • ライブテンプレートに重大な変更を加えないでください。

  • 本番環境にデプロイする前に、必ず更新を徹底的にテストしてください。

  • 明確で十分に文書化されたテンプレートバージョンを維持します。

セキュリティ

  • GitHub Actions を特定のコミットセキュアハッシュアルゴリズム (SHAs) に固定して、サプライチェーン攻撃を防止します。

  • きめ細かなアクセス許可を持つ最小特権の IAM ロールを使用します。

  • 機密認証情報を GitHub Secrets と に保存しますAWS Secrets Manager。

  • テンプレートで認証情報をハードコードしないでください。

ガバナンスと追跡

  • 包括的なリソースタグ付け標準を実装します。

  • 正確なコスト追跡とコンプライアンスモニタリングを有効にします。

  • インフラストラクチャの変更に関する明確な監査証跡を維持します。

このガイドは、Backstage、SageMaker AI、IaC モジュールを使用してこれらのベストプラクティスを実装するための強力な基盤を提供します。

エピック

タスク説明必要なスキル

Backstage をデプロイします。

このステップでは、 リポジトリの Modern Engineering AWS のブループリントを使用して、複数の を統合して ML ワークフロー用の一元化された IDP を作成する堅牢 AWS のサービス でスケーラブルなインフラストラクチャを構築します。デプロイガイドの「Backstage deployment」セクションの指示に従って、リポジトリのクローン作成、依存関係のインストール、環境変数 AWS CDK の設定のブートストラップ、Backstage プラットフォームのデプロイを行います。

インフラストラクチャは、IDP コンポーネントをデプロイするためのコンテナオーケストレーションプラットフォームとして Amazon EKS を使用します。Amazon EKS アーキテクチャには、厳密なネットワーク分離を確立し、アクセスパターンを制御するための安全なネットワーク設定が含まれています。プラットフォームは認証メカニズムと統合され、サービスや環境間のユーザーアクセスを保護します。

プラットフォームエンジニア

SageMaker AI テンプレートをセットアップします。

このステップでは、GitHub AIOps 内部開発者プラットフォーム (IDP) のスクリプトと Backstage リポジトリを使用します。デプロイガイドのSageMaker テンプレートのセットアップ」セクションの指示に従って、リポジトリのクローンを作成し、前提条件を設定し、セットアップスクリプトを実行します。

このプロセスでは、Backstage との統合に必要な SageMaker AI テンプレートを含むリポジトリを作成します。

プラットフォームエンジニア

SageMaker AI テンプレートを Backstage と統合します。

デプロイガイドの SageMaker テンプレート統合セクションの指示に従って、SageMaker AI テンプレートを登録します。

このステップでは、AIOps モジュール (最後のステップの SageMaker AI テンプレート) を Backstage デプロイに統合し、ML インフラストラクチャのニーズをセルフサービスできるようにします。

プラットフォームエンジニア

Backstage の SageMaker AI テンプレートを使用します。

デプロイガイドのSageMaker テンプレートの使用」セクションの指示に従って Backstage ポータルにアクセスし、SageMaker Studio で ML 環境を作成します。

Backstage ポータルでは、SageMaker Studio 環境、SageMaker ノートブック、カスタム SageMaker プロジェクトテンプレート、モデルデプロイパイプラインのオプションなど、使用可能な SageMaker AI テンプレートから選択できます。設定パラメータを指定すると、プラットフォームは自動的に専用リポジトリを作成し、GitHub Actions と Seed-Farmer を通じて AWS リソースをプロビジョニングします。GitHub Actions ログと Backstage コンポーネントカタログを使用して進行状況をモニタリングできます。

データサイエンティスト、データエンジニア、開発者
タスク説明必要なスキル

SageMaker AI テンプレートを更新します。

Backstage で SageMaker AI テンプレートを更新するには、次の手順に従います。

  1. テンプレートの内容を変更します。

    1. template.yaml ファイルに必要な変更を加えるか、 skeleton/ ディレクトリ内のファイルを編集します。

    2. 新しいパラメータ、アクション、またはファイル構造をローカルまたは開発環境でテストします。

  2. テストの変更：

    1. バックステージ UI または CLI (@backstage/create-app) を使用して、更新されたテンプレートを使用してテストコンポーネントをスキャフォールドします。

    2. すべてのステップが正常に実行され、生成されたコードが期待を満たしていることを確認します。

  3. コミットおよびプッシュの変更：

    1. テンプレートが保存されている Git リポジトリに変更をプッシュします。

      テンプレートが特定のブランチ ( などmain) に登録されている場合、更新は自動的に反映されます。

    2. バージョニングを使用している場合 (次のステップを参照）、正しいバージョンまたはタグが更新されていることを確認してください。

プラットフォームエンジニア

テンプレートの複数のバージョンを作成および管理します。

重大な変更やアップグレードについては、SageMaker AI テンプレートの複数のバージョンを作成することをお勧めします。

  1. バージョンごとに Git タグまたはブランチを使用します。例：

    git checkout -b v2.0.0
git push origin v2.0.0

  2. （オプションですが推奨) 各バージョンを個別に登録します。

    Backstage では、テンプレートの異なるバージョンをカタログ内の個別のエンティティとして登録できます。ここで、各エンティティは特定のブランチまたはタグを指します。例 ( .yaml ファイルの場合):

    metadata:
name: node-service-template-v2
description: Node.js service template - Version 2
spec:
type: template
lifecycle: experimental
version: '2.0.0'

  3. テンプレートリポジトリにCHANGELOG.mdファイルを維持することで、変更を明確に伝達します。このファイルでは、テンプレートの各バージョンで導入された機能または変更を文書化します。

  4. 必要に応じて、古いバージョンのテンプレートを廃止します。

    1. テンプレートの説明で非推奨としてマークします。

    2. 不要になった場合は、カタログからバージョンを削除します。

プラットフォームエンジニア
タスク説明必要なスキル

SageMaker AI を超えてテンプレートカバレッジを拡張します。

現在のソリューションでは、SageMaker AI 関連の AIOps テンプレートのみを実装しています。AIOps モジュールを追加し、追加の AWS のサービス およびアプリケーション用のカスタムソフトウェアテンプレートを統合することで、ML 環境を拡張できます。これらを作成するには、Backstage のテンプレートデザイナーインターフェイスを使用するか、カスタムスキャフォールダーアクションを実装するか、標準メタデータでテンプレートリポジトリを維持します。プラットフォームは、一貫性を保つためにテンプレートのバージョニング、チーム間の共有、検証ワークフローをサポートしています。詳細については、「Backstage ドキュメント」を参照してください。

テンプレート継承パターンを実装して、ベーステンプレートの特殊なバージョンを作成することもできます。この拡張性により、簡素化された開発者エクスペリエンスを維持し、組織の標準を維持しながら、SageMaker AI 以外のさまざまな AWS リソースやアプリケーションを管理できます。

プラットフォームエンジニア

動的パラメータインジェクションを使用します。

現在のテンプレートはカスタマイズなしでデフォルト設定を使用し、Seed-Farmer CLI を実行してデフォルト変数を持つリソースをデプロイします。モジュール固有の設定に動的パラメータインジェクションを使用することで、デフォルト設定を拡張できます。

プラットフォームエンジニア

セキュリティとコンプライアンスを強化します。

AWS リソースの作成におけるセキュリティを強化するために、ロールベースのアクセスコントロール (RBAC) とシングルサインオン (SSO)、SAML、OpenID Connect (OIDC)、およびポリシーをコード適用として統合できます。

プラットフォームエンジニア

自動リソースクリーンアップを追加します。

自動クリーンアップポリシーの機能を有効にしたり、インフラストラクチャドリフトの検出と修復を追加したりできます。

プラットフォームエンジニア
タスク説明必要なスキル

Backstage インフラストラクチャと SageMaker AI リソースを削除します。

ML 環境の使用が完了したら、デプロイガイドの「クリーンアップとリソース管理」セクションの指示に従って Backstage インフラストラクチャを削除し、ML 環境で SageMaker AI リソースを削除します。

プラットフォームエンジニア

トラブルシューティング

問題ソリューション

AWS CDK ブートストラップの失敗

AWS 認証情報とリージョン設定を確認します。

Amazon EKS クラスターのアクセスに関する問題

kubectl 設定と IAM アクセス許可を確認します。

Application Load Balancer の接続の問題

セキュリティグループがポート 80/443 でインバウンドトラフィックを許可していることを確認します。

GitHub 統合の問題

GitHub トークンのアクセス許可と組織アクセスを確認します。

SageMaker AI デプロイの失敗

AWS のサービス クォータと IAM アクセス許可を確認します。

関連リソース

追加情報

ビジネス上の課題

MLOps イニシアチブに着手またはスケールする組織は、ビジネス上および技術的な課題に頻繁に遭遇します。

  • 環境の不整合。標準化された開発環境とデプロイ環境がないため、コラボレーションが難しくなり、デプロイのリスクが高まります。

  • 手動プロビジョニングのオーバーヘッド。SageMaker Studio、Amazon Simple Storage Service (Amazon S3) バケット、IAM ロール、CI/CD パイプラインを使用して ML インフラストラクチャを手動で設定することは時間がかかり、エラーが発生しやすく、データサイエンティストをモデル開発のコアタスクから遠ざけます。

  • 検出可能性と再利用性の欠如。一元化されたカタログがないため、既存の ML モデル、データセット、パイプラインを見つけることが難しくなります。これにより、作業が冗長になり、再利用の機会が失われます。

  • 複雑なガバナンスとコンプライアンス。ML プロジェクトが組織のセキュリティポリシー、データプライバシー規制、医療保険の相互運用性と説明責任に関する法律 (HIPAA) や一般データ保護規則 (GDPR) などのコンプライアンス標準に準拠していることを確認することは、自動化されたガードレールなしでは難しい場合があります。

  • 値までの時間が遅い。これらの課題の累積的な影響により、ML プロジェクトのライフサイクルが長くなり、ML 投資によるビジネス価値の実現が遅れます。

  • セキュリティリスク。設定と手動プロセスに一貫性がないと、セキュリティの脆弱性が発生し、最小特権とネットワーク分離の適用が困難になる可能性があります。

これらの問題は、開発サイクルを延長し、運用オーバーヘッドを増やし、セキュリティリスクをもたらします。ML の反復的な性質には、反復可能なワークフローと効率的なコラボレーションが必要です。

ガートナーは、2026 年までにソフトウェアエンジニアリング組織の 80% にプラットフォームチームがあると予測しています。（「 プラットフォームエンジニアリングにより、開発者は ガートナーウェブサイト」の「より良く、より速く、より幸せに」を参照してください。） この予測は、IDP がソフトウェア配信を高速化する方法を強調しています。IDP である Backstage は、チームが高品質のコードを迅速かつ安全に提供できるように、複雑なインフラストラクチャへの秩序の復元を支援します。Backstage と強化された AIOps モジュールを統合すると、事後対応型トラブルシューティングから事前対応型予防への移行に役立ちます。

MLOps SageMaker モジュール

このパターンに使用される GitHub リポジトリの AIOps モジュールは、再利用可能な強化された IaC AWS を通じて で MLOps を標準化するための貴重な基盤を提供します。これらのモジュールには、SageMaker プロジェクト、パイプライン、関連するネットワークおよびストレージリソースをプロビジョニングするためのベストプラクティスがカプセル化されており、ML 環境の複雑さを軽減し、セットアップを加速することを目的としています。これらのテンプレートをさまざまな MLOps ユースケースに使用して、ML ワークフローに対するより管理され効率的なアプローチを促進する、一貫性のある安全なデプロイパターンを確立できます。

AIOps モジュールを直接使用すると、プラットフォームチームがこれらの IaC テンプレートをデプロイおよび管理する必要があることがよくあります。これは、セルフサービスアクセスを必要とするデータサイエンティストにとって課題となる可能性があります。使用可能なテンプレートの検出と理解、必要なパラメータの設定、デプロイのトリガーには、 AWS のサービス コンソールを操作するか、IaC ツールと直接やり取りする必要がある場合があります。これにより、摩擦が発生し、ML タスクに集中したいデータサイエンティストの認知負荷が増大し、一元化された使いやすいインターフェイスでこれらのテンプレートを管理していない場合、一貫性のないパラメータ化や組織標準からの逸脱につながる可能性があります。これらの強力な AIOps モジュールを Backstage などの IDP と統合すると、これらの標準化された MLOps 構成要素を使用するための合理化されたセルフサービスエクスペリエンス、強化された検出可能性、強力なガバナンスコントロールを提供することで、これらの課題に対処できます。

IDP としてのバックステージ

内部開発者プラットフォーム (IDP) は、開発者がアプリケーションを構築、デプロイ、管理する方法を簡素化および標準化するためにプラットフォームチームによって構築されたセルフサービスレイヤーです。インフラストラクチャの複雑さを抽象化し、統合されたインターフェイスを通じて、開発者がツール、環境、サービスに簡単にアクセスできます。

IDP の主な目標は、開発者のエクスペリエンスと生産性を向上させることです。

  • サービスの作成やデプロイなどのタスクでセルフサービスを有効にする。

  • 標準テンプレートによる一貫性とコンプライアンスの促進。

  • 開発ライフサイクル全体でツールを統合する (CI/CD、モニタリング、ドキュメント）。

Backstage は、Spotify によって作成されたオープンソースの開発者ポータルであり、現在は Cloud Native Computing Foundation (CNCF) の一部となっています。ソフトウェアコンポーネント、ツール、ドキュメントを管理するための一元化された拡張可能なプラットフォームを提供することで、組織が独自の IDP を構築するのに役立ちます。Backstage を使用すると、デベロッパーは次のことができます。

  • ソフトウェアカタログを通じてすべての内部サービスを検出および管理します。

  • スキャフォールダープラグインを使用して、事前定義されたテンプレートを使用して新しいプロジェクトを作成します。

  • CI/CD パイプライン、Kubernetes ダッシュボード、モニタリングシステムなどの統合ツールに 1 か所からアクセスできます。

  • TechDocs を通じて、一貫したマークダウンベースのドキュメントを維持します。

よくある質問

この Backstage テンプレートを使用するか、SageMaker コンソールを使用して SageMaker Studio を手動でデプロイするかの違いは何ですか？

Backstage テンプレートには、組織のベストプラクティスに従った標準化された設定、Seed-Farmer と を使用した IaC の自動デプロイ AWS CDK、組み込みのセキュリティポリシーとコンプライアンス対策、GitHub を介した組織の開発者ワークフローとの統合など、手動 AWS コンソールデプロイよりもいくつかの利点があります。また、このテンプレートはバージョン管理を使用して再現可能なデプロイを作成するため、さまざまなステージ (開発、ステージング、本番稼働) にまたがる環境のレプリケートが容易になり、チーム間の一貫性を維持できます。さらに、テンプレートには自動クリーンアップ機能が含まれており、Backstage を通じて組織の ID 管理システムと統合されます。コンソールを使用した手動デプロイには深い AWS 専門知識が必要であり、バージョン管理やテンプレートと同じレベルの標準化とガバナンスは提供されません。このため、コンソールのデプロイは、本稼働 ML 環境よりも 1 回限りの実験に適しています。

Seed-Farmer とは何ですか。また、このソリューションがそれを使用する理由は何ですか？

Seed-Farmer は、 を使用してインフラストラクチャモジュールを管理する AWS デプロイオーケストレーションツールです AWS CDK。このパターンでは、Seed-Farmer を使用します。これは、AI/ML ワークロード用に特別に設計された標準化された再利用可能なインフラストラクチャコンポーネントを提供し、 間の複雑な依存関係 AWS のサービス を自動的に処理し、異なる環境間で一貫したデプロイを保証するためです。

これらのテンプレートを使用するには AWS CLI 、 をインストールする必要がありますか？

いいえ。コンピュータ AWS CLI に をインストールする必要はありません。テンプレートは、クラウド内の GitHub Actions を通じて完全に実行されます。Backstage インターフェイスを介して AWS 認証情報 (アクセスキー、シークレットキー、セッショントークン) を指定すると、デプロイは GitHub Actions 環境で自動的に行われます。

SageMaker Studio 環境のデプロイにはどのくらいの時間がかかりますか？

一般的な SageMaker Studio のデプロイが完了するまでに 15～25 分かかります。これには、 AWS CDK ブートストラップ (2～3 分）、Seed-Farmer ツールチェーンのセットアップ (3～5 分）、リソースの作成 (10～15 分) が含まれます。正確な時間は、 AWS リージョン とネットワーク設定の複雑さによって異なります。

同じ に複数の SageMaker 環境をデプロイできますか AWS アカウント？

はい、可能です。各デプロイでは、テンプレートで指定したコンポーネント名に基づいて一意の名前のリソースが作成されます。ただし、 AWS のサービス クォータに注意してください。各アカウントでは、リージョンごとに SageMaker ドメインの数に制限があるため、複数の環境を作成する前にクォータを確認してください。