As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
# SageMaker Operadores de IA para Kubernetes
SageMaker Os operadores de IA para Kubernetes facilitam que desenvolvedores e cientistas de dados que usam o Kubernetes treinem, ajustem e implantem modelos de aprendizado de máquina (ML) em IA. SageMaker Você pode instalar esses operadores de SageMaker IA em seu cluster Kubernetes no Amazon Elastic Kubernetes Service (Amazon EKS SageMaker ) para criar trabalhos de IA de forma nativa usando a API do Kubernetes e ferramentas de linha de comando do Kubernetes, como. `kubectl` Este guia mostra como configurar e usar os operadores para executar treinamento de modelos, ajuste de hiperparâmetros ou inferência (em tempo real e em lote) na SageMaker IA a partir de um cluster Kubernetes. Os procedimentos e diretrizes deste capítulo pressupõem que você esteja familiarizado com o Kubernetes e seus comandos básicos.
**Importante**
Estamos interrompendo o desenvolvimento e o suporte técnico da versão original do [ SageMaker Operators for Kubernetes](https://github.com/aws/amazon-sagemaker-operator-for-k8s/tree/master).
Se você estiver usando atualmente a versão `v1.2.2` ou inferior do [ SageMaker Operators for Kubernetes](https://github.com/aws/amazon-sagemaker-operator-for-k8s/tree/master), recomendamos migrar seus recursos para o [controlador de serviço ACK da Amazon](https://github.com/aws-controllers-k8s/sagemaker-controller). SageMaker O controlador de serviço ACK é uma nova geração de SageMaker operadores para Kubernetes com base em [AWS controladores para Kubernetes](https://aws-controllers-k8s.github.io/community/) (ACK).
Para obter informações sobre as etapas de migração, consulte [Migre recursos para os operadores mais recentes](kubernetes-sagemaker-operators-migrate.md).
Para obter respostas às perguntas frequentes sobre o fim do suporte da versão original do SageMaker Operators for Kubernetes, consulte [Anunciando o fim do suporte da versão original do SageMaker AI Operators for Kubernetes](kubernetes-sagemaker-operators-eos-announcement.md)
**nota**
Não há custo adicional para o uso desses operadores. Você incorre em cobranças por todos os recursos de SageMaker IA usados por meio desses operadores.
## O que é um operador?
Um operador do Kubernetes é um controlador de aplicações que gerencia aplicações em nome de um usuário do Kubernetes. Os controladores do ambiente de gerenciamento abrangem vários circuitos de controle que atendem a um gerenciador central de estado (ETCD) para regular o estado da aplicação que eles controlam. Exemplos de tais aplicações incluem [C loud-controller-manager](https://kubernetes.io/docs/concepts/architecture/cloud-controller/) `[kube-controller-manager](https://kubernetes.io/docs/reference/command-line-tools-reference/kube-controller-manager/)` e. Os operadores normalmente fornecem uma abstração de nível mais alto do que a API bruta do Kubernetes, facilitando a implantação e o gerenciamento de aplicações pelos usuários. Para adicionar novos recursos ao Kubernetes, os desenvolvedores podem estender a API do Kubernetes criando um **recurso personalizado** que contém a lógica e os componentes específicos da aplicação ou do domínio. Os operadores no Kubernetes permitem que os usuários invoquem esses recursos personalizados de forma nativa e automatizem os fluxos de trabalho associados.
### Como funcionam AWS os Controllers for Kubernetes (ACK)?
Os operadores de SageMaker IA para Kubernetes permitem que você gerencie trabalhos em SageMaker IA a partir do seu cluster Kubernetes. A versão mais recente do SageMaker AI Operators for Kubernetes é baseada nos AWS Controllers for Kubernetes (ACK). O ACK inclui um tempo de execução de controlador comum, um gerador de código e um conjunto de controladores AWS específicos do serviço, um dos quais é o SageMaker controlador de IA.
O diagrama a seguir mostra como o ACK funciona.
![\[Explicação do operador de SageMaker IA baseado em ACK para Kubernetes.\]](http://docs.aws.amazon.com/pt_br/sagemaker/latest/dg/images/k8s-orchestration/sagemaker-operators-for-kubernetes-ack-controller.png)
Neste diagrama, um usuário do Kubernetes quer executar um treinamento de modelo em SageMaker IA de dentro do cluster Kubernetes usando a API Kubernetes. O usuário faz uma chamada para`kubectl apply`, transmitindo um arquivo que descreve um recurso personalizado do Kubernetes descrevendo o SageMaker trabalho de treinamento. `kubectl apply`passa esse arquivo, chamado de manifesto, para o servidor da API Kubernetes em execução no nó controlador do Kubernetes (etapa *1* no diagrama do fluxo de trabalho). *O servidor da API Kubernetes recebe o manifesto com a especificação do trabalho de SageMaker treinamento e determina se o usuário tem permissão para criar um recurso personalizado do tipo `sageMaker.services.k8s.aws/TrainingJob` e se o recurso personalizado está formatado corretamente (Etapa 2).* Se o usuário for autorizado e o recurso personalizado for válido, o servidor da API do Kubernetes grava (Etapa *3*) o recurso personalizado em seu armazenamento de dados etcd e, em seguida, responde (Etapa *4*) ao usuário informando que o recurso personalizado foi criado. O controlador de SageMaker IA, que está sendo executado em um nó de trabalho do Kubernetes dentro do contexto de um pod normal do Kubernetes, é notificado (etapa *5*) de que um novo recurso personalizado do tipo foi criado. `sageMaker.services.k8s.aws/TrainingJob` O controlador de SageMaker IA então se comunica (Etapa *6*) com a SageMaker API, chamando a `CreateTrainingJob` API de SageMaker IA para criar o trabalho de treinamento em AWS. Depois de se comunicar com a SageMaker API, o controlador de SageMaker IA chama o servidor da API Kubernetes para atualizar (Etapa *7*) o status do recurso personalizado com as informações recebidas da IA. SageMaker Portanto, o controlador de SageMaker IA fornece aos desenvolvedores as mesmas informações que eles teriam recebido usando o AWS SDK.
### Visão geral das permissões
Os operadores acessam os recursos de SageMaker IA em seu nome. A função do IAM que o operador assume para interagir com os AWS recursos é diferente das credenciais que você usa para acessar o cluster do Kubernetes. A função também difere da função que AWS assume ao executar seus trabalhos de aprendizado de máquina.
A imagem a seguir explica as várias camadas de autenticação.
![\[SageMaker Operador de IA para várias camadas de autenticação do Kubernetes.\]](http://docs.aws.amazon.com/pt_br/sagemaker/latest/dg/images/k8s-orchestration/sagemaker-operators-for-kubernetes-authentication.png)