在 AWS Batch 中创建 SageMaker 训练作业队列 - AWS Batch
先决条件

本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

在 AWS Batch 中创建 SageMaker 训练作业队列

SageMaker 训练作业队列直接与 SageMaker AI 服务集成，无需管理底层计算基础设施，即可提供无服务器作业调度。

先决条件

在创建 SageMaker 训练作业队列之前，确保您已满足如下前提条件：

Create a SageMaker Training job queue (AWS Batch console)

  1. 打开AWS Batch控制台，地址：https://console.aws.amazon.com/batch/。

  2. 在导航窗格中，选择作业队列和创建。

  3. 对于编排类型，选择 SageMaker 训练。

  4. 对于作业队列配置：

    1. 对于名称，输入该作业队列的名称。

    2. 对于优先级，输入一个介于 0 到 1000 之间的值。服务环境会优先处理优先级较高的作业队列。

    3. （可选）对于计划策略 Amazon 资源名称（ARN），请选择现有的计划策略。

    4. 对于已连接的服务环境，从列表中选择一个要关联到该作业队列的服务环境。

  5. （可选）对于 作业状态限制：

    1. 对于配置错误，选择 SERVICE_ENVIRONMENT_MAX_RESOURCE 并输入最大可运行时间（秒）。

    2. 对于容量，选择 INSUFFICIENT_INSTANCE_CAPACITY 并输入最大可运行时间（秒）。

  6. 选择创建作业队列

Create a SageMaker Training job queue (AWS CLI)

使用 create-job-queue 命令创建 SageMaker 训练作业队列。

以下示例会创建一个使用服务环境的基本 SageMaker 训练作业队列：

aws batch create-job-queue \
  --job-queue-name my-sm-training-fifo-jq \
  --job-queue-type SAGEMAKER_TRAINING \
  --priority 1 \
  --service-environment-order order=1,serviceEnvironment=ExampleServiceEnvironment

将 ExampleServiceEnvironment 替换为服务环境的名称。

该命令返回的输出类似于下方内容：

{
  "jobQueueName": "my-sm-training-fifo-jq",
  "jobQueueArn": "arn:aws:batch:region:account:job-queue/my-sm-training-fifo-jq"
}

创建作业队列后，请验证该队列是否已成功创建且处于有效状态。

使用 describe-job-queues 命令查看有关作业队列的详细信息：

aws batch describe-job-queues --job-queues my-sm-training-fifo-jq

该命令返回的输出类似于下方内容：

{
  "jobQueues": [
    {
      "jobQueueName": "my-sm-training-fifo-jq",
      "jobQueueArn": "arn:aws:batch:region:account:job-queue/my-sm-training-fifo-jq",
      "state": "ENABLED",
      "status": "VALID",
      "statusReason": "JobQueue Healthy",
      "priority": 1,
      "computeEnvironmentOrder": [],
      "serviceEnvironmentOrder": [
        {
          "order": 1,
          "serviceEnvironment": "arn:aws:batch:region:account:service-environment/ExampleServiceEnvironment"
        }
      ],
      "jobQueueType": "SAGEMAKER_TRAINING",
      "tags": {},
      "jobStateTimeLimitActions": []
    }
  ]
}

请确保：

  • state 为 ENABLED

  • status 为 VALID

  • statusReason 为 JobQueue Healthy

  • jobQueueType 为 SAGEMAKER_TRAINING

  • serviceEnvironmentOrder 会引用您的服务环境