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。
创建你的第一个 Hybrid Job
本节介绍如何使用 Python 脚本创建混合 Job。或者，要使用本地 Python 代码（例如您首选的集成开发环境 (IDE) 或 Braket 笔记本）创建混合作业，请参阅将本地代码作为混合作业运行。
设置权限
在运行第一个混合作业之前，必须确保您有足够的权限来继续执行此任务。要确定您的权限是否正确，请从 Braket 控制台左侧的菜单中选择 “权限”。Amazon Braket 的权限管理页面可帮助您验证您的一个现有角色是否具有足以运行混合任务的权限，或者指导您创建可用于运行混合任务的默认角色（如果您还没有此类角色）。
要验证您的角色是否具有足够的权限来运行混合作业，请选择验证现有角色按钮。如果你这样做，你会收到一条消息，告知角色已找到。要查看角色的名称及其角色 ARNs，请选择显示角色按钮。
如果您的角色没有足够的权限来运行混合作业，则会收到一条消息，提示未找到此类角色。选择 “创建默认角色” 按钮以获取具有足够权限的角色。
如果角色已成功创建，您会收到一条确认消息。
如果您无权进行此项查询，则系统将拒绝您进行访问。在这种情况下，请联系您的内部 AWS 管理员。
创建并运行
拥有运行混合作业权限的角色后，就可以继续操作了。你的第一个 Braket 混合作业的关键部分是算法脚本。它定义了你要运行的算法，并包含作为算法一部分的经典逻辑和量子任务。除了算法脚本外，您还可以提供其他依赖文件。算法脚本及其依赖关系被称为源模块。入口点定义混合作业启动时要在源模块中运行的第一个文件或函数。
首先，考虑以下算法脚本的基本示例，该脚本创建了五个钟形状态并打印相应的测量结果。
import os from braket.aws import AwsDevice from braket.circuits import Circuit def start_here(): print("Test job started!") # Use the device declared in the job script device = AwsDevice(os.environ["AMZN_BRAKET_DEVICE_ARN"]) bell = Circuit().h(0).cnot(0, 1) for count in range(5): task = device.run(bell, shots=100) print(task.result().measurement_counts) print("Test job completed!")
将此文件名为 algorithm_script.py 保存在 Braket 笔记本或本地环境的当前工作目录中。algorithm_script.py 文件已start_here()作为计划的入口点。
接下来，在与 algorithm_script.py 文件相同的目录下创建 Python 文件或 Python 笔记本。此脚本启动混合作业并处理任何异步处理，例如打印我们感兴趣的状态或关键结果。此脚本至少需要指定您的混合作业脚本和主设备。
注意
有关如何创建 Braket 笔记本或将文件（例如 algorithm_script.py 文件）上传到与笔记本相同的目录中的更多信息，请参阅使用 Amazon Braket Python SDK 运行你的第一个电路
对于基本的第一种情况，你的目标是模拟器。无论你瞄准的是哪种类型的量子设备，无论是模拟器还是实际的量子处理单元 (QPU)，你在以下脚本device中指定的设备都用于调度混合作业，并且可以作为环境变量提供给算法脚本。AMZN_BRAKET_DEVICE_ARN
注意
您只能使用混合作业中 AWS 区域 可用的设备。亚马逊 Braket SDK 会自动选择此选项。 AWS 区域例如，us-east-1 中的混合作业可以IonQ使用SV1、、TN1和设备DM1，但不能使用设备。Rigetti
如果您选择量子计算机而不是模拟器，Braket 会安排您的混合作业，以优先访问权限运行其所有量子任务。
from braket.aws import AwsQuantumJob from braket.devices import Devices job = AwsQuantumJob.create( Devices.Amazon.SV1, source_module="algorithm_script.py", entry_point="algorithm_script:start_here", wait_until_complete=True )
该参数wait_until_complete=True设置了详细模式，以便您的作业在运行时打印实际作业的输出。您应该看到类似于以下示例的输出。
Initializing Braket Job: arn:aws:braket:us-west-2:111122223333:job/braket-job-default-123456789012 Job queue position: 1 Job queue position: 1 Job queue position: 1 .............. . . . Beginning Setup Checking for Additional Requirements Additional Requirements Check Finished Running Code As Process Test job started! Counter({'00': 58, '11': 42}) Counter({'00': 55, '11': 45}) Counter({'11': 51, '00': 49}) Counter({'00': 56, '11': 44}) Counter({'11': 56, '00': 44}) Test job completed! Code Run Finished 2025-09-24 23:13:40,962 sagemaker-training-toolkit INFO Reporting training SUCCESS
注意
监控结果
或者，您可以访问来自 Amazon 的日志输出 CloudWatch。为此，请转到作业详细信息页面左侧菜单上的日志组选项卡，选择日志组aws/braket/jobs，然后选择包含该作业名称的日志流。在上述示例中，即为 braket-job-default-1631915042705/algo-1-1631915190。
您还可以在控制台中查看混合作业的状态，方法是选择 “混合作业” 页面，然后选择 “设置”。
您的混合作业在运行时会在 Amazon S3 中生成一些工件。S3 存储桶的默认名称为amazon-braket-<region>-<accountid>，内容位于jobs/<jobname>/<timestamp>目录中。使用 Braket Python SDK 创建混合作业code_location时，您可以通过指定其他位置来配置存储这些工件的 S3 位置。
注意
此 S3 存储桶必须与您的任务脚本位于同一 AWS 区域 位置。
该jobs/<jobname>/<timestamp>目录包含一个子文件夹，文件中包含入口点脚本的model.tar.gz输出。还有一个名为的目录script，source.tar.gz文件中包含您的算法脚本工件。实际量子任务的结果位于名为的目录中jobs/<jobname>/tasks。
保存你的工作成绩
您可以保存算法脚本生成的结果，以便可以从混合作业脚本中的混合作业对象以及 Amazon S3 的输出文件夹（名为 model.tar.gz 的 tar 压缩文件中）获得这些结果。
必须使用 JavaScript 对象表示法 (JSON) 格式将输出保存在文件中。如果数据无法轻易序列化为文本（例如 numpy 数组），则可以传入一个使用腌制数据格式进行序列化的选项。有关更多详细信息，请参阅 braket.jobs.data_pers
要保存混合作业的结果，请将以下用 #ADD 注释的行添加到 algorithm_script.py 文件中。
import os from braket.aws import AwsDevice from braket.circuits import Circuit from braket.jobs import save_job_result # ADD def start_here(): print("Test job started!") device = AwsDevice(os.environ['AMZN_BRAKET_DEVICE_ARN']) results = [] # ADD bell = Circuit().h(0).cnot(0, 1) for count in range(5): task = device.run(bell, shots=100) print(task.result().measurement_counts) results.append(task.result().measurement_counts) # ADD save_job_result({"measurement_counts": results}) # ADD print("Test job completed!")
然后，您可以通过附加带有 #ADD print(job.result())注释的行来显示作业脚本中的作业结果。
import time from braket.aws import AwsQuantumJob job = AwsQuantumJob.create( source_module="algorithm_script.py", entry_point="algorithm_script:start_here", device="arn:aws:braket:::device/quantum-simulator/amazon/sv1", ) print(job.arn) while job.state() not in AwsQuantumJob.TERMINAL_STATES: print(job.state()) time.sleep(10) print(job.state()) print(job.result()) # ADD
在此示例中，我们删除了wait_until_complete=True以抑制冗余输出。您可以将其重新添加以进行调试。当你运行这个混合作业时，它会每隔 10 秒输出一次标识符和job-arn，然后是混合作业的状态，然后是混合作业的状态COMPLETED，之后它会向你显示钟形回路的结果。请参阅以下示例。
arn:aws:braket:us-west-2:111122223333:job/braket-job-default-123456789012 INITIALIZED RUNNING RUNNING RUNNING RUNNING RUNNING RUNNING RUNNING RUNNING RUNNING RUNNING ... RUNNING RUNNING COMPLETED {'measurement_counts': [{'11': 53, '00': 47},..., {'00': 51, '11': 49}]}
使用检查点保存和重启混合作业
您可以使用检查点保存混合作业的中间迭代。在上一节的算法脚本示例中，您将添加以下用 #ADD 注释的行来创建检查点文件。
from braket.aws import AwsDevice from braket.circuits import Circuit from braket.jobs import save_job_checkpoint # ADD import os def start_here(): print("Test job starts!") device = AwsDevice(os.environ["AMZN_BRAKET_DEVICE_ARN"]) # ADD the following code job_name = os.environ["AMZN_BRAKET_JOB_NAME"] save_job_checkpoint(checkpoint_data={"data": f"data for checkpoint from {job_name}"}, checkpoint_file_suffix="checkpoint-1") # End of ADD bell = Circuit().h(0).cnot(0, 1) for count in range(5): task = device.run(bell, shots=100) print(task.result().measurement_counts) print("Test hybrid job completed!")
当你运行混合作业时，它会在检查点目录中的混合作业工件中使用默认路径创建文件-checkpoint-1.json <jobname>。/opt/jobs/checkpoints除非您要更改此默认路径，否则混合作业脚本将保持不变。
如果要从之前的混合作业生成的检查点加载混合作业，则算法脚本会使用from braket.jobs import load_job_checkpoint。加载到算法脚本中的逻辑如下所示。
from braket.jobs import load_job_checkpoint checkpoint_1 = load_job_checkpoint( "previous_job_name", checkpoint_file_suffix="checkpoint-1", )
加载此检查点后，您可以根据加载到的内容继续执行逻辑checkpoint-1。
注意
checkpoint_file_suffix 必须与之前在创建检查点时指定的后缀匹配。
您的编排脚本需要指定前一个混合作业job-arn中的，该行用 #ADD 注释。
from braket.aws import AwsQuantumJob job = AwsQuantumJob.create( source_module="source_dir", entry_point="source_dir.algorithm_script:start_here", device="arn:aws:braket:::device/quantum-simulator/amazon/sv1", copy_checkpoints_from_job="<previous-job-ARN>", #ADD )
