使用生命週期指令碼自訂 SageMaker HyperPod 叢集

規劃您想要在 HyperPod 叢集上建立 Slurm 節點的方式。例如，如果您想要設定兩個 Slurm 節點，則需要在 HyperPod 叢集中設定兩個執行個體群組。

準備 provisioning_parameters.json 檔案，這是 在 HyperPod 上佈建 Slurm 節點的組態表單。provisioning_parameters.json 應該包含要在 HyperPod 叢集上佈建的 Slurm 節點組態資訊。這應該反映步驟 1 中 Slurm 節點的設計。

準備一組生命週期指令碼以在 HyperPod 上設定 Slurm，來安裝軟體套件並在叢集中為您的使用案例設定環境。您應該建構生命週期指令碼，以在中央 Python 指令碼 (lifecycle_script.py) 中依順序集體執行，並撰寫進入點 Shell 指令碼 (on_create.sh) 來執行 Python 指令碼。進入點 Shell 指令碼是您稍後在步驟 5 需要提供給 HyperPod 叢集建立請求的內容。

此外，請注意，您應該撰寫指令碼來預期在叢集建立期間將由 HyperPod 產生的 resource_config.json。resource_config.json 包含 HyperPod 叢集資源資訊，例如 IP 位址、執行個體類型和 ARN，以及用於設定 Slurm 所需的內容。

將先前步驟中的所有檔案收集到資料夾。

└── lifecycle_files // your local folder

    ├── provisioning_parameters.json
    ├── on_create.sh
    ├── lifecycle_script.py
    └── ... // more setup scrips to be fed into lifecycle_script.py

將所有檔案上傳至 S3 儲存貯體。複製並保留 S3 儲存貯體路徑。請注意，您應該建立以 sagemaker- 開頭的 S3 儲存貯體路徑，因為您需要選擇與 AmazonSageMakerClusterInstanceRolePolicy 連接的 SageMaker HyperPod 的 IAM 角色，這僅允許以字首 sagemaker- 開頭的 S3 儲存貯體路徑。下列命令是將所有檔案上傳至 S3 儲存貯體的範例命令。

aws s3 cp --recursive ./lifecycle_files s3://sagemaker-hyperpod-lifecycle/src

準備 HyperPod 叢集建立請求。

在此階段，請確定您以步驟 1 和 2 中規劃的相同結構建立執行個體群組。此外，請確定您在請求表單中指定來自步驟 5 的 S3 儲存貯體。

提交叢集建立請求。HyperPod 會根據請求佈建叢集，然後在 HyperPod 叢集執行個體中建立 resource_config.json 檔案，並在執行生命週期指令碼的叢集上設定 Slurm。