Mejores prácticas para la administración y gobernanza de Amazon SageMaker HyperPod
aws ·
Este artículo describe las mejores prácticas para administrar y gobernar clústeres de Amazon SageMaker HyperPod cuando se comparten entre múltiples equipos de aprendizaje automático a través de Amazon SageMaker Unified Studio. Hace hincapié en un modelo de control de cuatro capas que consta de límites de organización, proyecto, clúster y carga de trabajo para garantizar una gobernanza adecuada. Los autores recomiendan centralizar la administración de capacidad en una cuenta dedicada mientras se utiliza el acceso aprobado entre cuentas para los equipos consumidores. Las etapas administrativas clave incluyen separar la identidad de los permisos de carga de trabajo, implementar políticas de red estrictas y establecer un contrato de conexión formal para cada vínculo entre clúster y proyecto. Para evitar fugas de datos, la guía aconseja configurar restricciones de visualización de tareas para que los usuarios solo puedan ver sus propias cargas de trabajo. Además, destaca la importancia de distinguir entre controles de autorización y políticas de programación para gestionar eficazmente las asignaciones de cuota justa. Finalmente, el artículo subraya el uso de métricas de observabilidad como un ciclo de retroalimentación para monitorizar la utilización y ajustar las políticas, asegurando que los equipos de infraestructura mantengan el control operativo mientras los equipos de ML disfrutan de un acceso simplificado.
aws