Utiliser l'interface Private Service Connect pour Vertex AI Training

Nous vous recommandons d'utiliser l'interface Private Service Connect pour bénéficier d'une connectivité privée, car elle réduit le risque d'épuisement des adresses IP et permet l'appairage transitif.

L'interface Private Service Connect est compatible avec les jobs personnalisés et les ressources persistantes d'Agent Platform.

Présentation

L'interface Private Service Connect est compatible avec les jobs personnalisés et les ressources persistantes de Vertex AI Training. Pour l'utiliser, vous devez configurer un réseau VPC, un sous-réseau et un rattachement de réseau dans votre projet utilisateur. Consultez Configurer une interface Private Service Connect. Le nom du rattachement de réseau doit être inclus dans la requête de création d'un job personnalisé ou d'une ressource persistante afin d'activer l'interface Private Service Connect.

Connectivité de sortie Private Service Connect de la plate-forme Agent Gemini Enterprise vers d'autres réseaux

La plate-forme Agent Gemini Enterprise a intégré les connectivités réseau de sortie compatibles avec Private Service Connect (voir Se connecter à des charges de travail sur d'autres réseaux), avec les comportements architecturaux suivants.

Accéder aux API Google et aux services internes uniquement

Lorsque la plate-forme Agent Gemini Enterprise envoie du trafic aux API Google, il est résolu localement dans l'environnement du producteur et n'utilise pas les paramètres d'accès privé à Google ni le routage de votre réseau VPC consommateur.

Remarque :

• Exigence d'identité VPC : étant donné que la résolution locale contourne le chemin d'accès au réseau VPC consommateur, le trafic ne transporte pas l'identité de votre réseau VPC. Les requêtes adressées aux services Google internes uniquement, tels que les services Cloud Run configurés avec une entrée interne, échoueront avec une erreur 404 ou 403.
• Solution de point de terminaison Private Service Connect : pour accéder à ces services internes de manière privée, vous devez configurer un point de terminaison Private Service Connect pour les API Google dans votre réseau VPC.
• Configuration DNS : vous devez vous assurer que le domaine de service (par exemple, *.run.app) est résolu en adresse IP interne de votre point de terminaison Private Service Connect pour que le trafic reste sur un chemin d'accès purement privé.

Sortie Internet et Cloud NAT

Par défaut, la plate-forme Agent Gemini Enterprise utilise des passerelles Internet gérées par Google pour le trafic sortant, plutôt que les routes de votre réseau VPC. La sortie à l'aide d'une passerelle Cloud NAT du consommateur n'est utilisée que lorsque le projet fait partie d'un périmètre VPC Service Controls.

Ce périmètre bloque l'accès Internet par défaut, ce qui force le trafic à passer par l'interface Private Service Connect et les règles de routage de votre réseau VPC. Si vous n'utilisez pas VPC Service Controls, le trafic Internet sortant contournera complètement votre réseau VPC et votre passerelle Cloud NAT.

Limites

Pour connaître les fonctionnalités et les limites des interfaces Private Service Connect, consultez À propos de l'accès aux services de la plate-forme Agent Gemini Enterprise via des interfaces Private Service Connect.

Tarifs

Les tarifs des interfaces Private Service Connect sont décrits dans la "Utiliser une interface Private Service Connect pour accéder à un réseau VPC producteur ou consommateur" section de la page Tous les tarifs de mise en réseau.

Avant de commencer

Configurez vos ressources pour l'interface Private Service Connect sur votre projet utilisateur.

Créer un job d'entraînement sans serveur avec une interface Private Service Connect

Vous pouvez créer un job d'entraînement sans serveur avec l'interface Private Service Connect à l'aide du SDK Agent Platform pour Python ou de l'API REST.

from google.cloud import aiplatform


def create_custom_job_psci_sample(
    project: str,
    location: str,
    bucket: str,
    display_name: str,
    machine_type: str,
    replica_count: int,
    image_uri: str,
    network_attachment: str,
    domain: str,
    target_project: str,
    target_network: str,
):
    """Custom training job sample with PSC Interface Config."""
    aiplatform.init(project=project, location=location, staging_bucket=bucket)

    worker_pool_specs = [{
        "machine_spec": {
            "machine_type": machine_type,
        },
        "replica_count": replica_count,
        "container_spec": {
            "image_uri": image_uri,
            "command": [],
            "args": [],
        },
    }]
    psc_interface_config = {
        "network_attachment": network_attachment,
        "dns_peering_configs": [
            {
                "domain": domain,
                "target_project": target_project,
                "target_network": target_network,
            },
        ],
    }
    job = aiplatform.CustomJob(
        display_name=display_name,
        worker_pool_specs=worker_pool_specs,
    )

    job.run(psc_interface_config=psc_interface_config)

POST https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/customJobs

"display_name": JOB_NAME,
"job_spec": {
    "worker_pool_specs": [
      {
        "machine_spec": {
          "machine_type": "n2-standard-4",
        },
        "replica_count": REPLICA_COUNT,
        "container_spec": {
          "image_uri": IMAGE_URI,
        },
      },
    ],
    "psc_interface_config": {
      "network_attachment": NETWORK_ATTACHMENT,
      "dns_peering_configs": [
         {
          "domain": DOMAIN_SUFFIX,
          "target_project": TARGET_PROJECT,
          "target_network": TARGET_NETWORK
         }
      ],
    },
    "enable_web_access": 1
}

curl -X POST \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     -H "Content-Type: application/json; charset=utf-8" \
     -d @request.json \
     "https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/customJobs"

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
    -Method POST `
    -Headers $headers `
    -ContentType: "application/json; charset=utf-8" `
    -InFile request.json `
    -Uri "https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/customJobs" | Select-Object -Expand Content

{
  "name": "projects/PROJECT_ID/locations/LOCATION/customJobs/JOB_ID",
  "displayName": "JOB_NAME",
  "jobSpec": {
    "workerPoolSpecs": [
      {
        "machineSpec": {
          "machineType": "MACHINE_TYPE"
        },
        "replicaCount": "REPLICA_COUNT",
        "diskSpec": DISK_SPEC,
        "containerSpec": {
          "imageUri": "IMAGE_URI"
        }
      }
    ],
    "enableWebAccess": True,
    "pscInterfaceConfig": {
      "networkAttachment": "NETWORK_ATTACHMENT"
      "dns_peering_configs": [
        {
          "domain": "DOMAIN_SUFFIX",
          "targetProject": "TARGET_PROJECT",
          "targetNetwork": "TARGET_NETWORK"
        }
]
    }
  },
  "state": "JOB_STATE_PENDING",
  "createTime": "CREATE_TIME",
  "updateTime": "UPDATE_TIME"
}