接続されたアプリケーションの使用
Red Hat OpenShift AI Cloud Service からアプリケーションに接続する
概要
第1章 OpenShift AI に接続されたアプリケーションの表示 リンクのコピーリンクがクリップボードにコピーされました!
OpenShift AI ダッシュボードから、利用可能なオープンソースおよびサードパーティーの接続アプリケーションを表示できます。
前提条件
- Red Hat OpenShift AI にログインしている。
手順
OpenShift AI ダッシュボードから、Applications → Explore を選択します。
Explore ページには、OpenShift AI で使用できるアプリケーションが表示されます。
タイルをクリックしてアプリケーションの詳細を確認するか、Enable ボタンにアクセスします。
注記: Enable ボタンは、アプリケーションが OpenShift Operator のインストールを必要としない場合にのみ表示されます。
検証
Explore ページにアクセスし、タイルをクリックします。
第2章 OpenShift AI に接続されたアプリケーションの有効化 リンクのコピーリンクがクリップボードにコピーされました!
SaaS ベースのアプリケーションを Red Hat OpenShift AI で使用する前に、有効にする必要があります。クラスター上のアプリケーションは自動的に有効になります。
通常、次のいずれかの方法を使用して、OpenShift AI に接続されたアプリケーションをインストールまたは有効化できます。
- 次の手順で説明されているように、OpenShift AI ダッシュボードの Explore ページからアプリケーションを有効にします。
OperatorHub からアプリケーションの Operator をインストールします。OperatorHub は、クラスター管理者がクラスター上にインストールする Operator を検出し、選択するための Web コンソールです。これは、デフォルトで OpenShift にデプロイされます (Web コンソールを使用した OperatorHub からのインストール)。
注記OperatorHub からインストールされた Operator を含むデプロイメントは、Red Hat では完全にサポートされない可能性があります。
- Red Hat Marketplace からアプリケーションの Operator をインストールします (Operators をインストール)。
- アプリケーションをアドオンとして OpenShift Dedicated (OpenShift Dedicated クラスターへの Operator の追加) または ROSA クラスター (ROSA クラスターへの Operator の追加) にインストールします。
一部のアプリケーション (Jupyter など) では、API エンドポイントは、OpenShift AI の Enabled ページのアプリケーションのタイルで利用できます。一部のアプリケーションはタイルから直接アクセスできません。たとえば、OpenVINO は Jupyter で使用するためのノートブックイメージを提供しますが、タイルからエンドポイントリンクは提供しません。さらに、ノートブック環境で簡単に参照できるように、これらのエンドポイント URL を環境変数として保存すると便利な場合があります。
一部の独立系ソフトウェアベンダー (ISV) アプリケーションは、特定の namespace にインストールする必要があります。このような場合は、OpenShift AI ダッシュボードのアプリケーションのタイルで必要な namespace が指定されます。
すぐに使い始められるように、アプリケーションのタイルの関連リンクをクリックして、Resources ページまたは Enabled ページでアプリケーションのラーニングリソースとドキュメントにアクセスできます。
前提条件
- Red Hat OpenShift AI にログインしている。
- 管理者が OpenShift クラスターにアプリケーションをインストールまたは設定している。
手順
- OpenShift AI ホームページで、Explore をクリックします。
- Explore ページで、有効にするアプリケーションのタイルを見つけます。
- アプリケーションタイルで Enable をクリックします。
- プロンプトが表示されたら、アプリケーションのサービスキーを入力し、Connect をクリックします。
- Enable をクリックして、アプリケーションを有効にすることを確認します。
検証
- 有効にしたアプリケーションが、Enabled ページに表示されます。
- API エンドポイントは、Enabled ページのアプリケーションのタイルに表示されます。
第3章 ダッシュボードからの無効なアプリケーションの削除 リンクのコピーリンクがクリップボードにコピーされました!
管理者が未使用のアプリケーションを無効にしたら、そのアプリケーションを Red Hat OpenShift AI ダッシュボードから手動で削除できます。未使用のアプリケーションを無効にして削除すると、使用する可能性が最も高いアプリケーションに集中できます。
前提条件
- Red Hat OpenShift AI にログインしている。
- OpenShift AI に接続されているアプリケーションの無効化 で説明されているように、削除するアプリケーションが管理者によって無効にされている。
手順
OpenShift AI インターフェイスで、Applications → Enabled をクリックします。
Enabled ページで、無効なアプリケーションのタイルには
Disabledラベルが表示されます。- 削除するアプリケーションのタイルで Disabled をクリックします。
- リンクをクリックして、アプリケーションタイルを削除します。
検証
- 無効にされたアプリケーションのタイルは、Enabled ページに表示されなくなります。
第4章 基本的なワークベンチの使用 リンクのコピーリンクがクリップボードにコピーされました!
Red Hat OpenShift AI では、ユーザーに独自のデータサイエンスプロジェクトを使用させない場合や、OpenShift AI の外部で開発され、他の環境に依存しない Jupyter ノートブックを開く場合など、有効なアプリケーションとして Start basic workbench へのアクセスが提供されます。
OpenShift AI 上のワークベンチにアクセスする際には、データサイエンスプロジェクトを使用することを推奨します。これについては ワークベンチの作成と IDE の選択 で説明されています。OpenShift AI データサイエンスプロジェクトを使用して Jupyter を含むワークベンチを作成する利点は、プロジェクトによりデータサイエンスの作業が 1 カ所に整理され、接続などの機能が追加されるため、データにアクセスしてモデルとパイプラインを保存し、ML ワークフローを自動化できることです。
4.1. 基本的なワークベンチの起動 リンクのコピーリンクがクリップボードにコピーされました!
基本的なワークベンチの使用は、サーバークライアントアーキテクチャーをベースにしています。基本的なワークベンチは、Red Hat OpenShift クラスター上のコンテナー内で動作します。クライアントは、ローカルコンピューターの Web ブラウザーで開く IDE インターフェイスです。ただし、IDE に入力したコマンドはすべて、ワークベンチによって実行されます。このアーキテクチャーにより、すべての処理がクラスター上で行われながら、ブラウザー環境でローカルコンピューターを介して対話できるようになります。処理されるデータがクラスターから外に出ることがないため、クラスターでは利用可能なリソースが大きくなり、セキュリティーが向上するという利点があります。
Start basic workbench タイルから、基本的なワークベンチを起動できます。大規模なデータセットを使用するために追加のパワーが必要な場合は、ワークベンチにアクセラレーターを割り当ててパフォーマンスを最適化できます。
前提条件
- Red Hat OpenShift AI にログインしている。
- ワークベンチを初めて起動しているか、ワークベンチを停止している。
-
ワークベンチ環境の環境変数に使用する名前と値 (例:
AWS_SECRET_ACCESS_KEY) を把握している。 - 大きなデータセットを使用する場合は、管理者と連携して、ワークベンチのストレージ容量を事前に増やしておく。該当する場合は、ワークベンチにアクセラレーターを割り当てることも検討してください。
手順
- 左側のナビゲーションペインで、Applications → Enabled をクリックします。
- Enabled ページで、Start basic workbench タイルを見つけます。
Open application をクリックします。
Access permission needed のメッセージが表示される場合は、OpenShift AI のデフォルトのユーザーグループまたはデフォルトの管理者グループに属していません。OpenShift AI ユーザーグループへのユーザーの追加 を使用して、適切なグループに追加するように管理者に依頼してください。
認証情報が承認されると、Workbench control panel が開き、Start a basic workbench ページが表示されます。
基本的なワークベンチを起動します。
Workbench image セクションで、ワークベンチに使用するワークベンチイメージを選択します。
ワークベンチイメージが異なれば、デフォルトでインストールされるパッケージも異なります。ワークベンチイメージ名の横にあるヘルプアイコン (?) をクリックすると、含まれるパッケージのリストが表示されます。
ワークベンチイメージに複数のバージョンが含まれている場合は、Versions セクションからワークベンチイメージのバージョンを選択します。
注記ワークベンチイメージの新規バージョンがリリースされても、以前のバージョンは引き続き利用でき、クラスターでサポートされます。これにより、作業を最新バージョンのワークベンチイメージに移行する時間ができます。
- Container size リストから、ワークベンチに適したコンテナーサイズを選択します。
- オプション: Accelerator リストからアクセラレーターを選択します。
前述の手順でアクセラレーターを選択した場合は、使用するアクセラレーターの数を指定します。
重要アクセラレーターの使用は、特定のワークベンチイメージでのみサポートされます。GPU の場合、AMD ROCm、PyTorch、TensorFlow、CUDA ワークベンチイメージのみがサポートされます。さらに、クラスターでアクセラレーターが有効になっている場合にのみ、ワークベンチに必要なアクセラレーターの数を指定できます。アクセラレーターサポートを有効にする方法は、アクセラレーターの操作 を参照してください。
オプション: 新しい Environment variables の値を選択し、指定します。
インターフェイスにはこれらの変数が保存されるため、入力が必要なのは 1 回だけです。頻繁に統合される環境やフレームワーク (例: Amazon Web Services (AWS)) における一般的な環境変数の変数名のサンプルは、自動的に提供されます。
重要パスワードなど、非公開しておく必要のある機密性の高い値を含む変数は、必ず Secret チェックボックスを選択してください。
- オプション: Start workbench in current tab をチェックします。
Start workbench をクリックします。
Workbench status の進行状況インジケーターが表示されます。ワークベンチ作成プロセスに関する追加情報を表示するには Events log タブをクリックします。デプロイメントのサイズと要求したリソースによっては、ワークベンチの起動に数分かかる場合があります。ワークベンチの作成をキャンセルする場合にのみ、Cancel をクリックしてください。
サーバーが起動すると、以下のいずれかの動作が見られます。
- 前の手順で Start workbench in current tab を選択した場合、IDE インターフェイスは Web ブラウザーの現在のタブで開きます。
- 前の手順で Start workbench in current tab を選択しなかった場合は、Workbench status ダイアログボックスが表示され、サーバーを新しいブラウザータブで開くか、現在のブラウザータブで開くかを選択するように求められます。
検証
- IDE インターフェイスが開きます。
トラブルシューティング
- "Unable to load workbench configuration options" エラーメッセージが表示される場合は、管理者に連絡して、ワークベンチ Pod に関連付けられているログを確認し、問題の詳細を確認してもらってください。
4.2. Jupyter ノートブックの作成とインポート リンクのコピーリンクがクリップボードにコピーされました!
空の Jupyter ノートブックを作成したり、さまざまなソースから Jupyter ノートブックを JupyterLab にインポートしたりできます。
4.2.1. Jupyter ノートブックの作成 リンクのコピーリンクがクリップボードにコピーされました!
既存のノートブックコンテナーイメージから Jupyter ノートブックを作成し、そのリソースおよびプロパティーにアクセスできます。Workbench control panel には、シングルユーザーワークベンチとして実行できる使用可能なコンテナーイメージのリストが含まれています。
前提条件
- Red Hat OpenShift AI にログインしている。
- ワークベンチを起動し、JupyterLab にログインしている。
- ワークベンチイメージはレジストリー、イメージストリームに存在し、アクセス可能である。
手順
- File → New → Notebook の順にクリックします。
プロンプトが表示されたら、リストから Jupyter ノートブックのカーネルを選択します。
カーネルを使用する場合は、Select をクリックします。カーネルを使用しない場合は、No Kernel をクリックします。
検証
- ノートブックファイルが JupyterLab に表示されることを確認します。
4.2.2. 既存のノートブックファイルをローカルストレージから JupyterLab にアップロードする リンクのコピーリンクがクリップボードにコピーされました!
既存のノートブックファイルをローカルストレージから JupyterLab に読み込んで作業を続行したり、プロジェクトを新しいユースケースに合わせて調整したりできます。
前提条件
- JupyterLab にログインするための認証情報。
- JupyterLab イメージをベースに起動して実行中のワークベンチがある。
- ノートブックファイルがローカルストレージにある。
手順
-
JupyterLab インターフェイスの左サイドバーにある File Browser で、Upload Files (
) をクリックします。
ノートブックファイルを確認して選択し、Open をクリックします。
ファイルは File Browser に表示されます。
検証
- ノートブックファイルは、JupyterLab インターフェイスの左側のサイドバーの File Browser に表示されます。
- JupyterLab でノートブックファイルを開くことができます。
4.3. Git を使用した Jupyter ノートブックでの共同作業 リンクのコピーリンクがクリップボードにコピーされました!
ファイルを Git バージョン管理に保存している場合は、Git リポジトリーをクローンして JupyterLab で使用できます。準備が整ったら、変更を Git リポジトリーに再びプッシュし、他のユーザーがモデルをレビューしたり、使用したりできるようにします。
4.3.1. JupyterLab を使用した Git リポジトリーからの既存ノートブックファイルのアップロード リンクのコピーリンクがクリップボードにコピーされました!
JupyterLab ユーザーインターフェイスを使用して Git リポジトリーのクローンをワークスペースに作成し、そのまま作業を継続したり、外部プロジェクトのファイルを統合したりできます。
前提条件
- JupyterLab イメージをベースに起動して実行中のワークベンチがある。
- クローンを作成する Git リポジトリーの読み取りアクセス。
手順
Git リポジトリーの HTTPS URL をコピーします。
- GitHub で、⤓ Code → HTTPS をクリックし、Copy URL to clipboard アイコンをクリックします。
- GitLab で、Code をクリックし、Clone with HTTPS の下の Copy URL アイコンをクリックします。
JupyterLab インターフェイスで、Git Clone ボタン (
) をクリックします。
また、メニューで Git → Clone a repository をクリックするか、Git アイコン (
) をクリックして Clone a repository ボタンをクリックすることもできます。
Clone a repo ダイアログが表示されます。
- ノートブックファイルが含まれているリポジトリーの HTTPS URL を入力します。
- CLONE をクリックします。
- プロンプトが表示されたら、Git リポジトリーのユーザー名とパスワードを入力します。
検証
-
リポジトリーの内容が JupyterLab のファイルブラウザーに表示されるか、ターミナルで
lsコマンドを実行して、リポジトリーがディレクトリーとして表示されることを確認します。
4.3.2. CLI を使用して Git リポジトリーから既存のノートブックファイルを JupyterLab にアップロードする リンクのコピーリンクがクリップボードにコピーされました!
コマンドラインインターフェイスを使用して Git リポジトリーをワークスペースにクローンし、そのまま作業を継続したり、外部プロジェクトのファイルを統合したりできます。
前提条件
- JupyterLab イメージをベースに起動して実行中のワークベンチがある。
手順
Git リポジトリーの HTTPS URL をコピーします。
- GitHub で、⤓ Code → HTTPS をクリックし、Copy URL to clipboard アイコンをクリックします。
- GitLab で、Code をクリックし、Clone with HTTPS の下の Copy URL アイコンをクリックします。
- JupyterLab で File → New → Terminal の順にクリックして、ターミナルウィンドウを開きます。
git cloneコマンドを入力します。git clone <git-clone-URL>
git clone <git-clone-URL>Copy to Clipboard Copied! Toggle word wrap Toggle overflow git-clone-URL>を HTTPS URL に置き換えます。以下に例を示します。Copy to Clipboard Copied! Toggle word wrap Toggle overflow
検証
-
リポジトリーの内容が JupyterLab のファイルブラウザーに表示されるか、ターミナルで
lsコマンドを実行して、リポジトリーがディレクトリーとして表示されることを確認します。
4.3.3. リモート Git リポジトリーからの変更を含むプロジェクトの更新 リンクのコピーリンクがクリップボードにコピーされました!
他のユーザーが作成した変更をリモート Git リポジトリーからデータサイエンスプロジェクトにプルできます。
前提条件
- JupyterLab イメージをベースに起動して実行中のワークベンチがある。
- Jupyter にログインするための認証情報がある。
- リモート Git リポジトリーを設定している。
- リモート Git リポジトリーからローカルリポジトリーにファイルをプルするパーミッションがある。
- Git リポジトリーを JupyterLab にインポートし、リポジトリーの内容が JupyterLab のファイルブラウザーに表示されている。
手順
-
JupyterLab インターフェイスで、Git ボタン (
) をクリックします。
-
Pull latest changes ボタン (
) をクリックします。
検証
- リモートリポジトリーから取得された変更は、Git ペインの History タブで確認できます。
4.3.4. プロジェクトの変更を Git リポジトリーにプッシュ リンクのコピーリンクがクリップボードにコピーされました!
実稼働環境でアプリケーションをビルドし、デプロイするには、作業をリモート Git リポジトリーにアップロードします。
前提条件
- JupyterLab インターフェイスで Jupyter ノートブックを開いている。
- 関連する Git リポジトリーがワークベンチに追加されている。
- 関連する Git リポジトリーに変更をプッシュするパーミッションがある。
- Git バージョン制御拡張がインストールされている。
手順
- File → Save All をクリックして、保存していない変更を保存します。
-
Git アイコン (
) をクリックし、JupyterLab インターフェイスで Git ペインを開きます。
変更したファイルが Changed に表示されることを確認します。
変更したファイルが Untracked にある場合は、Git → Simple Staging をクリックして簡素化された Git プロセスを有効にします。
変更をコミットします。
- Changed の下にあるすべてのファイルに、青いチェックマークが付いていることを確認します。
- Summary フィールドに、加えた変更の簡単な説明を入力します。
- Commit をクリックします。
- Git → Push to Remote をクリックして、変更をリモートリポジトリーにプッシュします。
- プロンプトが表示されたら、Git 認証情報を入力し、OK をクリックします。
検証
- 最近プッシュされた変更は、リモート Git リポジトリーに表示されます。
4.4. Python パッケージの管理 リンクのコピーリンクがクリップボードにコピーされました!
JupyterLab では、ワークベンチイメージにインストールされている Python パッケージを表示し、追加のパッケージをインストールできます。
4.4.1. ワークベンチにインストールされている Python パッケージの表示 リンクのコピーリンクがクリップボードにコピーされました!
ノートブックセルで pip ツールを実行すると、ワークベンチにインストールされている Python パッケージと、そのパッケージのバージョンを確認できます。
前提条件
- JupyterLab にログインし、Jupyter ノートブックを開く。
手順
Jupyter ノートブックの新しいセルに次の内容を入力します。
!pip list
!pip listCopy to Clipboard Copied! Toggle word wrap Toggle overflow - セルを実行します。
検証
出力には、インストールされているすべての Python パッケージとそのバージョンがアルファベット順に表示されます。たとえば、Minimal イメージを使用するワークベンチを作成した直後に
pip listコマンドを使用すると、最初に表示されるパッケージは次のようになります。Copy to Clipboard Copied! Toggle word wrap Toggle overflow
4.4.2. ワークベンチに Python パッケージをインストールする リンクのコピーリンクがクリップボードにコピーされました!
デフォルトのワークベンチに含まれていない Python パッケージをインストールするには、パッケージとバージョンを requirements.txt ファイルに追加し、ノートブックセルで pip install コマンドを実行します。
パッケージを直接インストールすることもできますが、ファイルに記載されているパッケージをさまざまなワークベンチ間で簡単に再利用できるように、requirements.txt ファイルを使用することを推奨します。
前提条件
- JupyterLab にログインし、Jupyter ノートブックを開く。
手順
以下の方法のいずれかを使用して、新規テキストファイルを作成します。
- + をクリックして新しいランチャーを開き、Text file をクリックします。
- File → New → Text File の順にクリックします。
テキストファイルの名前を
requirements.txtに変更します。- ファイル名を右クリックし、Rename Text をクリックします。Rename File ダイアログが開きます。
-
New Name フィールドに
requirements.txtを入力し、Rename をクリックします。
requirements.txtファイルにインストールするパッケージを追加します。altair
altairCopy to Clipboard Copied! Toggle word wrap Toggle overflow ==(に等しい) 演算子を使用して、インストールするバージョンを指定できます。以下はその例です。altair==4.1.0
altair==4.1.0Copy to Clipboard Copied! Toggle word wrap Toggle overflow 注記Red Hat では、時間が経過してもワークベンチの安定性を高めるために、正確なパッケージバージョンを指定することを推奨しています。新しいパッケージバージョンは、お使いの環境における動作に対し、望ましくない/予期しない変更を加える可能性があります。
複数のパッケージを同時にインストールする場合は、各パッケージを別々の行に配置します。
ノートブックセルを使用して、
requirements.txtのパッケージをサーバーにインストールします。新しいノートブックセルを作成し、次のコマンドを入力します。
!pip install -r requirements.txt
!pip install -r requirements.txtCopy to Clipboard Copied! Toggle word wrap Toggle overflow - Shift と Enter を押してセルを実行します。
重要pip installコマンドは、ワークベンチにパッケージをインストールします。ただし、コード内でパッケージを使用するには、コードセルでimportステートメントを実行する必要があります。import altair
import altairCopy to Clipboard Copied! Toggle word wrap Toggle overflow
検証
-
requirements.txtファイル内のパッケージが、ワークベンチにインストールされているパッケージのリストに表示されていることを確認します。詳細は ワークベンチにインストールされている Python パッケージの表示 を参照してください。
4.5. ワークベンチを再起動してワークベンチの設定を更新する リンクのコピーリンクがクリップボードにコピーされました!
ワークベンチを停止して再起動すると、ワークベンチの設定を更新できます。たとえば、サーバーのメモリーが不足する場合は、サーバーを再起動してコンテナーのサイズを大きくできます。
前提条件
- ワークベンチが稼働中である。
- JupyterLab にログインしている。
手順
File → Hub Control Panel をクリックします。
Workbench コントロールパネル が開きます。
Stop workbench ボタンをクリックします。
Stop server ダイアログが開きます。
Stop server をクリックして、決定内容を確認します。
Start a basic workbench ページが開きます。
- 関連するワークベンチ設定を更新し、Start workbench をクリックします。
検証
- ノートブックサーバーが起動し、更新された設定が含まれます。