3장. 웹 콘솔을 사용하여 Red Hat OpenShift AI 구성 요소의 설치 상태 업데이트

프로세스

1. OpenShift Dedicated 웹 콘솔에 클러스터 관리자로 로그인합니다.
2. 웹 콘솔에서 Operator 설치된 Operator 를 클릭한 다음 Red Hat OpenShift Data Science Operator를 클릭합니다.
3. Data Science Cluster 탭을 클릭합니다.
4. DataScienceClusters 페이지에서 기본 오브젝트를 클릭합니다.

5. YAML 탭을 클릭합니다.

   DataScienceCluster 오브젝트에 대한 CR(사용자 정의 리소스) 파일을 표시하는 포함된 YAML 편집기가 열립니다.

6. 표시된 각 OpenShift AI 구성 요소에 대해 CR의 spec.components 섹션에서 managementState 필드 값을 Managed 또는 Removed 로 설정합니다. 이러한 값은 다음과 같이 정의됩니다.

   관리됨

   Operator는 구성 요소를 적극적으로 관리하고 설치하며 활성 상태를 유지하려고 합니다. Operator는 안전한 경우에만 구성 요소를 업그레이드합니다.

   제거됨

   Operator는 구성 요소를 적극적으로 관리하지만 설치하지 않습니다. 구성 요소가 이미 설치된 경우 Operator에서 해당 구성 요소를 제거하려고 합니다.

   중요
   • CR 파일에 아직 존재하지 않는 경우 codeflare,ray, trustyai 라는 구성 요소를 CR의 spec.components 섹션에 추가하고 구성 요소의 managementState 필드를 Managed 로 설정하여 CodeFlare, Kube Cryostat 및 TrustyAI 기능을 설치할 수 있습니다.
   • KServe 및 Model Mesh Serving 구성 요소를 둘 다 설치할 수 없습니다.
   • CodeFlare, Kube Cryostat 및 TrustyAI 구성 요소는 기술 프리뷰 기능 전용입니다. 기술 프리뷰 기능은 Red Hat 프로덕션 서비스 수준 계약(SLA)에서 지원되지 않으며 기능적으로 완전하지 않을 수 있습니다. Red Hat은 프로덕션 환경에서 사용하는 것을 권장하지 않습니다. 이러한 기능을 사용하면 향후 제품 기능을 조기에 이용할 수 있어 개발 과정에서 고객이 기능을 테스트하고 피드백을 제공할 수 있습니다. Red Hat 기술 프리뷰 기능의 지원 범위에 대한 자세한 내용은 기술 프리뷰 기능 지원 범위를 참조하십시오.
   • CodeFlare 및 Kube Cryostat 구성 요소를 사용하는 분산 워크로드 기능을 구성하는 방법을 알아보려면 분산 워크로드 구성을 참조하십시오.
   • TrustyAI 구성 요소를 사용하는 모델 모니터링을 구성하는 방법을 알아보려면 Open Data Hub 설명서에서 데이터 과학 모델 모니터링 을 참조하십시오.
7. 저장을 클릭합니다.