Gerenciando recursos de cálculo
Se você tem a função Admin ou Editor em um projeto, pode-se executar tarefas de gerenciamento para ambientes.
Pare os tempos de execução ativos
Interrompa todos os tempos de execução ativos quando não precisar mais deles para evitar o consumo de horas de unidade de capacidade (CUHs) extras.
Os tempos de execução do bloco de notas do Jupyter são iniciados por usuário, e não por bloco de notas. Parar um kernel de notebook não para o tempo de execução do ambiente em que o kernel é iniciado pois você poderia ter iniciado outros notebooks no mesmo ambiente. Você só deverá parar o tempo de execução de um bloco de notas se tiver certeza de que nenhum outro kernel do bloco de notas está ativo.
Apenas os tempos de execução que são iniciados para as tarefas são automaticamente encerrados após a conclusão da tarefa planejada. Por exemplo, se você planejar executar um bloco de notas uma vez por dia durante 2 meses, a instância de tempo de execução será ativada todos os dias para a duração da tarefa planeada e desativada novamente após a conclusão da tarefa.
Os usuários do projeto com a função Admin podem parar todos os tempos de execução no projeto. Os usuários adicionados ao projeto com a função de Editor podem interromper os tempos de execução que iniciaram, mas não podem interromper os tempos de execução de outros usuários do projeto. Os usuários adicionados ao projeto com a função de Visualizador não podem ver os tempos de execução no projeto.
É possível parar os tempos de execução por meio de:
- A página Environment Runtimes (Tempos de execução do ambiente ), que lista todos os tempos de execução ativos em todos os projetos de sua conta, clicando em Administration > Environment runtimes (Administração > Tempos de execução do ambiente ) no menu de navegação principal.
- Em Tool runtimes na página Ambientes na guia Gerenciar do seu projeto, que lista os tempos de runtimes ativos para um projeto específico.
- A página Ambientes, quando você clica no ícone
Informações do caderno na barra de ferramentas do editor do caderno. É possível parar o tempo de execução em Status do tempo de execução.
Tempos limites inativos para:
- Tempos de execução do notebook Jupyter
- Tempos de execução Spark para notebooks e Data Refinery
- Notebook com tempos de execução de GPU
- Tempos de execução do RStudio
Tempo limite inativo do bloco de notas do Jupyter
Os tempos de inatividade do tempo de execução diferem para os tempos de execução do notebook Jupyter, dependendo do seu plano do watsonx.ai Studio.
| Planejar | Tempo limite inativo |
|---|---|
| Lite | -Tempo de parada Idle: 1 hora -Limite de CUH: 10 CUHs |
| Profissional | - Tempo de parada de inatividade: 1 hora - Limite de CUH: sem limite |
| Standard (legado) | - Tempo de parada de inatividade: 1 hora - Limite de CUH: sem limite |
| Enterprise (legado) | - Tempo de parada de inatividade: 3 horas - Limite de CUH: sem limite |
| Todos os planos de tempo de execução Free |
-Tempo de parada de inatividade: 1 hora - Tempo máximo de atividade: 12 horas |
Tempo limite inativo do Spark
Todos os tempos de execução do Spark, por exemplo, para notebooks e Data Refinery, são interrompidos após 3 horas de inatividade. O Default Data Refinery XS runtime que é usado ao refinar dados no Data Refinery é interrompido após um tempo de inatividade de 1 hora.
Os tempos de execução do Spark que são iniciados quando um trabalho é iniciado são interrompidos quando o trabalho é concluído.
Tempo limite inativo de GPU
Todos os tempos de execução de GPU são automaticamente interrompidos após 3 horas de inatividade para usuários do plano Enterprise e após 1 hora de inatividade para outros usuários do plano pago.
Tempo limite inativo do RStudio
Um RStudio é interrompido para você após um tempo ocioso de 2 horas. Durante esse tempo inativo, você continuará a consumir CUHs para os quais é faturado. As tarefas longas de processamento intensivo de informações são paradas imediatamente após 24 horas.
Migração de modelos de ambiente personalizados do Runtime 24.1 para o Runtime 25.1
No Runtime 25.1, em vez de uma combinação de ambientes conda virtuais e conda gerenciador de pacotes, é usada uma combinação de ambientes virtuais Python e pip gerenciador de pacotes.
Se você estiver usando os pacotes padrão de um tempo de execução, não notará nenhuma mudança.
Pacotes adicionais instalados em um notebook
| Antes | Depois | Notas |
|---|---|---|
Você está usando o pip para instalar pacotes adicionais |
Nenhuma mudança é necessária. Você pode continuar fazendo isso. | |
Você está usando conda para instalar pacotes python adicionais |
Encontre o pacote equivalente em PyPI e use o comando pip para instalá-lo. |
Se o pip pacote exigir bibliotecas de sistema adicionais que não estejam incluídas no próprio pacote e que não estejam nas imagens padrão, recomendamos verificar primeiro se existe uma alternativa viável que não tenha requisitos adicionais para bibliotecas de sistema. Se isso não for possível, entre em contato com o Suporte d IBM. |
Você está usando conda para instalar pacotes R adicionais |
A instalação de pacotes R adicionais não é mais suportada. |
Entre em contato com o suporte da IBM se o seu caso de negócios exigir pacotes R adicionais. |
Pacotes adicionais instalados usando ambientes personalizados
| Antes | Depois | Notas |
|---|---|---|
Você utilizou apenas a pip seção do conda.yaml |
Converter para requirements.txt o formato |
Não são necessárias alterações além da mudança de formato. Veja o exemplo |
Você tem entradas python de pacotes fora da pip seção |
Encontre substitutos PyPI para conda pacotes e adicione-os a requirements.txt |
Se o pip pacote exigir bibliotecas de sistema adicionais que não estejam incluídas no próprio pacote e que não estejam nas imagens padrão, recomendamos verificar primeiro se existe uma alternativa viável que não tenha requisitos adicionais para bibliotecas de sistema. Se isso não for possível, entre em contato com o Suporte d IBM. |
Você tem entradas R de pacotes fora da pip seção |
A instalação de pacotes R adicionais não é mais suportada. |
Entre em contato com o suporte da IBM se o seu caso de negócios exigir pacotes R adicionais. |
Requisitos de mudança de conda.yaml para requirements.txt
Para mover os requisitos de conda.yaml para requirements.txt, extraia todos os pacotes da pip seção e, em seguida, liste-os no requirements.txt arquivo (um pacote por linha):
Antigo: conda.yaml
dependencies:
- pip:
- pandas==1.5.0
- numpy==1.23.0
- scikit-learn==1.1.0
Novo: requirements.txt
pandas==1.5.0
numpy==1.23.0
scikit-learn==1.1.0