google.cloud.gcp_mlengine_version_info 模块 – 收集 GCP 版本信息

注意

此模块是 google.cloud 集合（版本 1.4.1）的一部分。

如果您使用的是 ansible 包，您可能已经安装了这个集合。它不包含在 ansible-core 中。要检查它是否已安装，请运行 ansible-galaxy collection list。

要安装它，请使用：ansible-galaxy collection install google.cloud。您需要进一步的要求才能使用此模块，请参阅 要求 了解详细信息。

要在 playbook 中使用它，请指定：google.cloud.gcp_mlengine_version_info。

注意

由于违反 Ansible 包含要求，google.cloud 集合将从 Ansible 12 中删除。该集合有未解决的健全性测试失败。有关更多信息，请参阅讨论线程。

概要

  • 收集 GCP 版本信息

要求

执行此模块的主机需要满足以下要求。

  • python >= 2.6

  • requests >= 2.18.4

  • google-auth >= 1.3.0

参数

参数

注释

access_token

字符串

如果凭据类型为 accesstoken，则为 OAuth2 访问令牌。

auth_kind

字符串 / 必需

使用的凭据类型。

选项

  • "application"

  • "machineaccount"

  • "serviceaccount"

  • "accesstoken"

env_type

字符串

指定您在此模块中运行的 Ansible 环境。

除非您知道自己在做什么，否则不应设置此项。

这只会更改任何 API 请求的 User Agent 字符串。

model

字典 / 必需

此版本所属的模型。

此字段表示 GCP 中模型资源的链接。它可以通过两种方式指定。首先，您可以放置一个字典，其中键为“name”，值为您的资源的名称。或者，您可以在 gcp_mlengine_model 任务中添加“register: name-of-resource”，然后将此模型字段设置为“{{ name-of-resource }}”

project

字符串

要使用的 Google Cloud Platform 项目。

scopes

列表 / elements=字符串

要使用的范围数组

service_account_contents

jsonarg

服务帐户 JSON 文件的内容，可以是字典或表示它的 JSON 字符串。

service_account_email

字符串

如果选择了 machineaccount 并且用户不希望使用默认电子邮件，则可选的服务帐户电子邮件地址。

service_account_file

路径

如果选择 serviceaccount 作为类型，则为服务帐户 JSON 文件的路径。

注释

注意

  • 对于身份验证，您可以使用 GCP_SERVICE_ACCOUNT_FILE 环境变量设置 service_account_file。

  • 对于身份验证，您可以使用 GCP_SERVICE_ACCOUNT_CONTENTS 环境变量设置 service_account_contents。

  • 对于身份验证，您可以使用 GCP_SERVICE_ACCOUNT_EMAIL 环境变量设置 service_account_email。

  • 对于身份验证，您可以使用 GCP_ACCESS_TOKEN 环境变量设置 access_token。

  • 对于身份验证，您可以使用 GCP_AUTH_KIND 环境变量设置 auth_kind。

  • 对于身份验证，您可以使用 GCP_SCOPES 环境变量设置 scopes。

  • 仅当未设置 playbook 值时，才会使用环境变量值。

  • service_account_email 和 service_account_file 选项是互斥的。

示例

- name: get info on a version
  gcp_mlengine_version_info:
    model: "{{ model }}"
    project: test_project
    auth_kind: serviceaccount
    service_account_file: "/tmp/auth.pem"

返回值

通用返回值已记录在 此处，以下是此模块特有的字段

键

描述

资源

复杂

资源列表

已返回：始终

autoScaling

复杂

根据流量的增加和减少，自动扩展用于服务模型的节点数量。应注意根据模型的扩展能力逐步增加流量，否则您将开始看到延迟和 429 响应代码的增加。

已返回：成功

minNodes

整数

为此模式分配的最小节点数。

已返回：成功

createTime

字符串

创建版本的时间。

已返回：成功

deploymentUri

字符串

用于创建版本的训练模型所在的 Cloud Storage 位置。

已返回：成功

description

字符串

创建版本时指定的描述。

已返回：成功

errorMessage

字符串

失败或取消的详细信息。

已返回：成功

framework

字符串

AI Platform 用于训练此模型版本的机器学习框架。

已返回：成功

isDefault

布尔值

如果为 true，则此版本将用于处理未指定版本的预测请求。

已返回：成功

labels

字典

您可以添加的一个或多个标签，以组织您的模型版本。

已返回：成功

lastUseTime

字符串

上次使用该版本进行预测的时间。

已返回：成功

machineType

字符串

用于服务模型的机器类型。目前仅适用于在线预测服务。

已返回：成功

manualScaling

复杂

手动选择用于服务模型的节点数量。您通常应该使用带有适当 minNodes 的 autoScaling，但如果您想要更可预测的计费，则可以使用此选项。请注意，如果流量超过系统根据所选节点数量提供服务的能力，则延迟和错误率将会增加。

已返回：成功

nodes

整数

为此模型分配的节点数。这些节点始终处于启动状态，从模型部署时开始。

已返回：成功

model

字典

此版本所属的模型。

已返回：成功

name

字符串

创建版本时指定的版本名称。

版本名称在创建它的模型中必须是唯一的。

已返回：成功

packageUris

列表 / elements=字符串

用于自定义预测例程或包含自定义代码的 scikit-learn 管道的软件包的 Cloud Storage 路径 (gs://…)。

已返回：成功

predictionClass

字符串

实现此参考字段中描述的 Predictor 接口的类的完全限定名称（模块名.类名）。包含此类别的模块应包含在提供给 packageUris 字段的软件包中。

已返回：成功

pythonVersion

字符串

预测中使用的 Python 版本。如果未设置，则默认版本为 ‘2.7’。当 runtimeVersion 设置为 ‘1.4’ 及更高版本时，可以使用 Python ‘3.5’。 Python ‘2.7’ 适用于所有支持的运行时版本。

已返回：成功

runtimeVersion

字符串

此部署使用的 AI Platform 运行时版本。

已返回：成功

serviceAccount

字符串

指定用于资源访问控制的服务帐户。

已返回：成功

state

字符串

版本的状态。

已返回：成功

作者

  • Google Inc. (@googlecloudplatform)