Platform For AI：Kuota sumber daya Flink

Sumber daya Flink yang sepenuhnya dikelola

Alibaba Cloud Realtime Compute for Apache Flink adalah platform analitik data besar real-time ujung ke ujung yang dibangun di atas Apache Flink, mampu memproses data dengan waktu respons sub-detik. Untuk informasi lebih lanjut, lihat Apa itu Alibaba Cloud Realtime Compute for Apache Flink?.

Persyaratan akun dan izin

• Akun Alibaba Cloud (disarankan): Anda dapat menggunakan akun Alibaba Cloud untuk menyelesaikan semua operasi tanpa otorisasi tambahan.

• Pengguna RAM:

  • Jika Anda ingin menggunakan Pengguna RAM untuk membeli sumber daya Flink yang sepenuhnya dikelola, Anda harus memberikan izin AliyunStreamFullAccess kepada Pengguna RAM. Untuk informasi lebih lanjut, lihat Berikan Izin kepada Pengguna RAM.

  • Jika ingin mengirimkan tugas ke Flink, tetapkan peran pemilik kepada pengguna RAM di namespace di Konsol Flink. Untuk informasi lebih lanjut, lihat Mengotorisasi Akun untuk Melakukan Operasi di Namespace.

  • Jika ingin menggunakan pengguna RAM untuk mengaitkan sumber daya Flink yang sepenuhnya dikelola dengan ruang kerja, tetapkan peran administrator kepada pengguna RAM di ruang kerja. Jika ingin menggunakan pengguna RAM untuk melakukan pelatihan model menggunakan sumber daya Flink yang sepenuhnya dikelola di Machine Learning Designer, tetapkan peran pengembang algoritma kepada pengguna RAM di ruang kerja. Untuk informasi lebih lanjut, lihat Mengelola Anggota Ruang Kerja.

Beli sumber daya Flink yang sepenuhnya dikelola

1. Masuk ke Konsol PAI.

2. Di panel navigasi sebelah kiri, pilih AI Computing Resources > Resource Quota. Di halaman Resource Quota, klik Fully Managed Flink Resources.

3. (Opsional) Di tab Fully Managed Flink Resources, klik Activate.

   Catatan

   Pertama kali menggunakan sumber daya Flink yang sepenuhnya dikelola, Anda perlu melakukan operasi ini dan membeli sumber daya tersebut. Untuk informasi lebih lanjut, lihat Aktifkan Flink yang Sepenuhnya Dikelola.

   Jika telah mengaktifkan Realtime Compute for Apache Flink dan ingin membeli lebih banyak sumber daya Flink yang sepenuhnya dikelola, lanjutkan ke langkah berikutnya.

4. Di tab Flink yang Sepenuhnya Dikelola, klik Resources.

5. Di Realtime Compute for Apache Flink console, klik Purchase. Untuk informasi lebih lanjut tentang cara membeli sumber daya Flink yang sepenuhnya dikelola, lihat Aktifkan Flink yang Sepenuhnya Dikelola.

   Setelah membeli sumber daya Flink yang sepenuhnya dikelola, Anda dapat melihat sumber daya dan informasi lainnya di tab Sumber Daya Flink yang Dikelola Sepenuhnya.

   

Kaitkan sumber daya Flink yang sepenuhnya dikelola dengan ruang kerja

Latih model di Machine Learning Designer menggunakan sumber daya Flink yang sepenuhnya dikelola

1. Buka ruang kerja yang dikaitkan dengan sumber daya Flink yang sepenuhnya dikelola. Buat pipeline kosong di halaman Pemodelan Visual (Designer). Untuk informasi lebih lanjut, lihat Buat Pipeline Kustom.

2. Seret komponen berikut yang dapat berjalan pada sumber daya Flink yang sepenuhnya dikelola ke kanvas:

   • Semua komponen kerangka kerja Alink, kecuali yang ada di folder Beta Algorithm. Setiap komponen Alink ditandai dengan titik ungu.

   • Komponen algoritma kustom. Untuk informasi lebih lanjut, lihat Skrip PyAlink.

3. Di tab Pipeline properties di panel sebelah kanan, atur parameter Default Resource Preferred by Alink or FlinkML menjadi Flink.

   

   Penting

   Jika ingin menjalankan komponen Alink dalam grup, Anda harus mengatur Jenis Sumber Daya Default yang Disukai oleh Alink menjadi Flink. Jika tidak, sumber daya jenis default untuk grup Alink akan digunakan. Untuk informasi lebih lanjut tentang cara mengatur jenis sumber daya eksekusi untuk grup Alink, lihat Komponen Alink.

4. Jalankan komponen menggunakan salah satu metode berikut:

   • Jalankan komponen tunggal yang bergantung pada sumber daya Flink yang sepenuhnya dikelola. Sebagai contoh, Anda dapat menjalankan komponen Skrip PyAlink. Untuk informasi lebih lanjut, lihat Skrip PyAlink.

   • Gabungkan dan jalankan komponen yang bergantung pada sumber daya Flink yang sepenuhnya dikelola dan komponen yang bergantung pada sumber daya jenis lain. Sebagai contoh, Anda dapat membuat model rekomendasi Factorization Machine (FM) yang mencakup komponen FM Train, FM Prediction, dan Binary Classification Evaluation. Komponen FM Train dan FM Prediction bergantung pada sumber daya Flink yang sepenuhnya dikelola. Komponen Binary Classification Evaluation bergantung pada sumber daya MaxCompute. Untuk informasi lebih lanjut, lihat Buat Model Rekomendasi FM Berdasarkan Kerangka Kerja Alink.

   • Jalankan beberapa komponen yang bergantung pada sumber daya Flink yang sepenuhnya dikelola sekaligus. Untuk informasi lebih lanjut, lihat Komponen Alink.

5. Setelah menjalankan komponen, klik kanan komponen di kanvas dan pilih View Log untuk melihat log komponen.

   Di tab Log, Anda juga dapat mengklik tautan Ververica Platform (VVP) di konten log untuk melihat detail komputasi komponen.