Platform For AI:DSW インスタンスの作成

Q：DSW インスタンスの起動に失敗する

Q：リソースタイプの在庫切れまたは計算クォータが不足している

一般的なエラー：

• "Your requested resource type [ecs.] is not enough currently" (リソースの在庫切れ)。

• "Your resource usage has exceeded the default limitation" (リージョンごとに 2 GPU カードの上限を超過)。

• "The cluster resources are fully utilized" (すべての計算リソースが占有されている)。

分析：

• パブリックリソースの不足

  • パブリックリソースは複数のユーザーで共有されており、ピーク時には不足する可能性があります。

  • 特定の GPU タイプ (ハイエンド GPU など) はより早く売り切れます。

  • 各アカウントはリージョンごとに 2 枚の GPU カードに制限されています。

• 専用リソースクォータの枯渇

  • 購入した専用リソースクォータが完全に消費されました。

  • クォータが不均等に分散されており、一部のワークスペースでクォータが不足しています。

解決策：

• インスタンスタイプの切り替え：現在の GPU タイプが在庫切れの場合、別の GPU タイプを試してください。

• リージョンの切り替え：PAI コンソールの左上隅にあるリージョン切り替えを使用して、別のリージョンを選択します。

• GPU クォータの増加リクエスト：パブリックリソースプールから 2 枚を超える GPU カードを使用するには、チケットを送信してください。

• 専用リソースの購入：安定したリソースの可用性を確保するために、専用リソースクォータを購入します。詳細については、「汎用コンピューティングリソースの購入」および「リソースクォータの管理」をご参照ください。

Q：DSW インスタンスの起動時に Python スクリプトを自動的に実行できますか？

DSW インスタンスを作成するとき、またはインスタンスの設定を変更するときに、[カスタム起動スクリプト] パラメーターを設定します。

この機能により、起動時に環境をカスタマイズしたり、初期化タスクを実行したりできます。スクリプトは、イメージとリソースの準備ができた後、JupyterLab、Code Server、およびその他の開発アプリケーションが起動する前に実行されます。

Q：DSW ページが応答しない、または異常な動作をする場合はどうすればよいですか？

白い画面、読み込みが続く Notebook、入力を受け付けないターミナル、または「504 Gateway Timeout」や「504 Timeout」などのブラウザエラーが発生した場合、問題は通常、ローカル環境またはインスタンスの状態に関連しています。以下の手順を試してください：

1. ブラウザのキャッシュをクリアして再試行します。

2. プライベートまたはシークレットブラウザウィンドウでページを開きます。

3. ファイアウォールの制限を除外するために、企業ネットワークの代わりにモバイルホットスポットなど、別のネットワークに切り替えます。

4. Chrome や Firefox など、別のブラウザを試します。

5. エラーが 504 Timeout の場合は、PAI コンソールから DSW インスタンスを停止して再起動し、ステータスが [実行中] に変わるのを待ってから再度アクセスします。

Q：クラウドディスクシステムディスクを持つ DSW インスタンスを停止、再起動、タイプ変更、またはイメージ変更するとデータが失われますか？

クラウドディスクシステムディスクを持つ DSW インスタンスには、パブリックリソースグループで作成されたインスタンスと、システムディスクとして [クラウドディスク] を選択した汎用リソースインスタンスが含まれます。データの保持動作は操作によって異なります：

• インスタンスの停止：データが失われる可能性があります。クラウドディスクが拡張されておらず、インスタンスが 15 日以上停止している場合、データは消去され、回復できません。クラウドディスクが拡張されているか、インスタンスが 15 日以下停止している場合、データは保持されます。

• インスタンスの再起動：データ損失はありません。インスタンスが停止または再起動された後、pip を介してインストールされたすべてのパッケージ、コードファイル、およびシステムディスクに保存されているその他のデータは保持されます。

• インスタンスタイプの変更：データ損失はありません。インスタンスタイプ (CPU、メモリ、GPU、およびその他のリソース設定) を調整しても、システムディスク上のデータには影響しません。

• インスタンスイメージの変更：データが部分的に失われる可能性があります。イメージを変更しても、マウントされたデータセットや OSS ストレージ内のデータには影響しませんが、システムディスクの内容がリセットされる可能性があります。イメージを変更する前にインスタンスデータをバックアップしてください。たとえば、データをデータセットや OSS にコピーまたは移動します。詳細については、「データセット、OSS、NAS、CPFS のマウント」をご参照ください。

システムディスクとして [一時ストレージ] を使用する汎用リソースインスタンスの場合、リソースグループに前払いクラウドディスクがあるかどうかに関係なく、インスタンスを停止、再起動、タイプ変更、またはイメージ変更すると、常にシステムディスクのデータが失われます。

Q：パブリックリソースで作成され、15 日間ログインせずにリリースされた DSW インスタンスからデータを回復できますか？

パブリックリソースで作成された DSW インスタンスの場合、クラウドディスクシステムディスクが有料アップグレードで拡張されておらず、インスタンスが停止後 15 日以上連続して起動されなかった場合、システムディスクは自動的に消去され、回復できません。

Q：DSW インスタンスの起動時間が毎回長くなっている

起動時間が徐々に長くなるのは、保存されたカスタムイメージが大きいことが原因である可能性が高いです。

Q：DSW インスタンスの初回起動が後続の起動よりも遅いのはなぜですか？

DSW インスタンスを初めて起動するとき、システムは完全なイメージをプルするため、イメージのサイズとネットワークの状態によっては 10 分以上かかることがあります。後続の起動は、イメージがキャッシュされているため高速です。

起動するたびに起動時間が増加している場合、保存されたカスタムイメージが大きくなりすぎている可能性があります。不要なファイルをクリアしてイメージを再保存するか、軽量の公式イメージに切り替えてください。

Q：DSW インスタンスをリリースするにはどうすればよいですか？

DSW インスタンスリストで、右側の [操作] 列にある [停止] または [削除] をクリックします。

注：DSW インスタンスの作成時にシステムディスクが拡張された場合、インスタンスが実行中であるかどうかにかかわらず、ストレージ料金が継続して発生します。DSW インスタンスのすべての料金を停止するには、インスタンスを削除します。

Q：DSW インスタンスが見つからないのはなぜですか？

インスタンスが見つからない場合は、別のリージョンまたはワークスペースに切り替えてみてください。

Q：無料トライアルクレジットパッケージをリリースするにはどうすればよいですか？

無料トライアルクレジットパッケージは、リリースまたは停止する必要はありません。

Q：DSW インスタンスの課金を完全に停止するにはどうすればよいですか？[停止] と [削除] の違いは何ですか？

• インスタンスの停止：インスタンスの計算リソース (CPU/GPU) を解放し、計算料金を一時停止します。注：拡張されたシステムディスクは、ストレージ料金が継続して発生します。

• インスタンスの削除：インスタンスとそのすべてのリソース (システムディスクを含む) を完全に削除します。関連するすべての料金が完全に停止します。

各オプションの使用時期：

• 停止：一時的にインスタンスを使用しないが、将来の再起動のためにデータと環境を保持したい場合。

• 削除：不要になり、すべての料金を停止したい場合。続行する前にデータをバックアップしてください。

Q：DSW インスタンスが「停止中」または「削除中」のステータスで長時間スタックするのはなぜですか？

DSW インスタンスが停止すると、システムは現在のコンテナの読み書きレイヤーデータを保存してイメージキャッシュを自動的に構築し、次回の起動を高速化します。これは予期される動作です。コンテナの読み書きレイヤーに多数のファイルや大量のデータが書き込まれた場合、キャッシュの構築に時間がかかり、数十分から数時間続くことがあります。

長時間の停止操作の一般的な原因：

• 大きなコンテナ読み書きレイヤー：これが最も一般的な原因です。多くのパッケージをインストールしたり、モデルファイルをダウンロードしたり、データセットをシステムディスクに保存したりすると、すべて読み書きレイヤーのサイズが増加し、停止時間が長くなります。

• インスタンス内のプロセスが正常に終了していません。

• 高いメモリ使用量が、インスタンスがシャットダウンコマンドに応答するのを妨げています。

停止操作を高速化するためのヒント：

• インスタンスを停止する前に、[イメージを保存] 機能を使用して、保存する必要のない大きなファイルやディレクトリ (モデルファイルやデータセットなど) の除外パスを設定します。これにより、停止時間を大幅に短縮できます。詳細については、DSW インスタンスのイメージ作成ガイドをご参照ください。

• 大きなデータは、システムディスクではなく、マウントされた OSS または NAS パスに保存します。これにより、コンテナの読み書きレイヤーを設計上小さく保つことができます。

• インスタンスが不要になり、データの保持を気にしない場合は、インスタンスを削除してリソースをすぐに解放します。

インスタンスの停止に時間がかかりすぎる場合は、辛抱強く待ってください。2 時間経っても操作が完了しない場合は、テクニカルサポートにチケットを送信してください。

Q：DSW インスタンスを停止または削除した後、データとコードは失われますか？

データが保持されるかどうかは、操作とインスタンスのリソースグループタイプによって異なります。

• インスタンスの停止：

  データ保持の動作はリソースグループタイプによって異なります。

  • クラウドディスクシステムディスクを持つインスタンス (ほとんどの従量課金タイプおよびシステムディスクとして [クラウドディスク] を選択した汎用リソースインスタンス)：クラウドディスクが拡張されておらず、インスタンスが 15 日以上停止している場合、データは消去され、回復できません。クラウドディスクが拡張されているか、インスタンスが 15 日以下停止している場合、データは保持されます。

  • システムディスクとして [一時ストレージ] を使用するインスタンス：データは一時ストレージに保存されます。インスタンスを停止するとデータは削除され、回復できません。

• インスタンスの削除：

  システムディスク上のすべてのデータは完全に消去され、回復できません。削除する前にすべての重要なデータをバックアップしてください。

Q：実行中の DSW インスタンスが自動的に停止するのはなぜですか？

インスタンスにはアイドル自動停止ポリシーが設定されています。このポリシーはリソースを節約するために設計されており、無料トライアルインスタンスではデフォルトで有効になっています。

• トリガー条件：CPU と GPU の使用率が設定されたしきい値を 3 時間連続で下回る。

• 推奨事項：

  • 手動で停止：リソースを確実に節約するには、使用していないときにインスタンスを手動で停止します。自動停止ポリシーは毎回トリガーされるとは限りません。

  • ポリシーの変更：長時間実行タスクの場合は、自動停止ポリシーを変更または無効にします。そのためには：

    1. ワークスペース詳細ページに移動し、[ワークスペース設定] > [スケジューリング設定] をクリックします。

    2. DSW 設定セクションを見つけます。ここで、DSW 自動停止ポリシーと除外ポリシーを変更できます。たとえば、特定のインスタンスが自動停止されないようにするには、インスタンス名で除外ポリシーに追加します。

Q：すべての DSW インスタンスを停止または削除しましたが、まだ「実行中」と表示されたり、課金通知が届いたりします。なぜですか？

以下の一般的な原因を確認してください：

• リソースパッケージとインスタンスを混同している。表示されている「実行中」ステータスは、インスタンスではなくリソースパッケージ (「月間 250 計算時間」など) を指している可能性があります。リソースパッケージは、インスタンスのステータスに関係なく、有効期間中アクティブなままです。

• 拡張されたシステムディスクがまだ課金されている。インスタンスを停止すると、計算料金のみが一時停止します。拡張されたシステムディスクは、ストレージ料金が継続して発生します。

• 課金の遅延。料金はリアルタイムで処理されません。請求書はリソース使用後数時間で表示される場合があります。たとえば、午前中の料金が午後の請求書に表示されることがあります。

Q：API、Python コード、またはタスク完了後に DSW インスタンスを自動的に停止することは可能ですか？

DSW インスタンスの起動と停止を自動的に制御する以下の方法はサポートされていません：

• API 呼び出しを介して ECS などの外部環境からトレーニングプロセスを開始したり、インスタンスの起動/停止を制御したりすることはサポートされていません。

• Python コード (例：os.system) を介してインスタンス内でシャットダウンコマンドを実行することはサポートされていません。

• タスク完了後にインスタンスを自動停止するように設定することはサポートされていません。

DSW はアイドル自動停止ポリシー (最小アイドル時間 1 時間) のみをサポートしています。このポリシーは CPU/GPU 使用率に基づいてインスタンスがアイドル状態であるかどうかを判断しますが、100% のトリガーを保証するものではありません。予期せぬ請求を避けるために、タスクが完了したら手動でインスタンスを停止してください。