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，则可能已安装此集合。它不包含在 ansible-core 中。要检查是否已安装它，请运行 ansible-galaxy collection list。

要安装它，请使用：ansible-galaxy collection install google.cloud。您需要其他要求才能使用此模块，有关详细信息，请参阅 需求。

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

注意

由于违反了 Ansible 包含要求，google.cloud 集合将在 Ansible 12 中移除。该集合存在 未解决的健全性测试失败。有关更多信息，请参阅 讨论主题。

概要

• 收集 GCP 版本信息

需求

执行此模块的主机需要以下要求。

• 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 请求的用户代理字符串。
model 字典 / 必需	此版本所属的模型。 此字段表示 GCP 中到模型资源的链接。可以通过两种方式指定它。首先，您可以放置一个键为“name”且值为资源名称的字典。或者，您可以将 `register: name-of-resource` 添加到 gcp_mlengine_model 任务中，然后将此 model 字段设置为“{{ name-of-resource }}”
project 字符串	要使用的 Google Cloud Platform 项目。
scopes 列表 / 元素=字符串	要使用的作用域数组
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 并且用户不想使用默认电子邮件，则为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。

备注

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。

• 只有在未设置 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

常用返回值已记录在 此处，以下是此模块特有的字段

键	描述
resources 复杂	资源列表 返回：始终
autoScaling 复杂	根据流量的增减自动调整用于为模型提供服务的节点数量。应注意根据模型的扩展能力逐步增加流量，否则将开始看到延迟增加和 429 响应代码。 返回： 成功
minNodes 整数	为此模式分配的最小节点数。 返回： 成功
createTime 字符串	创建版本的时间。 返回： 成功
deploymentUri 字符串	用于创建版本的已训练模型的云存储位置。 返回： 成功
description 字符串	创建版本时指定的描述。 返回： 成功
errorMessage 字符串	故障或取消的详细信息。 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。 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。 返回： 成功
labels 字典	您可以添加一个或多个标签来组织您的模型版本。 返回： 成功
lastUseTime 字符串	版本上次用于预测的时间。 返回： 成功
machineType 字符串	用于为模型提供服务的机器类型。目前仅适用于在线预测服务。 返回： 成功
manualScaling 复杂	手动选择用于为模型提供服务的节点数量。您通常应使用具有适当 minNodes 的 autoScaling，但如果您需要更可预测的计费，则可以使用此选项。请注意，如果流量超过系统基于所选节点数量的服务能力，则延迟和错误率将会增加。 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。 返回： 成功
model 字典	此版本所属的模型。 返回： 成功
name 字符串	创建版本时指定的名称。 版本名称在其创建的模型中必须唯一。 返回： 成功
packageUris 列表 / 元素=字符串	自定义预测例程或包含自定义代码的 scikit-learn 管道的软件包的云存储路径 (gs://…)。 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（module_name.class_name）。包含此类的模块应包含在提供给 packageUris 字段的软件包中。 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”适用于所有受支持的运行时版本。 返回： 成功
runtimeVersion 字符串	为此部署使用的 AI Platform 运行时版本。 返回： 成功
serviceAccount 字符串	指定用于资源访问控制的服务帐户。 返回： 成功
state 字符串	版本的狀態。 返回： 成功

作者

• Google Inc. (@googlecloudplatform)

收藏链接

• 问题追踪器
• 主页
• 代码库 (源码)