Voraussetzung: Sie müssen wissen, wie man Programme mit Open-Source-Ray entwickelt.
Das hier verwendete Ray on Vertex AI SDK für Python ist eine Version des Vertex AI SDK für Python, die die Funktionen von Ray Client, Ray BigQuery Connector, der Ray-Clusterverwaltung in Vertex AI und Vorhersagen in Vertex AI umfasst.
Wenn Sie Ray on Vertex AI in der Google Cloud Console verwenden, führt Sie ein Colab Enterprise-Notebook durch den Installationsprozess von Vertex AI SDK für Python, nachdem Sie einen Ray-Cluster erstellt haben.
Wenn Sie Ray on Vertex AI in der Vertex AI Workbench oder einer anderen interaktiven Python-Umgebung verwenden, installieren Sie das Vertex AI SDK für Python:
# The latest image in the Ray cluster includes Ray 2.47
# The latest supported Python version is Python 3.11.
$ pip install google-cloud-aiplatform[ray]
Starten Sie nach der Installation des SDK den Kernel neu, bevor Sie Pakete importieren.
Optional: Wenn Sie Daten aus BigQuery lesen möchten, erstellen Sie ein neues BigQuery-Dataset oder verwenden Sie ein vorhandenes Dataset. Hier finden Sie eine BigQuery dazu.
(Optional) Um das Risiko einer Daten-Exfiltration aus Vertex AI zu minimieren, können Sie VPC Service Controls aktivieren und beim Erstellen eines Clusters ein VPC-Netzwerk angeben. Weitere Informationen finden Sie unter VPC Service Controls mit Vertex AI.
Wenn Sie VPC Service Controls aktivieren, können Sie keine Ressourcen außerhalb des Perimeters erreichen, z. B. Dateien in einem Cloud Storage-Bucket.
Optional: Wenn Sie ein benutzerdefiniertes Container-Image verwenden möchten, hosten Sie es in Artifact Registry. Mit einem benutzerdefinierten Image können Sie Python-Abhängigkeiten hinzufügen, die nicht in den vorgefertigten Container-Images enthalten sind. Informationen zum Erstellen benutzerdefinierter Images finden Sie in der Docker-Dokumentation unter „Software verpacken“.
(Optional) Wenn Sie beim Erstellen eines Ray-Clusters in Vertex AI ein VPC-Netzwerk angeben, empfehlen wir dringend, in Ihrem Projekt ein VPC-Netzwerk im automatischen Modus zu verwenden. VPC-Netzwerke im benutzerdefinierten Modus und mehrere VPC-Netzwerke im selben Projekt werden nicht unterstützt und können dazu führen, dass die Clustererstellung fehlschlägt.
Cluster schützen
Befolgen Sie die Best Practices und Richtlinien für Ray, einschließlich der Ausführung von vertrauenswürdigem Code in vertrauenswürdigen Netzwerken, um Ihre Ray-Arbeitslasten zu schützen.
Die Bereitstellung von ray.io in Ihren Cloud-Instanzen fällt unter das Modell der geteilten Verantwortung.
[[["Leicht verständlich","easyToUnderstand","thumb-up"],["Mein Problem wurde gelöst","solvedMyProblem","thumb-up"],["Sonstiges","otherUp","thumb-up"]],[["Schwer verständlich","hardToUnderstand","thumb-down"],["Informationen oder Beispielcode falsch","incorrectInformationOrSampleCode","thumb-down"],["Benötigte Informationen/Beispiele nicht gefunden","missingTheInformationSamplesINeed","thumb-down"],["Problem mit der Übersetzung","translationIssue","thumb-down"],["Sonstiges","otherDown","thumb-down"]],["Zuletzt aktualisiert: 2025-09-02 (UTC)."],[],[],null,["# Set up for Ray on Vertex AI\n\n| To see an example of getting started with Ray on Vertex AI cluster management,\n| run the \"Ray on Vertex AI cluster management\" notebook in one of the following\n| environments:\n|\n| [Open in Colab](https://colab.research.google.com/github/GoogleCloudPlatform/vertex-ai-samples/blob/main/notebooks/official/ray_on_vertex_ai/ray_cluster_management.ipynb)\n|\n|\n| \\|\n|\n| [Open in Colab Enterprise](https://console.cloud.google.com/vertex-ai/colab/import/https%3A%2F%2Fraw.githubusercontent.com%2FGoogleCloudPlatform%2Fvertex-ai-samples%2Fmain%2Fnotebooks%2Fofficial%2Fray_on_vertex_ai%2Fray_cluster_management.ipynb)\n|\n|\n| \\|\n|\n| [Open\n| in Vertex AI Workbench](https://console.cloud.google.com/vertex-ai/workbench/deploy-notebook?download_url=https%3A%2F%2Fraw.githubusercontent.com%2FGoogleCloudPlatform%2Fvertex-ai-samples%2Fmain%2Fnotebooks%2Fofficial%2Fray_on_vertex_ai%2Fray_cluster_management.ipynb)\n|\n|\n| \\|\n|\n| [View on GitHub](https://github.com/GoogleCloudPlatform/vertex-ai-samples/blob/main/notebooks/official/ray_on_vertex_ai/ray_cluster_management.ipynb)\n\nBefore you begin with Ray on Vertex AI, follow these steps to set up your\nGoogle project and :\n\n1. Set up billing for your project, [install the\n gcloud CLI](/sdk/docs/install), and enable the Vertex AI API. To do this,\n follow the steps at [Set up a project and a development\n environment](/vertex-ai/docs/start/cloud-environment).\n\n [Enable the Vertex AI API](https://console.cloud.google.com/apis/enableflow?apiid=aiplatform.googleapis.com)\n2. Prerequisite: You must know how to develop programs using [open source\n Ray](https://docs.ray.io/en/latest/ray-overview/index.html).\n\n3. The Ray on Vertex AI SDK for Python used here is a version of the Vertex AI SDK for Python\n that includes the functionality of the [Ray\n Client](https://docs.ray.io/en/latest/cluster/running-applications/job-submission/ray-client.html),\n Ray BigQuery connector, Ray\n cluster management on Vertex AI, and predictions on Vertex AI.\n\n - If you use Ray on Vertex AI in the Google Cloud console, a\n Colab Enterprise\n notebook guides you through the Vertex AI SDK for Python installation\n process after you [create a Ray cluster](/vertex-ai/docs/open-source/ray-on-vertex-ai/create-cluster).\n\n - If you use Ray on Vertex AI in the Vertex AI Workbench or other interactive Python environment, install the Vertex AI SDK for Python:\n\n ```\n # The latest image in the Ray cluster includes Ray 2.47\n # The latest supported Python version is Python 3.11.\n $ pip install google-cloud-aiplatform[ray]\n ```\n\n After you install the SDK, restart the kernel before you import packages.\n | **Note:** If you use a Vertex AI Workbench notebook as the client environment and use the [Deep Learning VM](/deep-learning-vm/docs/introduction) as the machine image, Ray and the Vertex AI SDK for Python are pre-installed in the Python, TensorFlow Enterprise\n4. Optional: If you plan to read from BigQuery, create a\n new BigQuery dataset or use an existing\n dataset. To do this, see [create a new BigQuery dataset](/bigquery/docs/datasets).\n\n | **Note:** If you run code on your Ray cluster on Vertex AI that interacts with Google services like BigQuery, the [Vertex AI Custom Code Service\n | Agent](/vertex-ai/docs/general/access-control#service-agents) authenticates.\n5. (Optional) To mitigate the risk of data exfiltration from\n Vertex AI, enable VPC Service Controls and specify\n a VPC network when you create a cluster. For more\n information, see [VPC Service Controls with\n Vertex AI](/vertex-ai/docs/general/vpc-service-controls).\n\n If you enable VPC Service Controls, you can't reach resources\n outside the perimeter, such as files in a Cloud Storage bucket.\n | **Note:** The best setup for Ray on Vertex AI is one auto mode VPC network per project. If you use a custom mode VPC network or use multiple VPC networks to create clusters in the same project, you might encounter issues.\n6. (Optional) To use a custom container image, host it on\n [Artifact Registry](/artifact-registry/docs/overview). A custom image lets you add Python dependencies that aren't included with the prebuilt container images. To build custom images, see Packing your software in the [Docker documentation](https://docs.docker.com/build/building/packaging/).\n\n7. (Optional) If you specify a VPC network when creating a Ray cluster on\n Vertex AI, it's highly recommended that you use an auto mode VPC network\n in your project. Custom mode VPC networks and multiple VPC networks in the\n same project aren't supported and may cause cluster creation to fail.\n\nSecure your clusters\n--------------------\n\nFollow [Ray best practices and guidelines](https://docs.ray.io/en/latest/ray-security/index.html#best-practices), including\nrunning trusted code on trusted networks, to secure your Ray workloads.\nDeployment of ray.io in your cloud instances falls under the model of\n[shared responsibility](/vertex-ai/docs/shared-responsibility).\n\nFor more information about Google Cloud best practices, see the\n[GCP-2024-020 security bulletin](/support/bulletins#gcp-2024-020).\n\nSupported locations\n-------------------\n\nThe [Feature availability](/vertex-ai/docs/general/locations#available-regions) table lists the available locations for Ray on Vertex AI for Custom\nmodel training.\n\nWhat's next\n-----------\n\n- [Create a Ray cluster on Vertex AI](/vertex-ai/docs/open-source/ray-on-vertex-ai/create-cluster)"]]
