Organiza tus páginas con colecciones
Guarda y categoriza el contenido según tus preferencias.
Un recurso persistente de Vertex AI es un clúster de larga duración que puedes crear para ejecutar trabajos de entrenamiento personalizados. Una vez que se completa un trabajo de entrenamiento, el recurso persistente permanece disponible para ejecutar otros trabajos de entrenamiento hasta que lo borres. Puedes usar un recurso persistente para garantizar la disponibilidad del recurso de procesamiento y reducir el tiempo de inicio del trabajo que, de lo contrario, es necesario para la creación del recurso de procesamiento. Los recursos persistentes admiten todas las VMs y GPU compatibles con los trabajos de entrenamiento personalizados. En esta página, se explica cuándo usar un recurso persistente y se proporciona información sobre la facturación y la cuota.
Cuándo usar un recurso persistente
Recomendamos usar recursos persistentes en las siguientes situaciones:
Deseas garantizar la disponibilidad de capacidad para las cargas de trabajo de AA críticas o durante las temporadas de mayor demanda. A diferencia de los trabajos personalizados, en los que el servicio de entrenamiento libera el recurso después de que se completa el trabajo, el recurso persistente permanece disponible hasta que se borra.
Envías el mismo trabajo varias veces y puedes beneficiarte del almacenamiento en caché de datos e imágenes mediante la ejecución de los trabajos en el mismo recurso persistente.
Ejecutas muchos trabajos de entrenamiento de corta duración en los que el tiempo de entrenamiento real es más corto que el tiempo de inicio del trabajo.
Se te factura por todo el tiempo que un recurso persistente está en estado de ejecución, sin importar si hay un trabajo en ejecución en el recurso persistente. Para cada instancia en el grupo de recursos persistentes, se te factura por hora principal. Todos los trabajos que se ejecutan en un recurso persistente no se cobran por separado.
Solo se te facturará por el recurso persistente.
Si configuras el ajuste de escala automático para tu recurso persistente, solo pagas por las instancias aprovisionadas. Por ejemplo, si min-replica-count se configura como 4, las instancias 4 siempre se aprovisionan y esta es la cantidad mínima que se te factura. Cuando tu carga de trabajo aumenta, el grupo de recursos puede escalar verticalmente hasta 6 para satisfacer la demanda creciente. Luego, se te facturará por las instancias aprovisionadas 6 hasta que el grupo de recursos vuelva a reducir la escala. Con el objetivo de pagar nodos inactivos, usa el ajuste de escala automático para tu recurso persistente o bórralo cuando ya no lo necesites. Para obtener más información sobre los precios, consulta la sección Modelos entrenados personalizados en la página de precios de Vertex AI.
Cuotas
Los recursos persistentes usan tu cuota de entrenamiento, por lo que debes verificar que tengas suficiente cuota para la creación de recursos persistentes. Para obtener más información sobre las cuotas, consulta Cuotas y límites de entrenamiento.
[[["Fácil de comprender","easyToUnderstand","thumb-up"],["Resolvió mi problema","solvedMyProblem","thumb-up"],["Otro","otherUp","thumb-up"]],[["Difícil de entender","hardToUnderstand","thumb-down"],["Información o código de muestra incorrectos","incorrectInformationOrSampleCode","thumb-down"],["Faltan la información o los ejemplos que necesito","missingTheInformationSamplesINeed","thumb-down"],["Problema de traducción","translationIssue","thumb-down"],["Otro","otherDown","thumb-down"]],["Última actualización: 2025-09-02 (UTC)"],[],[],null,["# Overview of persistent resources\n\nA Vertex AI persistent resource is a long-running cluster that you can\ncreate to run custom training jobs. After a training job completes, the\npersistent resource remains available to run other training jobs until you\ndelete it. You can use a persistent resource to ensure compute resource\navailability and to reduce the job startup time that's otherwise needed for\ncompute resource creation. Persistent resources support all VMs and GPUs that\nare supported by custom training jobs. This page explains when to use a\npersistent resource and gives you information about billing and quota.\n\nWhen to use a persistent resource\n---------------------------------\n\nWe recommend using persistent resources in the following scenarios:\n\n- You want to ensure capacity availability for critical ML workloads or during peak seasons. Unlike custom jobs, where the training service releases the resource after job completion, persistent resource remains available until it's deleted.\n- You're submitting the same job multiple times and can benefit from data and image caching by running the jobs on the same persistent resource.\n- You run many short-lived training jobs where the actual training time is shorter than the job startup time.\n\nFor more context on when to and why use a persistent resource, see the blog post\n[Bringing capacity assurance and faster startup times to Vertex AI Training](/blog/products/ai-machine-learning/vertex-ai-persistent-resources-and-capacity-assurance).\n\nBilling details\n---------------\n\nYou are billed for the entire duration that a persistent resource is in a\nrunning state, regardless of whether there is a job running on the persistent\nresource. For each instance in the persistent resource pool, you are billed by\ncore hour. All jobs running on a persistent resource are not separately charged.\nYou are billed only for the persistent resource.\n\nIf you set up auto scaling for your persistent resource, you only pay\nfor the provisioned instances. For example, if `min-replica-count` is set to `4`,\n`4` instances are always provisioned and this is the minimum amount you're billed\nfor. When your workload increases, the resource pool might scale up to `6` to\naccommodate the increased demand. Then, you're billed for the `6` provisioned instances\nuntil your resource pool scales down again. To avoid paying for idle nodes,\nuse auto scaling for your persistent resource, or delete it when you no longer\nneed it. To learn more about pricing, see the [Custom-trained models](/vertex-ai/pricing#custom-trained_models)\nsection in the Vertex AI pricing page.\n\nQuotas\n------\n\nPersistent resources use your training quota, so verify you have sufficient\nquota for persistent resource creation. To learn more about quotas, see [Training quotas and limits](/vertex-ai/docs/quotas#training).\n\nWhat's next\n-----------\n\n- [Create and use a persistent resource](/vertex-ai/docs/training/persistent-resource-create).\n- [Run training jobs on a persistent resource](/vertex-ai/docs/training/persistent-resource-train).\n- [Get information about a persistent resource](/vertex-ai/docs/training/persistent-resource-get).\n- [Reboot a persistent resource](/vertex-ai/docs/training/persistent-resource-reboot).\n- [Delete a persistent resource](/vertex-ai/docs/training/persistent-resource-delete)."]]
