Google 會運用 AI 技術將內容翻譯成你偏好的語言，但可能會出錯。

掛接網路檔案系統共用區

您可以設定無伺服器訓練工作，將網路檔案系統 (NFS) 共用區掛接至執行程式碼的容器。這樣一來，工作就能像存取本機檔案一樣存取遠端檔案，實現高處理量和低延遲。

本指南說明如何在執行無伺服器訓練工作時，掛接網路檔案系統共用區。

事前準備

在虛擬私有雲 (VPC) 中建立 NFS 共用區。共用項目必須不需驗證即可存取。

您可以使用 Filestore 或 Google Cloud NetApp Volumes 等第一方代管 NFS 服務做為 NFS 共用區。如果您使用 Filestore，並打算在下一個步驟中，將虛擬私有雲對接用於 Gemini Enterprise Agent Platform，請在建立執行個體時，選取「私人服務存取權」做為連線模式。如需範例，請參閱 Filestore 說明文件中的「建立執行個體」。
如要將 Gemini Enterprise Agent Platform 連線至託管 NFS 共用區的虛擬私有雲，請按照「使用 Gemini Enterprise Agent Platform 的 Private Service Connect 介面」(建議) 或「設定虛擬私有雲網路對接」中的操作說明進行。

無伺服器訓練的網路檔案系統資訊

建立無伺服器訓練工作並掛接 NFS 共用區時，必須指定下列項目：

Gemini Enterprise Agent Platform 要存取的網路名稱。指定網路名稱的方式會因無伺服器訓練工作的類型而異。詳情請參閱「執行無伺服器訓練」。

WorkerPoolSpec 欄位中的 NFS 設定。請加入下列欄位：

欄位	說明
`nfsMounts.server`	NFS 伺服器的 IP 位址。這必須是虛擬私有雲中的私人位址。
`nfsMounts.path`	NFS 共用區路徑。這必須是以 `/` 開頭的絕對路徑。
`nfsMounts.mountPoint`	本機掛接點。這必須是有效的 UNIX 目錄名稱。舉例來說，如果本機掛接點是 `sourceData`，請從訓練 VM 執行個體指定路徑 `/mnt/nfs/sourceData`。

詳情請參閱「指定運算資源的位置」。

範例：使用 gcloud CLI 建立自訂工作

請按照「為預先建構的容器建立 Python 訓練應用程式」中的步驟操作，建構要在 Gemini Enterprise Agent Platform 執行的訓練應用程式。
建立名為 config.yaml 的檔案，說明訓練工作的 PSA 或 Private Service Connect 介面設定掛接設定。請使用下列其中一種格式：

Private Service Connect 介面

如要使用 Private Service Connect 介面，請按照下列步驟操作：
```
pscInterfaceConfig:
     network_attachment: NETWORK_ATTACHMENT_NAME
workerPoolSpecs:
    - machineSpec:
        machineType: MACHINE_TYPE
    replicaCount: 1
    pythonPackageSpec:
       executorImageUri: PYTHON_PACKAGE_EXECUTOR_IMAGE_URI or PRE_BUILT_CONTAINER_IMAGE_URI
       packageUris:
       -  PYTHON_PACKAGE_URIS
       pythonModule: PYTHON_MODULE
    nfsMounts:
      - server: NFS_SERVER_IP
      path: NFS_SHARE_NAME
      mountPoint: LOCAL_FOLDER
```
更改下列內容：
- NETWORK_ATTACHMENT_NAME：網路連結的名稱。
- MACHINE_TYPE：虛擬機器類型的 ID。
- PYTHON_PACKAGE_EXECUTOR_IMAGE_URI 或 PRE_BUILT_CONTAINER_IMAGE_URI：Artifact Registry 中容器映像檔的 URI，會執行提供的 Python 套件。Gemini Enterprise Agent Platform 提供多種預先安裝套件的執行器映像檔，可滿足使用者的各種用途。
- PYTHON_PACKAGE_URIS：以半形逗號分隔的 Cloud Storage URI 清單，指定構成訓練程式及其依附套件的 Python 套件檔案。套件 URI 數量上限為 100 個。
- PYTHON_MODULE：安裝套件後要執行的 Python 模組名稱。
- NFS_SERVER_IP：NFS 伺服器的 IP 位址。
- NFS_SHARE_NAME：NFS 共用區路徑，這是以 / 開頭的絕對路徑。
- LOCAL_FOLDER：本機掛接點 (UNIX 目錄名稱)。
請確認網路名稱格式正確，且 NFS 共用區位於指定網路。
建立自訂工作，並將 config.yaml 檔案傳遞至 --config 參數。
```
gcloud ai custom-jobs create \
  --region=LOCATION \
  --display-name=JOB_NAME \
  --config=config.yaml
```
更改下列內容：
- LOCATION：指定要建立工作的區域。
- JOB_NAME：自訂工作的名稱。

虛擬私有雲對等互連

如要讓工作使用虛擬私有雲對接/PSA，請使用虛擬私有雲對接。
```
network: projects/PROJECT_NUMBER/global/networks/NETWORK_NAME
workerPoolSpecs:
    - machineSpec:
        machineType: MACHINE_TYPE
      replicaCount: 1
      pythonPackageSpec:
        executorImageUri: PYTHON_PACKAGE_EXECUTOR_IMAGE_URI or
              PRE_BUILT_CONTAINER_IMAGE_URI
        packageUris:
          -  PYTHON_PACKAGE_URIS
        pythonModule: PYTHON_MODULE
      nfsMounts:
        - server: NFS_SERVER_IP
          path: NFS_SHARE_NAME
          mountPoint: LOCAL_FOLDER
```
更改下列內容：
- PROJECT_NUMBER： Google Cloud 專案的專案 ID。
- NETWORK_NAME：私人或 Shared VPC 的名稱。
- MACHINE_TYPE：虛擬機器類型的 ID。
- PYTHON_PACKAGE_EXECUTOR_IMAGE_URI or PRE_BUILT_CONTAINER_IMAGE_URI：Artifact Registry 中容器映像檔的 URI，用於執行提供的 Python 套件。Gemini Enterprise Agent Platform 提供多種預先安裝套件的執行器映像檔，可滿足使用者的各種用途。
- PYTHON_PACKAGE_URIS：以半形逗號分隔的 Cloud Storage URI 清單，指定構成訓練程式及其依附套件的 Python 套件檔案。套件 URI 數量上限為 100 個。
- PYTHON_MODULE：安裝套件後要執行的 Python 模組名稱。
- NFS_SERVER_IP：NFS 伺服器的 IP 位址。
- NFS_SHARE_NAME：NFS 共用區路徑，這是以 / 開頭的絕對路徑。
- LOCAL_FOLDER：本機掛接點 (UNIX 目錄名稱)。
請確認網路名稱格式正確，且 NFS 共用區位於指定網路。

建立自訂工作，並將 config.yaml 檔案傳遞至 --config 參數。

gcloud ai custom-jobs create \
  --region=LOCATION \
  --display-name=JOB_NAME \
  --config=config.yaml

更改下列內容：

LOCATION：指定要建立工作的區域。
JOB_NAME：自訂工作的名稱。

限制

您必須使用虛擬私有雲內部的 IP 位址掛接 NFS 共用區，不得使用公開網址。
訓練工作會在未經驗證的情況下掛接 NFS 共用區，如果需要使用者名稱和密碼，則會失敗。

為保護資料安全，請設定 NFS 共用區的權限。如果您使用 Filestore，請參閱 Filestore 說明文件中的存取控管。
您無法同時執行兩項訓練工作，從不同的虛擬私有雲網路掛接 NFS 共用區。這是因為網路對等互連限制。