Google Cloud ha anunciado hoy el lanzamiento de GKE Workspaces, una plataforma de desarrollo de inteligencia artificial y aprendizaje automático (AI/ML) para Google Kubernetes Engine (GKE), basada en el proyecto de código abierto Kubeflow Workspaces. Esta iniciativa busca facilitar a los ingenieros y científicos de datos la tarea de desarrollar y entrenar modelos de AI sin tener que preocuparse por la gestión de infraestructuras de Kubernetes, ya que esta última queda en manos del equipo de plataformas, que se encarga de configurar y gestionar la capacidad de los aceleradores necesarios.
GKE Workspaces proporciona un panel de control web donde los usuarios pueden seleccionar un entorno de desarrollo integrado (IDE) y una máquina para comenzar a trabajar en aceleradores en la nube en cuestión de minutos. Este entorno personal ofrece a cada investigador un espacio persistente de desarrollo en un hardware de clúster compartido. Varias cualidades de GKE Workspaces lo hacen destacar:
-
Autoservicio en unos pocos clics: Los usuarios pueden ingresar a la interfaz web de Workspaces de su equipo, elegir su entorno de trabajo y seleccionar el tamaño de hardware adecuado sin necesidad de acceso al Cloud Console, configuraciones YAML o comandos de línea.
-
Persistencia del trabajo: Cada espacio de trabajo cuenta con su propio directorio de inicio montado en un disco persistente y encriptado en el proyecto de Google Cloud, asegurando la protección de archivos y configuraciones incluso tras reinicios o cambios de máquina.
-
Restricciones y configuraciones predefinidas por administradores: El equipo de plataformas puede determinar cuáles imágenes y opciones de hardware están aprobadas, así como las máquinas y tipos de capacidad disponibles para los investigadores, que solo verán las opciones permitidas.
-
Código abierto y portabilidad: Al ser parte de la comunidad Kubeflow, Workspaces es una herramienta de código abierto integrable con numerosos ecosistemas de notebooks.
GKE Workspaces cuenta con facilidades únicas como la posibilidad de pausar y reanudar sesiones sin perder el estado de los procesos, gracias a Pod Snapshots, que almacenan el estado de las notebooks en Cloud Storage liberando el hardware usado. Además, se ha simplificado la transición de experimentos en pequeña escala a entrenamientos de mayor envergadura en TPUs, optimizando la escalabilidad sin cambiar de herramienta.
Por otro lado, GKE Workspaces permite a los usuarios enlazar sus agentes de codificación locales con aceleradores en la nube y funciona como un punto de partida para trabajos distribuidos, manejando proyectos a gran escala desde una notebook de CPU ligera. También garantiza un entorno seguro por defecto, al funcionar de manera independiente en GKE Standard o Autopilot, con un tráfico cifrado gestionado por certificados de Google.
Con esta nueva plataforma, se busca que los equipos de aprendizaje automático centren sus esfuerzos en modelos, sin preocuparse por los detalles de infraestructura, facilitando entornos de desarrollo de un solo clic, pausas y reanudaciones de estado, el acceso a TPUs, y brindando el respaldo de GKE a cada notebook.
vÃa: Google Blog Open Source
