当前位置：首页 > news >正文

aws平台练习

news 来源：原创 2025/9/19 13:07:10

提供电子邮件地址、密码和电话号码。
验证身份（可能需要手机验证码）。
设置 billing 信息。
2. 登录 AWS 管理控制台
使用注册的邮箱和密码登录 AWS 管理控制台。

配置 AWS CLI (可选但推荐)
为了方便后续操作，建议安装并配置 AWS CLI：

下载 AWS CLI：
在 Windows 上：访问官方链接，运行安装程序。
在 macOS/Linux 上：使用以下命令安装：

BASH
pip install --user awscli

配置 AWS CLI：
打开终端或命令提示符，运行：

BASH
aws configure

按照提示输入你的 AWS Access Key ID、Secret Access Key 和默认区域（例如 us-east-1）。
4. 创建 IAM 用户和角色
为了安全起见，建议创建一个 IAM 用户并为其分配必要的权限。

步骤 1：创建 IAM 用户
打开 AWS 管理控制台，导航到 IAM 服务。
在左侧菜单中选择 Users，点击“Add user”。
填写用户名称（例如 ml-pipeline-user），选择权限类型（直接访问资源）。
点击“Next: Permissions”，然后选择一个预定义策略或自定义策略：
推荐使用 AmazonSageMakerFullAccess 和 CloudWatchReadOnlyAccess 等策略。
完成创建后，记录下用户的 Access Key ID 和 Secret Access Key。
步骤 2：创建 IAM 角色
在 IAM 控制台中选择 Roles，点击“Create role”。
选择信任关系（例如 AWS Account Arn）。
添加所需的权限策略：
AmazonSageMakerFullAccess
CodePipelineFullAccess
CodeBuildFullAccess
StatesFullAccess
完成创建后，记录角色的 ARN。
5. 创建必要的 AWS 资源
步骤 1：创建 S3 存储桶
打开 AWS 管理控制台，导航到 S3。
点击“Create bucket”，填写名称（例如 ml-pipeline-bucket）。
配置存储桶的区域和访问权限。
步骤 2：创建 ECR（Elastic Container Registry）仓库
打开 AWS 管理控制台，导航到 ECR。
在区域中选择一个位置（例如 us-east-1），点击“Create repository”，填写名称（例如 ml-model-repo）。
步骤 3：创建 IAM 角色并附加策略
返回 IAM 控制台，确保你已经创建了必要的角色。
确保角色已附加以下策略：
AmazonSageMakerFullAccess
CodePipelineFullAccess
CodeBuildFullAccess
StatesFullAccess
6. 配置 CodePipeline
打开 AWS 管理控制台，导航到 CodePipeline。
点击“Start pipeline execution”或创建一个新的管道。
按照提示配置管道：
选择源（例如 S3 存储桶）。
配置构建阶段（使用 CodeBuild）。
配置部署阶段（例如 SageMaker）。
7. 配置 CodeBuild
打开 AWS 管理控制台，导航到 CodeBuild。
点击“Create project”，填写项目名称和描述。
选择构建规范（Docker 或其他），配置构建命令：

BASH
# 示例 Dockerfile
FROM python:3.8-slim
WORKDIR /app
COPY requirements.txt .
RUN pip install --no-cache-dir -r requirements.txt
COPY . .
CMD ["python", "main.py"]

配置 SageMaker
打开 AWS 管理控制台，导航到 SageMaker。
创建一个 SageMaker 实例（例如 ml-pipeline-instance）。
配置模型部署（例如使用推理容器）。
配置 CloudWatch 监控
打开 AWS 管理控制台，导航到 CloudWatch。
创建日志组和日志流，监控管道的运行状态。
测试管道
提交代码到 S3 存储桶或直接触发 CodePipeline。
监控管道的运行状态，确保所有阶段（构建、部署）顺利完成。

相关文章：