Configurer des tâches
Cette section traite de la création et de la configuration des tâches.
À propos des tâches
Les tâches sont de courts blocs de code fonctionnels que vous pouvez assembler dans un flux dans le cadre d'une tâche ou promouvoir vers les tâches elles-mêmes.
Les tâches sont les principaux blocs fonctionnels de tous les flux de travail dans Oracle AI Data Platform Workbench. Le type de tâche détermine le type de code qu'il utilise. Dans le cadre d'un travail, vous connectez les tâches pour déterminer leur séquence et leur priorité lors de l'exécution du travail.
| Type de tâche | Description |
|---|---|
| Tâche de carnet | Tâche enregistrée dans un carnet auquel vous pouvez accéder |
| Tâche Python | Tâche utilisant un extrait du langage de programmation Python |
| Condition If/else | Tâche qui utilise des conditions if/else |
| Tâche imbriquée | Tâche qui utilise un travail existant et ses tâches en tant que tâche imbriquée |
| Tâche Jar | Tâche pouvant exécuter du code Scala ou Java compilé dans des fichiers JAR (Java Archive). |
Lorsque vous avez plus d'une tâche, vous pouvez créer des jeux de dépendances de tâche où la réussite ou l'échec d'une tâche peut déclencher les tâches suivantes dans l'ordre. Vous ne pouvez créer des dépendances que dans des tâches comportant plusieurs tâches. Voir Créer une tâche de carnet.
Les tâches peuvent être exécutées en parallèle. Pour ce faire, vous pouvez faire en sorte que deux tâches ou plus dépendent de la réussite ou de l'échec d'une autre tâche dans le même flux de travail, ce qui entraîne leur exécution en même temps.
Les tâches peuvent échouer en raison de problèmes transitoires, tels que des interruptions de réseau, une indisponibilité des ressources ou des défaillances de service temporaires. Dans ces cas, l'Atelier de plate-forme de données d'intelligence artificielle relance automatiquement la tâche en fonction des politiques de relance que vous configurez lors de la création de la tâche. Dans le cadre de ces politiques, vous définissez les éléments suivants :
- Nombre de tentatives : Nombre maximal de tentatives.
- Intervalle entre les tentatives : Temps d'attente entre les tentatives.
Outre les nouvelles tentatives de tâche standard, AI Data Platform Workbench prend également en charge les répétitions en cas de temporisation. Si une tâche dépasse sa limite de temps d'exécution en raison de contraintes de ressources ou d'un traitement lent et que vous souhaitez réessayer uniquement pour ces scénarios, vous pouvez choisir de déclencher automatiquement une nouvelle tentative. Ces politiques de nouvelle tentative améliorent la résilience du flux de travail, en veillant à ce que les tâches aient plus de chances de réussite sans intervention manuelle.
Quand et comment utiliser les journaux de calcul
Vous devez vérifier vos journaux de calcul si votre tâche échoue avec des erreurs liées aux ressources ou au système, telles que des erreurs de mémoire insuffisante ou une utilisation d'UC dépassant les limites.
Consultez les journaux Spark si vous voyez de longs temps d'attente, des tentatives inattendues ou des goulots d'étranglement de performance de tâche. Ces journaux fournissent des informations sur le pilote et les noeuds de travail de la grappe de calcul sous-jacente à votre tâche et peuvent vous aider à identifier la source des problèmes possibles.
Pour obtenir des conseils sur la vérification des journaux, voir Surveiller une exécution de travail spécifique.
Vous devez disposer de l'autorisation RBAC de niveau calcul appropriée pour voir les métadonnées et les journaux de l'instance de calcul associée à la tâche. Communiquez avec l'administrateur pour obtenir ces autorisations si vous ne parvenez pas à voir les journaux de calcul. Pour plus d'informations, voir À propos des autorisations.
Créer une tâche Python
Vous pouvez créer une tâche dans le cadre d'un travail de flux de travail qui utilise des scripts Python.
Créer une tâche de carnet
Vous créez des tâches à l'aide de carnets que vous avez créés dans votre atelier de plate-forme de données d'intelligence artificielle.
Créer une tâche imbriquée
Vous pouvez utiliser un autre travail de workflow et ses tâches contenues en tant que tâche imbriquée dans un autre workflow.
Créer une tâche If/Else
Vous pouvez créer une tâche qui utilise des conditions if/else basées sur les données du catalogue pour déterminer si la tâche est déclenchée.
Créer une tâche Jar
Vous pouvez créer des tâches qui exécutent du code Scala ou Java compilé dans des fichiers JAR (Java Archive).
Note :
Les fichiers de bibliothèque dépendants doivent utiliser des versions JDK, Scala ou Spark compatibles avec l'exécution de la grappe Oracle AI Data Platform Workbench au moment de la création afin d'éviter un comportement inattendu.Modifier une tâche
Vous pouvez modifier les attributs existants d'une tâche, tels que le nom, le type et les paramètres, afin de modifier son fonctionnement dans votre travail.
- Dans la page d'accueil, cliquez sur Flux de travail.
- Cliquez sur le travail pour lequel vous souhaitez configurer des tâches.
- Dans l'onglet Tâches, cliquez sur la tâche à modifier.
- Dans le volet Détails de la tâche à droite, modifiez les attributs de la tâche selon les besoins. Les modifications sont enregistrées automatiquement.
Voir les journaux de tâche
Vous pouvez voir les journaux d'exécution de tâches individuelles dans une tâche.
- Sur la page d'accueil, cliquez sur Flux de travail.
- Cliquez sur Exécutions de travail.
- Cliquez sur le travail pour lequel vous voulez voir les journaux de tâches.
- Cliquez sur les noeuds de tâche pour voir les journaux de cette tâche.
Supprimer une tâche
Vous pouvez supprimer une tâche en supprimant le noeud de tâche d'une tâche.
- Sur la page d'accueil, cliquez sur Flux de travail.
- Cliquez sur la tâche à partir de laquelle vous souhaitez supprimer des tâches.
- Sur le noeud de tâche, cliquez sur Actions, puis sur Supprimer le noeud.
- Cliquez sur Supprimer.
