- Erste Schritte
- Netzwerkanforderungen
- Anforderungen und Installation für einen einzelnen Knoten
- Anforderungen und Installation für mehrere Knoten
- Nach der Installation
- Zugriff auf AI Center
- Bereitstellen eines AI Center-Mandanten
- Aktualisieren von Orchestrator- und Identity Server-Zertifikaten
- Ändern der PVC-Größe
- Hinzufügen eines neuen Knotens zum Cluster
- Offlineinstallation von ML-Paketen
- Konfigurieren des Clusters
- Konfigurieren des FQDN nach der Installation
- Sichern und Wiederherstellen des Clusters
- Verwendung des Überwachungs-Stacks
- Einrichten einer Kerberos-Authentifizierung
- Bereitstellen einer GPU
- Verwenden der Konfigurationsdatei
- Knotenplanung
- Migration und Upgrade
- Grundlegende Anleitung zur Fehlerbehebung
Überblick
Before choosing your deployment profile, see Supported use cases for single-node and multi-node installations.
| Was Sie benötigen | Anforderungen | Konfiguration | Installation |
|---|---|---|---|
|
Eine Linux-Maschine (RHEL 8.2, 8.3, 8.4, 8.5, 8.6) | Anforderungen an Maschinen mit mehreren Knoten | Konfigurieren der Maschinen | |
|
SQL-Server (MS SQL 2016, 2017, 2019 – Enterprise und Standard) | - | Konfigurieren von MS SQL-Server | - |
| Dns | - | - | |
| Load balancer | - | Konfigurieren des Lastausgleichs | - |
Anforderungen an Maschinen mit mehreren Knoten
Dies ist die einzige Konfiguration, die für Produktionsbereitstellungen unterstützt wird.
| Paket | Minimum | Empfohlen |
|---|---|---|
| Knotenanzahl | Mindestens drei Serverknoten. Es muss eine ungerade Anzahl von Serverknoten in einem Cluster geben, um eine erhöhte Fehlertoleranz zu haben. Eine beliebige Anzahl von Agent-Knoten. | Mindestens drei Serverknoten. Es muss eine ungerade Anzahl von Serverknoten in einem Cluster geben, um eine erhöhte Fehlertoleranz zu haben. Eine beliebige Anzahl von Agent-Knoten. |
| (v-)CPU insgesamt | 48 (v-)CPU | 64 (v-)CPU |
| Minimale (v-)CPU pro Knoten | 16 (v-)CPU | 16 (v-)CPU |
| RAM insgesamt | 96 GiB | 144 GiB |
| Clusterlaufwerk für jeden Knoten | 256 GiB SSD Min. IOPS: 1100 | 256 GiB SSD Min. IOPS: 1100 |
| Datenträger für jeden Serverknoten | 2 TiB SSD Min. IOPS: 1100 | 2 TiB SSD Min. IOPS: 1100 |
| etcd-Datenträger für jeden Serverknoten | 16 GiB SSD Min. IOPS: 240 | 16 GiB SSD Min. IOPS: 240 |
| Datenträger für das UiPath Paket (Nur für die Offlineinstallation auf dem ersten Serverknoten) | 512 GiB SSD Min. IOPS: 1100 | 512 GiB SSD Min. IOPS: 1100 |
Following the minimum requirements above is enough for three HA skills (two replicas) and one pipeline running in parallel with the default configuration.
Zusätzlicher Agent-Knoten mit GPU-Unterstützung für Document Understanding
| Paket | Anforderungen |
|---|---|
| (v-)CPU | 8 (v-)CPU |
| RAM | 52 GiB |
| Clusterlaufwerk | 256 GiB SSD Min. IOPS: 1100 |
| DataDisk | Keine Angabe |
| GPU-RAM | 11 GiB |
Erweiterte Anforderungen an Speicher und Rechenleistung
| Verwenden Sie | CPU | RAM (GiB) | GPU |
|---|---|---|---|
| Hardwarenutzung unmittelbar nach der Installation | 30 (für die Mindestkonfiguration) 33 (für empfohlene Konfiguration) | 48 | 0 |
| Minimum für die Ausgabe (ML-Fähigkeit, ein Replikat) | 0.6 | 2 | 0 |
| Minimum für Training (Pipeline) | 1 | 4 | 0 |
| Document Understanding-Modellbereitstellung (ML-Fähigkeit, ein Replikat) | 1 | 4 | 0 |
| Document Understanding-Modellschulung | 2 | 24 | 1 |
Trainable Document Understanding ML Packages provided by UiPath will work on both CPU or GPU. For 2021.10, training on GPU is at least 5 times slower than training on CPU. Also, please know that training on CPU is only supported for datasets up to 5000 pages in size. Validation Station retraining loop is not supported on deployments without a GPU, due to the fact that dataset sizes increase too fast and may hit a compute wall with CPU very quickly. If you run UiPath Document OCR Local Server on AI Center to process more than 2 million pages of documents a year, GPU is strongly recommended for a better product experience.