- Visão geral
- Requisitos
- Instalação
- Perguntas e respostas: modelos de implantação
- Baixando pacotes de instalação
- Parâmetros do install-uipath.sh
- Como habilitar o High Availability Add-on do Redis para o cluster
- Arquivo de configuração do Document Understanding
- Adicionando um nó de agente dedicado com suporte a GPU
- Conexão do aplicativo Task Mining
- Adição de um nó de agente dedicado ao Task Mining
- Pós-instalação
- Administração de cluster
- Monitoramento e alertas
- Migração e atualização
- Modo online de avaliação de nó único
- Modo offline de avaliação de nó único
- Modo de produção online pronto para alta disponibilidade de vários nós
- Modo de produção offline pronto para alta disponibilidade de vários nós
- Migrando o disco físico do Longhorn para o LVM
- Fazendo downgrade do Ceph de 16.2.6 para 15.2.9
- Opções de migração
- B) Migração de um único tenant
- Configuração específica do produto
- Melhores práticas e manutenção
- Solução de problemas
- Como solucionar problemas dos serviços durante a instalação
- Como desinstalar o cluster
- Como limpar os artefatos offline para melhorar o espaço em disco
- How to disable TLS 1.0 and 1.1
- Como habilitar o registro em log do Istio
- Como limpar logs manualmente
- Como limpar logs antigos armazenados no pacote do sf-logs
- Como depurar instalações do Automation Suite com falha
- Como desabilitar o descarregamento de soma de verificação do TX
- Não é possível executar uma instalação offline no SO RHEL 8.4
- Erro ao baixar o pacote
- A instalação offline falha devido a um binário ausente
- Problema de certificado na instalação offline
- Erro de validação da string de conexão ao SQL
- Falha após a atualização do certificado
- O Automation Suite requer que Backlog_wait_time seja definido como 1
- Não é possível fazer login após a migração
- Configurando um intervalo de tempo limite para os portais de gerenciamento
- Atualizar as conexões de diretório subjacentes
- kinit: não é possível encontrar o KDC para o realm <AD Domain> ao obter credenciais iniciais
- kinit: o Keytab não contém chaves adequadas para *** ao obter credenciais iniciais
- A operação do GSSAPI falhou com erro: um código de status inválido foi fornecido (as credenciais do cliente foram revogadas).
- Falha do login para o usuário <ADDOMAIN><aduser> Motivo: a conta está desabilitada.
- Alarme recebido para tarefa Kerberos-tgt-update com falha
- Provedor SSPI: servidor não encontrado no banco de dados Kerberos
- Falha ao obter a imagem do sandbox
- Os pods não são exibidos na UI do ArgoCD
- Falha de teste do Redis
- O servidor RKE2 falha ao iniciar
- Segredo não encontrado no namespace da UiPath
- O ArgoCD entra em estado Em andamento após a primeira instalação
- Inconsistência inesperada; execute o fsck manualmente
- Operador de autocura ausente e repositório Sf-k8-utils ausente
- MongoDB degradado ou aplicativos de negócios após a restauração do cluster
- Serviços não íntegros após restauração ou reversão do cluster
- O Document Understanding não está no menu de navegação esquerdo do Automation Suite
- Status de Falha ao criar uma sessão de rotulagem de dados
- Status de Falha ao tentar implantar uma habilidade de ML
- Trabalho de migração falha no ArgoCD
- Reconhecimento de escrita com o Extrator de formulários inteligente não está funcionando
- Usando a ferramenta de diagnóstico do Automation Suite
- Usando a ferramenta de pacote de suporte do Automation Suite
- Exploração de logs
Considerações do AI Center
Além dos principais requisitos de serviço que fazem parte dos requisitos completos da plataforma, o AI Center requer recursos adicionais, dependendo dos modelos que você deseja executar ou treinar. Para obter mais detalhes sobre as gerações de hardware de GPU necessárias e drivers NVIDIA compatíveis, consulte Matriz de compatibilidade.
A tabela a seguir descreve os recursos adicionais de que o AI Center precisa. Nesta tabela, o Data Disk é necessário em todos os nós do servidor. Isso não é necessário em nós de agente.
|
Usar |
CPU |
RAM (GiB) |
GPU |
Disco (GiB) |
|---|---|---|---|---|
|
Mínimo para servir (habilidade de ML, uma réplica) |
0,6 |
2 |
0 |
|
|
Mínimo para treinamento (pipeline) |
1 |
4 |
0 |
|
|
Fornecimento do Modelo DU (habilidade de ML, uma réplica) |
1 |
4 |
0 |
|
|
Treinamento do modelo DU |
2 |
24 |
Altamente recomendado |
|
A tabela a seguir descreve os recursos necessários para implementações pequenas e médias do AI Center. Observe que esses números são orientações gerais. Nesta tabela, o Data Disk é necessário em todos os nós do servidor. Isso não é necessário em nós de agente.
|
Usar |
CPU |
RAM (GiB) |
GPU |
Disco (GiB) |
|---|---|---|---|---|
|
Implementação de pequeno porte:
|
4 |
32 |
0 |
|
|
Implementação de porte médio:
|
8 |
52 |
Altamente recomendado |
|
rancher = 80 GiB na partição rancher
2 1 pipeline * 105 GB = 105 Disco de dados
rancher = 160 GiB na partição rancher
4 (2 pipelines + 1 pipeline DU) * 105 GB = 315 Disco de dados
