メインコンテンツまでスキップ
に最終更新

AI ランタイム 向けの Databricks CLI クイックスタート

備考

プレビュー

この機能は パブリック プレビュー段階です。

Databricks CLIを使用して、AI ランタイムでGPUワークロードを送信および監視します。最小限のGPUチェックから起動し、独自のPythonコードを実行して、ランを検査します。

要件​

  • AI Runtime が有効になっている Databricks ワークスペース。要件を参照してください。
  • ワークスペースにインストールされ、認証済みの最新の Databricks CLI。Databricks CLI のインストールまたは更新およびDatabricks CLI の認証を参照してください。
  • Python の例を実行するには、Git がインストールされ、PATH で利用可能である必要があります。CLI は Git を使用してローカルコードをパッケージ化します。

Databricks CLI で air コマンドが使用可能であることを確認してください：

Bash
databricks air --help

最小限のワークロードをランする​

1つのA10 GPUを要求し、nvidia-smiを実行してGPU名を出力するworkload.yamlファイルを作成します：

YAML
experiment_name: air-quickstart
compute:
  num_accelerators: 1
  accelerator_type: GPU_1xA10
command: nvidia-smi --query-gpu=name --format=csv,noheader

ワークロードを送信し、databricks air runを使用してそのLogsをストリームします：

Bash
databricks air run --file workload.yaml --watch

CLIはジョブ実行 IDと、ワークスペース内のランへのLinkを返します。--watchはターミナルを接続したまま、ワークロードが完了するまでLogsをストリームします。

Text
Submitting experiment: air-quickstart
Submitted workload with Job Run ID: 783940125630184
View job run at: https://example.cloud.databricks.com/jobs/runs/783940125630184?o=1234567890123456

Monitoring run and streaming logs...
...
Environment setup completed at Thu Oct 1 14:23:45 UTC 2026
NVIDIA A10

独自の Python コードを実行する​

ローカルの Python コードをuploadしてランするには、次のファイルを含む air-quickstart ディレクトリを作成します：

air-quickstart/
├── workload.yaml
└── main.py

AIランタイムがuploadしたコードをGPU上でランすることを確認するには、次の最小限のPythonコードを使用します。

Python
import torch

print("Hello from Python on AI Runtime")
print(f"GPU: {torch.cuda.get_device_name(0)}")

この例を拡張するには、main.py を独自のトレーニング、バッチ推論、またはその他の AI アプリケーションに置き換えることができます。

workload.yamlには次の構成を使用します：

YAML
experiment_name: python-quickstart
environment:
  version: databricks_ai_v6
compute:
  num_accelerators: 1
  accelerator_type: GPU_1xH100
code_source:
  type: snapshot
  snapshot:
    root_path: .
command: python "$CODE_SOURCE_PATH/main.py"

この構成では、次の設定を使用します。

  • environment.version 組み込みのDatabricks AI環境バージョン6を選択します。この環境にはPyTorchが含まれています。
  • root_path: . workload.yaml を含むディレクトリを upload します。ランタイム時に、$CODE_SOURCE_PATH はuploadされたディレクトリを指します。

AIランタイムは、1台のH100 GPU上でmain.pyをランします。

「air-quickstart」ディレクトリからワークロードを送信します：

Bash
databricks air run --file workload.yaml --watch

ストリームされたLogsには次の情報が含まれます。

Text
...
Hello from Python on AI Runtime
GPU: NVIDIA H100 80GB HBM3

環境、コードソース、コンピュート、およびその他のワークロード設定を構成するには、Workload YAML リファレンスを参照してください。

ランを調査​

送信出力のジョブ実行IDを使用してランを検査します：

Bash
databricks air get <job-run-id>

databricks air get ランステータス、構成、およびタイミングを表示します。また、ジョブの実行へのリンクと、利用可能な場合は MLflow ランへのリンクも提供します。

送信後にLogsをストリームする場合や、中断されたストリームを再開する場合は、次を実行します：

Bash
databricks air logs <job-run-id>

CLIには、ワークロードの一覧表示、調査、キャンセル、Logsの取得を行う追加のコマンドが用意されています。air コマンドリファレンスを参照してください。

リファレンス​

その他のリソース​

このページの見出し