Role `ML_FULL_ACCESS` hraje klíčovou roli v konfiguraci a integraci DeepSeek s OpenSearch Service. Tato role je součástí pluginu OpenSearch Security a používá se ke správě funkcí přístupu k strojovému učení (ML) v rámci OpenSearch.
Popis role
Role `ML_full_access` poskytuje plný přístup ke všem funkcím ML v rámci OpenSearch. To zahrnuje schopnost spustit nové úkoly ML, číst modely a odstranit modely. Poskytuje komplexní kontrolu nad funkcemi ML, takže je nezbytné pro uživatele, kteří potřebují spravovat a provádět ML úkoly v rámci OpenSearch [2].
Integrace s DeepSeek
Při integraci DeepSeek s OpenSearch se používá role `ML_FULL_ACCESS` k zajištění toho, aby ověřené entity mohly provádět hovory API související s ML úkoly. To zahrnuje vytváření konektorů s externími modely, jako jsou ty, které poskytují DeepSeek. Mapováním rolí IAM do role „ML_FULL_ACCESS“ mohou uživatelé zajistit, aby jejich identita AWS měla nezbytná oprávnění k interakci s hlubokými modely prostřednictvím OpenSearch [1] [3].
Konfigurační kroky
Chcete -li nakonfigurovat roli `ML_FULL_ACCESS` Pro použití s DeepSeekem, obvykle postupujete na tyto kroky:
1. Vytvoření rolí IAM: Generujte role IAM, které umožňují OpenSearch interagovat s koncovými body SageMaker a vytvářet konektory. Tyto role jsou nezbytné pro nastavení nezbytných oprávnění a vztahů s důvěry [1].
2. Mapa backend role: V openSearch dashboards přejděte na roli „ML_FULL_ACCESS“ a mapujte roli iAM ARNS vytvořené dříve, aby Backend role. Tento krok zajišťuje, že uživatelé s těmito rolemi IAM mají v OpenSearch plný přístup k funkcím ML [3] [6].
3. Ověřte nastavení: Po konfiguraci rolí a oprávnění ověřte, že nastavení funguje pomocí testovacích dotazů prostřednictvím openSearch dashboards. Tím je zajištěno, že se můžete úspěšně připojit k modelům DeepSeek a provádět ML úkoly [1].
Stručně řečeno, role `ML_FULL_ACCESS` je zásadní pro správu funkcí ML v OpenSearch a zajištění plynulé integrace s modely DeepSeek poskytnutím nezbytných oprávnění pro provádění úkolů ML a přístup k externím modelům.
Citace:
[1] https://aws.amazon.com/blogs/big-data/use-deepseek-with-amazon-opensearch-service-vector-tatabase-and-amazon-sagemaker/
[2] https://opensearch.org/docs/latest/ml-commons-plugin/model-access-control/
[3] https://github.com/opensearch-project/ml-commons/blob/main/docs/tutorials/aws/rag_with_deepseek_r1_model_on_sagemaker.md
[4] https://github.com/opensearch-project/ml-commons/blob/main/docs/tutorials/aws/rag_with_deepseek_r1_model_on_bedrock.md
[5] https://github.com/opensearch-project/ml-commons/blob/main/docs/tutorials/aws/deepseek_demo_notebook_for_rag.ipynb
[6] https://opensearch.org/docs/latest/vector-search/Tutorials/RAG/RAG-DEEPSEEK-CHAT/
[7] https://github.com/opensearch-project/ml-commons/blob/main/docs/tutorials/aws/rag_with_deepseek_chat_model.md
[8] https://zilliz.com/ai-faq/what-apis-does-deepseek-for-model-Access