Rola „ml_full_access` odgrywa kluczową rolę w konfiguracji i integracji DeepSeek z usługą OpenSearch. Ta rola jest częścią wtyczki bezpieczeństwa OpenSearch i jest używana do zarządzania dostępem do funkcji uczenia maszynowego (ML) w OpenSearch.
Opis roli
Rola „ml_full_access` zapewnia pełny dostęp do wszystkich funkcji ML w ramach OpenSearch. Obejmuje to możliwość rozpoczęcia nowych zadań ML, czytania modeli i usuwania modeli. Zapewnia kompleksową kontrolę nad funkcjami ML, co czyni go niezbędnym dla użytkowników, którzy muszą zarządzać i wykonywać zadania ML w OpenSearch [2].
Integracja z DeepSeek
Podczas integracji DeepSeek z OpenSearch rola „ML_Full_Access` służy do zapewnienia, że uwierzytelnione jednostki mogą wykonywać połączenia API związane z zadaniami ML. Obejmuje to tworzenie złącza do modeli zewnętrznych, takich jak te dostarczone przez DeepSeek. Mapując role IAM na rolę „ML_Full_Access”, użytkownicy mogą upewnić się, że ich tożsamości AWS mają niezbędne uprawnienia do interakcji z modelami DeepSeek za pośrednictwem OpenSearch [1] [3].
Kroki konfiguracji
Aby skonfigurować rolę „ml_full_access` do użytku z DeepSeek, zazwyczaj postępujesz zgodnie z tymi krokami:
1. Utwórz role IAM: Generuj role IAM, które pozwalają OpenSearch na interakcję z punktami końcowymi SageMaker i tworzenie złączy. Role te są niezbędne do ustanowienia niezbędnych uprawnień i relacji zaufania [1].
2. Role zaplecza map: W pulpitach rozdzielczych OpenSearch przejdź do roli „ml_full_access” i mapuj rolę IAM, którą ARNS utworzył wcześniej w celu role backend. Ten krok zapewnia, że użytkownicy z ról IAM mają pełny dostęp do funkcji ML w OpenSearch [3] [6].
3. Weryfikacja konfiguracji: Po skonfigurowaniu ról i uprawnień sprawdź, czy konfiguracja działa, uruchamiając zapytania testowe za pośrednictwem pulpitów internetowych OpenSearch. Zapewnia to skuteczne połączenie z modelami DeepSeek i wykonać zadania ML [1].
Podsumowując, rola „ml_full_access` ma kluczową znaczenie dla zarządzania funkcjami ML w OpenSearch i zapewnienia bezproblemowej integracji z modelami DeepSeek poprzez zapewnienie niezbędnych uprawnień do wykonywania zadań ML i uzyskiwania dostępu do modeli zewnętrznych.
Cytaty:
[1] https://aws.amazon.com/blogs/big-data/use-deepseek-with-amazon-opensearch-ervice-vector-database-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/tuorials/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/tuorials/aws/rag_with_deepseek_chat_model.md
[8] https://zilliz.com/ai-faq/what-apis-does-deepseek-provide-for-model-access