บทบาท `ML_FULL_ACCESS` มีส่วนสำคัญในการกำหนดค่าและการรวม DeepSeek กับ OpenSearch Service บทบาทนี้เป็นส่วนหนึ่งของปลั๊กอินความปลอดภัย OpenSearch และใช้ในการจัดการคุณสมบัติการเข้าถึงการเรียนรู้ของเครื่อง (ML) ภายใน OpenSearch
คำอธิบายบทบาท
บทบาท `ML_FULL_ACCESS` จะช่วยให้สามารถเข้าถึงคุณสมบัติ ML ทั้งหมดได้อย่างเต็มที่ภายใน OpenSearch ซึ่งรวมถึงความสามารถในการเริ่มงาน ML ใหม่, การอ่านโมเดลและการลบโมเดล มันให้การควบคุมที่ครอบคลุมเกี่ยวกับฟังก์ชัน ML ทำให้จำเป็นสำหรับผู้ใช้ที่ต้องการจัดการและดำเนินการงาน ML ภายใน OpenSearch [2]
การรวมเข้ากับ Deepseek
เมื่อรวม Deepseek เข้ากับ OpenSearch บทบาท `ML_FULL_ACCESS` จะใช้เพื่อให้แน่ใจว่าเอนทิตีที่ได้รับการรับรองความถูกต้องสามารถเรียกใช้การโทร API ที่เกี่ยวข้องกับงาน ML ซึ่งรวมถึงการสร้างตัวเชื่อมต่อไปยังโมเดลภายนอกเช่นที่ได้รับจาก Deepseek โดยการทำแผนที่บทบาทของ IAM กับบทบาท `ML_FULL_ACCESS` ผู้ใช้สามารถมั่นใจได้ว่าอัตลักษณ์ AWS ของพวกเขามีสิทธิ์ที่จำเป็นในการโต้ตอบกับโมเดล Deepseek ผ่าน OpenSearch [1] [3]
ขั้นตอนการกำหนดค่า
ในการกำหนดค่าบทบาท `ml_full_access` สำหรับใช้กับ Deepseek คุณมักจะทำตามขั้นตอนเหล่านี้:
1. สร้างบทบาทของ IAM: สร้างบทบาทของ IAM ที่อนุญาตให้ OpenSearch โต้ตอบกับจุดสิ้นสุดของ Sagemaker และสร้างตัวเชื่อมต่อ บทบาทเหล่านี้เป็นสิ่งจำเป็นสำหรับการตั้งค่าสิทธิ์ที่จำเป็นและความสัมพันธ์ที่ไว้วางใจ [1]
2. แผนที่บทบาทแบ็กเอนด์: ใน Dashboards OpenSearch นำทางไปยังบทบาท `ML_FULL_ACCESS` และทำแผนที่บทบาท IAM ARNS ที่สร้างขึ้นก่อนหน้านี้เพื่อแบ็กเอนด์บทบาท ขั้นตอนนี้ทำให้มั่นใจได้ว่าผู้ใช้ที่มีบทบาท IAM เหล่านี้สามารถเข้าถึงคุณสมบัติ ML ได้อย่างเต็มที่ใน OpenSearch [3] [6]
3. ตรวจสอบการตั้งค่า: หลังจากกำหนดค่าบทบาทและการอนุญาตให้ตรวจสอบว่าการตั้งค่ากำลังทำงานโดยเรียกใช้แบบสอบถามทดสอบผ่าน Dashboards OpenSearch สิ่งนี้ทำให้มั่นใจได้ว่าคุณสามารถเชื่อมต่อกับโมเดล Deepseek และดำเนินการงาน ML ได้สำเร็จ [1]
โดยสรุปบทบาท `ML_FULL_ACCESS` มีความสำคัญสำหรับการจัดการคุณสมบัติ ML ใน OpenSearch และสร้างความมั่นใจว่าการรวมเข้าด้วยกันอย่างราบรื่นกับโมเดล Deepseek โดยการให้สิทธิ์ที่จำเป็นสำหรับการดำเนินงาน ML และการเข้าถึงโมเดลภายนอก
การอ้างอิง:
[1] https://aws.amazon.com/blogs/big-data/use-deepseek-with-amazon-opensearch-service-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/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-provide-for-model-access