マネージド・ワークフローの紹介

プランの提供状況

Qiskit Functions とマネージド・ワークフローはベータ機能であり、Premium、Flex、On-Prem（IBM Quantum® Platform API 経由）の各プランのユーザーのみが利用できます。

マネージド・ワークフローは、IBM Quantum Platform が管理する古典コンピュートリソース上で、お客様のカスタム Python コードを実行します。コンピュートインフラストラクチャやストレージを管理することなく、量子・古典ハイブリッドのワークフロー、大規模な対角化、長時間実行される並列タスクを実行できます。

マネージド・ワークフローを使用する場合

構築済みの Catalog Function がお客様のタスクに対応していない場合、または独自の手法を再利用可能な関数としてパッケージ化したい場合に、マネージド・ワークフローを使用してください。マネージド・ワークフローは、次のようなことをしたい場合に適しています。

• クラウドで長時間のジョブを実行する。 ノートパソコンを閉じてもマネージド・ワークフローは実行し続けるため、後からジョブに再接続できます。

• 大容量メモリや GPU を備えたノードを使用する。 ワークロードに必要なメモリ、CPU、GPU のリソースを選択できます。

• タスクを並列実行する。 多数のシングルノードジョブを同時に開始できます。

お客様は、ワークフローのコード、その依存関係、およびワークフローがサポートするコンピュートサイズを提供します。マネージド・ワークフローは、お客様のパッケージがインストールされた構築済み環境の IBM® 管理のコンピュート上でワークフローを実行し、ワークフローが読み書きするファイル用のクラウドストレージを提供します。

マネージド・ワークフローの仕組み

ワークフローは一度アップロードすれば、必要な数だけジョブを実行できます。すべてのジョブは次のように動作します。

• ジョブは、ローカルディスクが空の新しい環境で開始されます。マネージド・ワークフローは、ジョブの終了後にその環境をシャットダウンします。

• ジョブは、ワークフローのアップロード時に定義したコンピュートサイズのいずれかで実行されます。実行ごとに異なるサイズを選択できます。

• ジョブは、ワークフローのファイルストレージを読み書きできます。ファイルストレージ内のファイルは、ジョブの終了後も保持されます。

各ジョブはローカルディスクが空の状態で開始されるため、後続のジョブが見つけられるのは、先行のジョブがファイルストレージに保存したファイルだけです。

実行のライフサイクル

各ジョブは非同期で最大 24 時間実行されます。インスタンスに十分な割り当てがある場合、最大 50 件のアクティブなジョブを同時に持てます。

次の表は、図の各ステージと、そのステージ中に表示されるジョブのステータスを説明しています。

ステージ	何が起こるか	ジョブのステータス
アップロード	ワークフローのコード、依存関係、サイズをアップロードします。無効なアップロードは、ジョブが実行される前にワークフローによって拒否されます。	なし（まだジョブはありません）
キュー	run() を呼び出します。ワークフローは、インスタンスに十分な割り当てがあるかを確認し、コンピュートが利用可能になった時点でジョブをスケジュールします。	QUEUED
開始	ワークフローは、選択したコンピュートプロファイルで環境を作成します。	INITIALIZING
実行	ワークフローのエントリポイントが実行されます。エントリポイントは update_status() で進行状況を報告でき、実行中は logs() でログを読み取れます。	RUNNING、または RUNNING: WAITING_FOR_QPU のように設定したステージ
結果	ジョブが終了し、ワークフローは結果とログを保持したまま環境をシャットダウンします。	DONE、ERROR、または CANCELED

実行中のジョブがアクセスできるもの

各ジョブは分離された環境で実行されます。次の図と表は、実行中のジョブが使用できるリソースを示しています。

リソース	ジョブが使用できるもの
コンピュート	ジョブ用に選択したコンピュートプロファイルの CPU、メモリ、GPU。
コードとパッケージ	ワークフローと一緒にアップロードしたファイルと、環境にインストールされているサポート対象のパッケージ。
引数	run() に渡した引数。get_arguments() で読み取れます。
QPU アクセス	run() の呼び出しに使用した認証情報とインスタンス。ワークフローが送信する QPU ジョブはお客様のインスタンス上で実行され、使用量に計上されます。
出力	ジョブが save_result() で保存する結果、ジョブが出力するログ、ジョブが update_status() で設定するステータス更新。
ファイルストレージ	ワークフローのすべての実行で共有されるファイル。ファイルはジョブの終了後もストレージに残ります。
インターネット	アクセスできません。ジョブは外部への接続を行えません。パッケージはワークフローのアップロード時に宣言し、データは引数またはファイルとして提供してください。

セキュリティと分離

マネージド・ワークフローは、各ジョブを他のジョブから分離し、その中で実行されるコードの権限を制限します。前の表に示したアクセス境界は、この分離の一部です。マネージド・ワークフローは、次の保護も適用します。

• ジョブの分離。 お客様のジョブの環境では、他のジョブは実行されません。これには、他のユーザーのジョブや、同時に実行されるお客様自身のジョブも含まれます。

• 結果、ログ、ストレージ。 ジョブの結果とログを読み取れるのは、そのジョブを実行したユーザーだけです。

• 認証情報。 マネージド・ワークフローは、ジョブが使用する認証情報（API トークンを含む）を保存する際に暗号化します。ワークフローのコードは、ジョブの実行中にこれらの認証情報を読み取れます。

• 権限。 マネージド・ワークフローは、エントリポイントが開始される前に、環境から管理者レベルの権限を削除します。

オンプレミス HPC との比較

マネージド・ワークフローは、コンピュート時間の取得方法、ソフトウェアのセットアップ、ジョブの送信方法の点でオンプレミスの HPC クラスターと異なります。次の表で、一般的なタスクを比較します。

タスク	オンプレミス HPC クラスター	マネージド・ワークフロー
コンピュート時間の取得	クラスター管理者に割り当てまたは予約を依頼します。	IBM Quantum インスタンスの割り当てを使用します。run() を呼び出すと、ワークフローが各ジョブをキューに入れます。
システムへのアクセス	SSH でログインノードに接続します。	ローカルコンピューター上の Python クライアントを使用します。マネージド・ワークフローにはログインノードはありません。
ソフトウェアのインストール	ソフトウェアをビルドする、モジュールをロードする、または管理者にパッケージのインストールを依頼します。	すべての環境にインストールされているサポート対象のパッケージを使用するか、その他のパッケージ用に wheel をアップロードします。
ジョブの送信	バッチスクリプトを書き、スケジューラーに送信します。	ジョブの引数を指定して run() を呼び出します。
リソースの要求	ノード、CPU、メモリ、GPU を要求します。	ワークフローに定義されたコンピュートサイズのいずれかを選択します。各ジョブは単一のノードで実行されます。
パラメータースイープの実行	ジョブ配列を送信します。	引数のセットごとに run() を 1 回呼び出します。
共有ファイルの保存	共有スクラッチファイルシステムに書き込みます。	ワークフローのファイルストレージに書き込みます。
実行時間の制限	実行時間（ウォールタイム）の上限を設定します。	ワークフローは 24 時間後にジョブをキャンセルします。
長時間ジョブのチェックポイント	スクラッチストレージにチェックポイントを書き込みます。	中間結果をファイルストレージに保存します。
失敗したジョブの再実行	ジョブを再送信します。	run() を再度呼び出します。ワークフローは、失敗したジョブを自動的に再試行しません。
ジョブの監視	ログインノードからキューとログファイルを確認します。	ローカルの Python セッションから、各ジョブのステータス、ログ、結果を確認します。

次のステップ

推奨事項

• クライアントパッケージをインストールし、認証します。
• 最初のマネージド・ワークフローをデプロイして、ワークフローのアップロード、実行、結果の取得を行います。