Automatisation CLI

Automatisez les locations de GPU avec l'interface CLI clore — scripts bash, pipelines CI/CD, supervision et opérations par lots

Prérequis : Installez le SDK (pip install clore-ai) et configurez votre clé API. Voir le Démarrage rapide Python si vous ne l'avez pas encore fait.

Flux de travail de base

La boucle principale : recherche → déployer → connecter → annuler.

# 1. Trouver un GPU
clore search --gpu "RTX 4090" --max-price 2.0 --sort price --limit 5

# 2. Déployer (utilisez un ID de serveur de l'étape 1)
clore deploy 142 \
  --image cloreai/ubuntu22.04-cuda12 \
  --type on-demand \
  --currency bitcoin \
  --ssh-password MySecurePass \
  --port 22:tcp \
  --port 8888:http

# 3. Vérifiez vos commandes
clore orders

# 4. SSH sur le serveur
clore ssh 38

# 5. Annuler lorsque terminé
clore cancel 38

# 6. Vérifier le solde du portefeuille
clore wallets

---

Référence des commandes CLI

Commande	Description
clore search	Rechercher sur le marché des GPU
clore deploy <server_id>	Créer une nouvelle commande
clore orders	Lister les commandes actives
clore orders --completed	Lister toutes les commandes, y compris celles terminées
clore ssh <order_id>	Se connecter en SSH à une commande active
clore cancel <order_id>	Annuler une commande
clore wallets	Afficher les soldes des portefeuilles
clore servers	Lister vos serveurs hébergés
clore server-config <name>	Afficher la configuration du serveur
clore spot <server_id>	Voir le marché spot pour un serveur
clore spot-price <order_id> <price>	Définir le prix spot pour une commande
clore config set <key> <value>	Définir une valeur de configuration
clore config get <key>	Obtenir une valeur de configuration
clore config show	Afficher toute la configuration

---

Scripting avec la CLI

Déployer et attendre SSH

#!/bin/bash
# deploy-and-connect.sh — Déployer un serveur et se connecter en SSH lorsqu'il est prêt

set -euo pipefail

SERVER_ID=${1:?Usage: $0 <server_id>}
IMAGE=${2:-cloreai/ubuntu22.04-cuda12}
PASSWORD="AutoDeploy$(date +%s)"

echo "🚀 Déploiement du serveur $SERVER_ID..."
clore deploy "$SERVER_ID" \
  --image "$IMAGE" \
  --type on-demand \
  --currency bitcoin \
  --ssh-password "$PASSWORD" \
  --port 22:tcp

echo "⏳ En attente que la commande soit prête..."
sleep 15

echo "📦 Commandes actives :"
clore orders

echo ""
echo "🔑 Mot de passe SSH : $PASSWORD"
echo "💡 Connectez-vous avec : clore ssh <order_id>"

Trouver le GPU le moins cher et déployer

#!/bin/bash
# cheapest-gpu.sh — Trouver et déployer le GPU le moins cher correspondant aux critères

GPU_MODEL=${1:-"RTX 4090"}
MAX_PRICE=${2:-5.0}

echo "🔍 Recherche du $GPU_MODEL le moins cher à moins de \$$MAX_PRICE/h..."
clore search --gpu "$GPU_MODEL" --max-price "$MAX_PRICE" --sort price --limit 5

echo ""
read -p "Entrez l'ID du serveur à déployer (ou 'q' pour quitter) : " SERVER_ID

if [ "$SERVER_ID" = "q" ]; then
    echo "Annulé."
    exit 0
fi

read -sp "Mot de passe SSH : " SSH_PASS
echo ""

clore deploy "$SERVER_ID" \
  --image cloreai/ubuntu22.04-cuda12 \
  --type on-demand \
  --currency bitcoin \
  --ssh-password "$SSH_PASS" \
  --port 22:tcp \
  --port 8888:http

echo "✅ Déployé ! Vérifiez 'clore orders' pour le statut."

Annuler toutes les commandes

#!/bin/bash
# cancel-all.sh — Annuler toutes les commandes actives

echo "📦 Commandes actuelles :"
clore orders

echo ""
read -p "Annuler TOUTES les commandes actives ? (yes/no) : " CONFIRM

if [ "$CONFIRM" = "yes" ]; then
    # Utiliser une commande Python en une ligne car la CLI annule une commande à la fois
    python3 -c "
from clore_ai import CloreAI
client = CloreAI()
orders = client.my_orders()
for o in orders:
    client.cancel_order(o.id, issue='Batch cleanup')
    print(f'Cancelled order {o.id}')
print(f'Done. Cancelled {len(orders)} orders.')
"
else
    echo "Annulé."
fi

---

Intégration CI/CD

GitHub Actions : Déployer un GPU pour l'entraînement

# .github/workflows/train.yml
name: GPU Training

on:
  workflow_dispatch:
    inputs:
      gpu_model:
        description: 'Modèle de GPU'
        default: 'RTX 4090'
      max_price:
        description: 'Prix max USD/h'
        default: '2.0'

env:
  CLORE_API_KEY: ${{ secrets.CLORE_API_KEY }}

jobs:
  train:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4

      - name: Install clore-ai
        run: pip install clore-ai

      - name: Find and deploy GPU
        run: |
          python3 << 'EOF'
          import time, os
          from clore_ai import CloreAI

          client = CloreAI()

          # Find cheapest matching GPU
          servers = client.marketplace(
              gpu="${{ github.event.inputs.gpu_model }}",
              max_price_usd=float("${{ github.event.inputs.max_price }}")
          )
          servers.sort(key=lambda s: s.price_usd or float("inf"))

          if not servers:
              print("No servers available!")
              exit(1)

          best = servers[0]
          print(f"Deploying on server {best.id}: {best.gpu_model} @ ${best.price_usd:.4f}/h")

          order = client.create_order(
              server_id=best.id,
              image="cloreai/ubuntu22.04-cuda12",
              type="on-demand",
              currency="bitcoin",
              ssh_password=os.environ.get("SSH_PASSWORD", "CITraining123"),
              ports={"22": "tcp"},
              command="bash /workspace/train.sh"
          )

          print(f"Order {order.id} created")

          # Wait for ready
          for _ in range(30):
              orders = client.my_orders()
              o = next((x for x in orders if x.id == order.id), None)
              if o and o.pub_cluster:
                  print(f"Ready: {o.pub_cluster}")
                  break
              time.sleep(10)

          # Save order ID for cleanup
          with open(os.environ["GITHUB_ENV"], "a") as f:
              f.write(f"ORDER_ID={order.id}\n")
          EOF

      - name: Wait for training to complete
        run: |
          echo "Training in progress..."
          # Add your monitoring logic here
          sleep 60

      - name: Cleanup GPU
        if: always()
        run: |
          python3 -c "
          from clore_ai import CloreAI
          import os
          client = CloreAI()
          order_id = int(os.environ.get('ORDER_ID', 0))
          if order_id:
              client.cancel_order(order_id, issue='CI job complete')
              print(f'Cancelled order {order_id}')
          "

GitLab CI : Traitement par lots

# .gitlab-ci.yml
gpu-batch-job:
  stage: process
  image: python:3.11
  variables:
    CLORE_API_KEY: $CLORE_API_KEY
  before_script:
    - pip install clore-ai
  script:
    - |
      python3 << 'EOF'
      from clore_ai import CloreAI
      import time

      client = CloreAI()

      servers = client.marketplace(gpu="RTX 4090", max_price_usd=3.0)
      if not servers:
          print("No GPUs available")
          exit(1)

      servers.sort(key=lambda s: s.price_usd or float("inf"))
      order = client.create_order(
          server_id=servers[0].id,
          image="cloreai/ubuntu22.04-cuda12",
          type="spot",
          currency="bitcoin",
          spot_price=0.00005,
          ports={"22": "tcp"}
      )
      print(f"Deployed: order {order.id}")

      # ... do work ...

      client.cancel_order(order.id)
      print("Done and cleaned up")
      EOF
  after_script:
    - |
      python3 -c "
      from clore_ai import CloreAI
      client = CloreAI()
      for o in client.my_orders():
          client.cancel_order(o.id, issue='CI cleanup')
      "

---

Surveillance

Vérifier périodiquement les commandes

#!/bin/bash
# monitor.sh — Vérifier les commandes toutes les 60 secondes

while true; do
    echo "=== $(date) ==="
    clore orders
    clore wallets
    echo ""
    sleep 60
done

Script de surveillance Python

#!/usr/bin/env python3
"""monitor-orders.py — Surveiller les commandes actives et alerter en cas de problème."""

import time
from clore_ai import CloreAI

POLL_INTERVAL = 60  # secondes
LOW_BALANCE_THRESHOLD = 0.001  # BTC

def monitor():
    client = CloreAI()

    while True:
        try:
            # Check orders
            orders = client.my_orders()
            print(f"[{time.strftime('%H:%M:%S')}] Commandes actives : {len(orders)}")
            for o in orders:
                print(f"  Commande {o.id} : type={o.type}, IP={o.pub_cluster or 'pending'}")

            # Check balance
            wallets = client.wallets()
            for w in wallets:
                if w.name.lower() == "bitcoin" and w.balance < LOW_BALANCE_THRESHOLD:
                    print(f"  ⚠️  Solde BTC faible : {w.balance:.8f}")

        except Exception as e:
            print(f"  ❌ Erreur : {e}")

        time.sleep(POLL_INTERVAL)

if __name__ == "__main__":
    monitor()

---

Opérations par lot

Déployer sur plusieurs serveurs

#!/bin/bash
# batch-deploy.sh — Déployer sur plusieurs serveurs

SERVER_IDS=(142 305 891 450)
IMAGE="cloreai/ubuntu22.04-cuda12"
PASSWORD="BatchRun$(date +%s)"

for SID in "${SERVER_IDS[@]}"; do
    echo "🚀 Déploiement sur le serveur $SID..."
    clore deploy "$SID" \
      --image "$IMAGE" \
      --type on-demand \
      --currency bitcoin \
      --ssh-password "$PASSWORD" \
      --port 22:tcp \
      || echo "⚠️  Échec du déploiement sur $SID"
    sleep 6  # Respecter les limites de taux
done

echo ""
echo "📦 Toutes les commandes :"
clore orders
echo "🔑 Mot de passe : $PASSWORD"

Déploiement par lot avec Python (Async)

#!/usr/bin/env python3
"""batch-deploy.py — Déployer sur plusieurs serveurs simultanément."""

import asyncio
from clore_ai import AsyncCloreAI
from clore_ai.exceptions import CloreAPIError

async def batch_deploy(server_ids, image="cloreai/ubuntu22.04-cuda12"):
    async with AsyncCloreAI() as client:
        tasks = [
            client.create_order(
                server_id=sid,
                image=image,
                type="on-demand",
                currency="bitcoin",
                ssh_password="BatchPass123",
                ports={"22": "tcp"}
            )
            for sid in server_ids
        ]

        results = await asyncio.gather(*tasks, return_exceptions=True)

        for sid, result in zip(server_ids, results):
            if isinstance(result, CloreAPIError):
                print(f"❌ Serveur {sid} : {result}")
            elif isinstance(result, Exception):
                print(f"❌ Serveur {sid} : {result}")
            else:
                print(f"✅ Serveur {sid} : Commande {result.id}")

if __name__ == "__main__":
    import sys
    server_ids = [int(x) for x in sys.argv[1:]]
    if not server_ids:
        print("Usage: python batch-deploy.py 142 305 891")
        exit(1)
    asyncio.run(batch_deploy(server_ids))

Utilisation :

python batch-deploy.py 142 305 891

Scanner le marché Spot

#!/bin/bash
# spot-scanner.sh — Scanner les prix spot pour une liste de serveurs

SERVERS=(6 12 42 100)

echo "📊 Scan du marché Spot — $(date)"
echo "---"

for SID in "${SERVERS[@]}"; do
    echo "Serveur $SID :"
    clore spot "$SID"
    echo ""
done

---

Jobs Cron

Vérification quotidienne du prix GPU

# Ajouter au crontab : crontab -e
# Exécuter tous les jours à 9h
0 9 * * * CLORE_API_KEY=your_key /usr/local/bin/clore search --gpu "RTX 4090" --sort price --limit 5 >> /var/log/clore-prices.log 2>&1

Vérification horaire du solde

# Vérifier le solde toutes les heures
0 * * * * CLORE_API_KEY=your_key /usr/local/bin/clore wallets >> /var/log/clore-balance.log 2>&1

---

Conseils

1. Toujours définir CLORE_API_KEY comme variable d'environnement dans les scripts et CI

2. Ajouter sleep 6 entre les commandes de déploiement dans les boucles bash pour respecter les limites de taux

3. Utiliser --type spot pour les jobs par lot/CI — moins cher et interrompable, c'est acceptable

4. Annuler les commandes dans after_script / if: always() pour éviter une facturation oubliée

5. Stocker les mots de passe SSH dans les secrets (GitHub Secrets, variables GitLab CI, etc.)

6. Utiliser clore orders --completed pour auditer l'utilisation passée

---

Étapes suivantes

• Guide du SDK Python — Référence complète du SDK avec modèles async

• Traitement par lots — Traiter de grandes charges de travail IA

• Intégration API — Connecter les services IA à vos applications