Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

JupyterLab Versionierung

Die Amazon SageMaker Studio Classic-Oberfläche basiert auf JupyterLab einer webbasierten interaktiven Entwicklungsumgebung für Notebooks, Code und Daten. Studio Classic unterstützt nur die Verwendung von JupyterLab 3.

Wenn Sie Ihre Domain und Ihr Benutzerprofil AWS Management Console vor dem 31.08.2022 oder vor dem 22.02.23 erstellt haben, wurde Ihre Studio Classic-Instanz standardmäßig auf 1 gesetzt. AWS Command Line Interface JupyterLab Nach dem 01.07.2024 können Sie keine Studio Classic-Anwendungen mehr erstellen, auf denen 1 ausgeführt wird. JupyterLab

JupyterLab 3

JupyterLab 3 umfasst die folgenden Funktionen, die in früheren Versionen nicht verfügbar waren. Weitere Informationen zu diesen Funktionen finden Sie unter JupyterLab 3.0 ist veröffentlicht! .

Wichtige Änderungen an JupyterLab 3

Beachten Sie bei der Verwendung von JupyterLab 3 Folgendes:

Einschränken der JupyterLab Standardversion mithilfe eines IAM Richtlinienbedingungsschlüssels

Sie können IAM die Bedingungsschlüssel für Richtlinien verwenden, um die Version einzuschränken JupyterLab , die Ihre Benutzer starten können.

Die folgende Richtlinie zeigt, wie Sie die JupyterLab Version auf Domänenebene einschränken können.

{
    "Version": "2012-10-17",
    "Statement": [
        {
            "Sid": "Block users from creating JupyterLab 3 apps at the domain level",
            "Effect": "Deny",
            "Action": [
                "sagemaker:CreateDomain",
                "sagemaker:UpdateDomain"
            ],
            "Resource": "*",
            "Condition": {
                "ForAnyValue:StringLike": {
                    "sagemaker:ImageArns": "*image/jupyter-server-3"
                }
            }
        }
    ]
}

Die folgende Richtlinie zeigt, wie die JupyterLab Version auf Benutzerprofilebene begrenzt werden kann.

{
    "Version": "2012-10-17",
    "Statement": [
        {
            "Sid": "Block users from creating JupyterLab 3 apps at the user profile level",
            "Effect": "Deny",
            "Action": [
                "sagemaker:CreateUserProfile",
                "sagemaker:UpdateUserProfile"
            ],
            "Resource": "*",
            "Condition": {
                "ForAnyValue:StringLike": {
                    "sagemaker:ImageArns": "*image/jupyter-server-3"
                }
            }
        }
    ]
}

Die folgende Richtlinie zeigt, wie die JupyterLab Version auf Anwendungsebene begrenzt werden kann. Die CreateApp Anfrage muss das Bild enthalten, ARN damit diese Richtlinie gilt.

{
    "Version": "2012-10-17",
    "Statement": [
        {
            "Sid": "Block users from creating JupyterLab 3 apps at the application level",
            "Effect": "Deny",
            "Action": "sagemaker:CreateApp",
            "Resource": "*",
            "Condition": {
                "ForAnyValue:StringLike": {
                    "sagemaker:ImageArns": "*image/jupyter-server-3"
                }
            }
        }
    ]
}

Eine JupyterLab Standardversion festlegen

In den folgenden Abschnitten wird gezeigt, wie Sie mithilfe der Konsole oder der eine JupyterLab Standardversion für Studio Classic festlegen AWS CLI. 

Über die Konsole

Sie können die JupyterLab Standardversion auswählen, die bei der Ressourcenerstellung entweder auf Domänen- oder Benutzerprofilebene verwendet werden soll. Informationen zum Einstellen der JupyterLab Standardversion mithilfe der Konsole finden Sie unter SageMaker Amazon-Domain-Übersicht. 

Aus dem AWS CLI

Mit dem können Sie die JupyterLab Standardversion auswählen, die entweder auf Domänen- oder Benutzerprofilebene verwendet werden soll AWS CLI. 

Um die JupyterLab Standardversion mithilfe von festzulegen AWS CLI, müssen Sie die Version ARN der gewünschten JupyterLab Standardversion als Teil eines AWS CLI Befehls angeben. Dies ARN unterscheidet sich je nach Version und Region der SageMaker Domäne. 

In der folgenden Tabelle sind ARNs die verfügbaren JupyterLab Versionen für jede Region aufgeführt:

Domain erstellen oder aktualisieren

Sie können eine JupyterServer Standardversion auf Domänenebene festlegen, indem Sie CreateDomainoder aufrufen UpdateDomainund das UserSettings.JupyterServerAppSettings.DefaultResourceSpec.SageMakerImageArn Feld übergeben.

Im Folgenden wird gezeigt, wie Sie eine Domäne mit JupyterLab 3 als Standard erstellen, indem Sie Folgendes AWS CLI verwenden:

aws --region <REGION> \
sagemaker create-domain \
--domain-name <NEW_DOMAIN_NAME> \
--auth-mode <AUTHENTICATION_MODE> \
--subnet-ids <SUBNET-IDS> \
--vpc-id <VPC-ID> \
--default-user-settings '{
  "JupyterServerAppSettings": {
    "DefaultResourceSpec": {
      "SageMakerImageArn": "arn:aws:sagemaker:<REGION>:<ACCOUNT_ID>:image/jupyter-server-3",
      "InstanceType": "system"
    }
  }
}'

Im Folgenden wird gezeigt, wie Sie eine Domain so aktualisieren, dass sie JupyterLab 3 als Standard verwendet, und zwar mithilfe von AWS CLI:

aws --region <REGION> \
sagemaker update-domain \
--domain-id <YOUR_DOMAIN_ID> \
--default-user-settings '{
  "JupyterServerAppSettings": {
    "DefaultResourceSpec": {
      "SageMakerImageArn": "arn:aws:sagemaker:<REGION>:<ACCOUNT_ID>:image/jupyter-server-3",
      "InstanceType": "system"
    }
  }
}'

Benutzerprofil erstellen oder aktualisieren

Sie können eine JupyterServer Standardversion auf Benutzerprofilebene festlegen, indem Sie CreateUserProfileoder aufrufen UpdateUserProfileund das UserSettings.JupyterServerAppSettings.DefaultResourceSpec.SageMakerImageArn Feld übergeben.

Im Folgenden wird gezeigt, wie Sie ein Benutzerprofil mit JupyterLab 3 als Standard in einer vorhandenen Domäne erstellen, indem Sie Folgendes AWS CLI verwenden:

aws --region <REGION> \
sagemaker create-user-profile \
--domain-id <YOUR_DOMAIN_ID> \
--user-profile-name <NEW_USERPROFILE_NAME> \
--query UserProfileArn --output text \
--user-settings '{
  "JupyterServerAppSettings": {
    "DefaultResourceSpec": {
      "SageMakerImageArn": "arn:aws:sagemaker:<REGION>:<ACCOUNT_ID>:image/jupyter-server-3",
      "InstanceType": "system"
    }
  }
}'

Im Folgenden wird gezeigt, wie Sie ein Benutzerprofil so aktualisieren, dass es JupyterLab 3 als Standard verwendet. Dabei wird Folgendes verwendet AWS CLI:

aws --region <REGION> \
sagemaker update-user-profile \
 --domain-id <YOUR_DOMAIN_ID> \
 --user-profile-name <EXISTING_USERPROFILE_NAME> \
--user-settings '{
  "JupyterServerAppSettings": {
    "DefaultResourceSpec": {
      "SageMakerImageArn": "arn:aws:sagemaker:<REGION>:<ACCOUNT_ID>:image/jupyter-server-3",
      "InstanceType": "system"
    }
  }
}'

Die JupyterLab Version einer Anwendung von der Konsole aus anzeigen und aktualisieren

Im Folgenden wird gezeigt, wie Sie die JupyterLab Version einer Anwendung anzeigen und aktualisieren können.

Installation JupyterLab und Jupyter Server-Erweiterungen

In JupyterLab 3 müssen Sie die studio Conda-Umgebung aktivieren, bevor Sie Erweiterungen installieren. Die Methode hierfür unterscheidet sich, wenn Sie die Erweiterungen in Studio Classic installieren oder ein Lifecycle-Konfigurationsskript verwenden.

Erweiterung von Studio Classic aus installieren

Um Erweiterungen aus Studio Classic heraus zu installieren, müssen Sie die studio Umgebung aktivieren, bevor Sie Erweiterungen installieren.

# Before installing extensions
conda activate studio

# Install your extensions
pip install <JUPYTER_EXTENSION>

# After installing extensions
conda deactivate

Installieren von Erweiterungen mithilfe eines Lebenszyklus-Konfigurationsskripts

Wenn Sie Jupyter Server-Erweiterungen in Ihrem Lifecycle-Konfigurationsskript installieren JupyterLab , müssen Sie Ihr Skript so ändern, dass es mit 3 funktioniert. JupyterLab Die folgenden Abschnitte zeigen den Code, der für bestehende und neue Lebenszyklus-Konfigurationsskripten benötigt wird.

Bestehendes Lebenszyklus-Konfigurationsskript

Wenn Sie ein vorhandenes Lebenszyklus-Konfigurationsskript wiederverwenden, das mit beiden Versionen von funktionieren muss JupyterLab, verwenden Sie den folgenden Code in Ihrem Skript:

# Before installing extension
export AWS_SAGEMAKER_JUPYTERSERVER_IMAGE="${AWS_SAGEMAKER_JUPYTERSERVER_IMAGE:-'jupyter-server'}"
if [ "$AWS_SAGEMAKER_JUPYTERSERVER_IMAGE" = "jupyter-server-3" ] ; then
   eval "$(conda shell.bash hook)"
   conda activate studio
fi;

# Install your extensions
pip install <JUPYTER_EXTENSION>


# After installing extension
if [ "$AWS_SAGEMAKER_JUPYTERSERVER_IMAGE" = "jupyter-server-3" ]; then
   conda deactivate
fi;

Neues Skript für die Lebenszykluskonfiguration

Wenn Sie ein neues Lebenszykluskonfigurationsskript schreiben, das nur JupyterLab 3 verwendet, können Sie den folgenden Code in Ihrem Skript verwenden:

# Before installing extension
eval "$(conda shell.bash hook)"
conda activate studio


# Install your extensions
pip install <JUPYTER_EXTENSION>


conda deactivate