Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

JupyterLab Versionnage

L'interface Amazon SageMaker Studio Classic est basée sur JupyterLab un environnement de développement interactif basé sur le Web pour les blocs-notes, le code et les données. Studio Classic ne prend en charge que l'utilisation de JupyterLab 3.

Si vous avez créé votre domaine et votre profil utilisateur AWS Management Console avant le 31/08/2022 ou AWS Command Line Interface avant le 22/02/23, la valeur par défaut de votre instance Studio Classic était 1. JupyterLab Après le 01/07/2024, vous ne pourrez plus créer d'applications Studio Classic qui exécutent JupyterLab 1.

JupyterLab 3

JupyterLab 3 inclut les fonctionnalités suivantes qui ne sont pas disponibles dans les versions précédentes. Pour plus d'informations sur ces fonctionnalités, voir la JupyterLab version 3.0 est sortie ! .

Changements importants apportés à JupyterLab 3

Tenez compte des points suivants lorsque vous utilisez JupyterLab 3 :

Restreindre JupyterLab la version par défaut à l'aide d'une clé IAM de condition de politique

Vous pouvez utiliser des clés de condition de IAM politique pour restreindre la version JupyterLab que vos utilisateurs peuvent lancer.

La politique suivante indique comment limiter la JupyterLab version au niveau du domaine.

{
    "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"
                }
            }
        }
    ]
}

La politique suivante indique comment limiter la JupyterLab version au niveau du profil utilisateur.

{
    "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"
                }
            }
        }
    ]
}

La politique suivante indique comment limiter la JupyterLab version au niveau de l'application. La CreateApp demande doit inclure l'image ARN pour que cette politique s'applique.

{
    "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"
                }
            }
        }
    ]
}

Configuration d'une JupyterLab version par défaut

Les sections suivantes montrent comment définir une JupyterLab version par défaut pour Studio Classic à l'aide de la console ou du AWS CLI. 

À partir de la console

Vous pouvez sélectionner la JupyterLab version par défaut à utiliser au niveau du domaine ou du profil utilisateur lors de la création des ressources. Pour définir la JupyterLab version par défaut à l'aide de la console, voirVue d'ensemble SageMaker du domaine Amazon. 

À partir du AWS CLI

Vous pouvez sélectionner la JupyterLab version par défaut à utiliser au niveau du domaine ou du profil utilisateur à l'aide du AWS CLI. 

Pour définir la JupyterLab version par défaut à l'aide du AWS CLI, vous devez inclure ARN la JupyterLab version par défaut souhaitée dans le cadre d'une AWS CLI commande. Cela ARN varie en fonction de la version et de la région du SageMaker domaine. 

Le tableau suivant répertorie ARNs les JupyterLab versions disponibles pour chaque région :

Création ou mise à jour d'un domaine

Vous pouvez définir une JupyterServer version par défaut au niveau du domaine en invoquant CreateDomainou UpdateDomainen transmettant le UserSettings.JupyterServerAppSettings.DefaultResourceSpec.SageMakerImageArn champ.

Ce qui suit montre comment créer un domaine avec JupyterLab 3 comme valeur par défaut, en utilisant AWS CLI :

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"
    }
  }
}'

Voici comment mettre à jour un domaine pour qu'il utilise JupyterLab 3 par défaut, en utilisant 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"
    }
  }
}'

Création ou mise à jour d'un profil utilisateur

Vous pouvez définir une JupyterServer version par défaut au niveau du profil utilisateur en invoquant CreateUserProfileou UpdateUserProfileen transmettant le UserSettings.JupyterServerAppSettings.DefaultResourceSpec.SageMakerImageArn champ.

Voici comment créer un profil utilisateur avec JupyterLab 3 comme valeur par défaut sur un domaine existant, à l'aide de AWS CLI :

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"
    }
  }
}'

Ce qui suit montre comment mettre à jour un profil utilisateur pour utiliser JupyterLab 3 par défaut, en utilisant 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"
    }
  }
}'

Afficher et mettre à jour la JupyterLab version d'une application depuis la console

Ce qui suit montre comment afficher et mettre à jour la JupyterLab version d'une application.

Installation JupyterLab et extensions Jupyter Server

En JupyterLab 3, vous devez activer l'environnement studio conda avant d'installer les extensions. La méthode à suivre est différente si vous installez les extensions depuis Studio Classic ou si vous utilisez un script de configuration du cycle de vie.

Installation de l'extension depuis Studio Classic

Pour installer des extensions depuis Studio Classic, vous devez activer l'studioenvironnement avant d'installer les extensions.

# Before installing extensions
conda activate studio

# Install your extensions
pip install <JUPYTER_EXTENSION>

# After installing extensions
conda deactivate

Installation d'extensions à l'aide d'un script de configuration du cycle de vie

Si vous installez JupyterLab des extensions Jupyter Server dans votre script de configuration du cycle de vie, vous devez modifier votre script pour qu'il fonctionne avec JupyterLab 3. Les sections suivantes présentent le code nécessaire pour les scripts existant et nouveau de configuration du cycle de vie.

Script existant de configuration du cycle de vie

Si vous réutilisez un script de configuration du cycle de vie existant qui doit fonctionner avec les deux versions de JupyterLab, utilisez le code suivant dans votre script :

# 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;

Nouveau script de configuration du cycle de vie

Si vous écrivez un nouveau script de configuration du cycle de vie qui n'utilise que JupyterLab 3, vous pouvez utiliser le code suivant dans votre script :

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


# Install your extensions
pip install <JUPYTER_EXTENSION>


conda deactivate