Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Baik Anda baru mengenal grafik dan ingin belajar dan bereksperimen, atau Anda berpengalaman dan ingin menyempurnakan kueri Anda, meja kerja Neptunus menawarkan lingkungan pengembangan interaktif (IDE) yang dapat meningkatkan produktivitas Anda saat Anda membuat aplikasi grafik. Workbench menyediakan antarmuka yang mudah digunakan untuk berinteraksi dengan database Neptunus Anda, menulis kueri, dan memvisualisasikan data Anda.
Dengan menggunakan AWS CloudFormation template untuk mengatur database Neptunus Anda, dan Workbench untuk mengembangkan aplikasi grafik Anda, Anda dapat memulai dengan Neptunus dengan cepat dan efisien, tanpa perlu perkakas tambahan. Ini memungkinkan Anda untuk fokus pada membangun aplikasi Anda daripada menyiapkan infrastruktur yang mendasarinya.
catatan
Notebook Neptunus, yang dikelola melalui SageMaker Amazon AI AI, saat ini tidak tersedia di wilayah Asia Pasifik (Malaysia) (ap-tenggara 5). Namun, Anda masih dapat menggunakan notebook Neptunus melalui opsi alternatif yang tidak dikelola. Lihat Menyiapkan notebook Neptunus secara manual untuk menyebarkan buku catatan secara manual.
Neptunus menyediakan
Anda dapat meng-host notebook ini dengan beberapa cara berbeda:
-
Meja kerja Neptunus memungkinkan Anda menjalankan notebook Jupyter di lingkungan yang dikelola sepenuhnya, dihosting di SageMaker Amazon AI, dan secara otomatis memuat rilis terbaru proyek notebook grafik Neptunus untuk Anda.
Sangat mudah untuk mengatur meja kerja di konsol Neptunus saat Anda membuat database Neptunus baru. catatan
Saat membuat instance notebook Neptunus, Anda diberikan dua opsi untuk akses jaringan: Akses langsung melalui SageMaker Amazon AI (default) dan akses melalui VPC. Dalam kedua opsi, notebook memerlukan akses ke internet untuk mengambil dependensi paket untuk menginstal meja kerja Neptunus. Kurangnya akses internet akan menyebabkan pembuatan instance notebook Neptunus gagal.
Anda juga dapat menginstal Jupyter secara lokal. Ini memungkinkan Anda menjalankan notebook dari laptop Anda, terhubung ke Neptunus atau ke instance lokal dari salah satu database grafik sumber terbuka. Dalam kasus terakhir, Anda dapat bereksperimen dengan teknologi grafik sebanyak yang Anda inginkan sebelum Anda menghabiskan satu sen. Kemudian, ketika Anda siap, Anda dapat bergerak dengan lancar ke lingkungan produksi terkelola yang ditawarkan Neptunus.
Menggunakan workbench Neptune untuk meng-host notebook Neptune
Neptunus T3 menawarkan T4g dan jenis instans yang dapat Anda mulai dengan harga kurang dari $0,10 per jam. Anda ditagih untuk sumber daya meja kerja melalui Amazon SageMaker AI, terpisah dari penagihan Neptunus Anda. Lihat halaman harga Neptunus
Anda dapat membuat Jupyter atau JupyterLab notebook menggunakan meja kerja Neptunus dengan salah satu dari dua cara: AWS Management Console
Gunakan menu konfigurasi Notebook saat membuat cluster DB Neptunus baru. Untuk melakukan ini, ikuti langkah-langkah yang diuraikan. Meluncurkan cluster DB Neptunus menggunakan AWS Management Console
Gunakan menu Notebooks di panel navigasi kiri setelah cluster DB Anda telah dibuat. Untuk melakukan ini, ikuti langkah-langkah di bawah ini.
Untuk membuat Jupyter atau JupyterLab notebook menggunakan menu Notebooks
Pada panel navigasi di sebelah kiri, pilih Notebook.
Pilih Buat Notebook.
Di daftar Klaster, pilih nama klaster DB Neptune Anda. Jika Anda belum memiliki klaster DB, pilih Buat klaster untuk membuatnya.
Pilih jenis instans Notebook.
Beri nama notebook Anda, dan deskripsinya bila mau.
-
Kecuali Anda telah membuat peran AWS Identity and Access Management (IAM) untuk buku catatan Anda, pilih Buat peran IAM, dan masukkan nama peran IAM.
catatan
Jika Anda memilih untuk menggunakan kembali peran IAM yang dibuat untuk buku catatan sebelumnya, kebijakan peran harus berisi izin yang benar untuk mengakses kluster DB Neptunus yang Anda gunakan. Anda dapat memverifikasi ini dengan memeriksa apakah komponen dalam ARN sumber daya di bawah
neptune-db:*tindakan cocok dengan cluster tersebut. Izin yang tidak dikonfigurasi dengan benar mengakibatkan kesalahan koneksi saat Anda mencoba menjalankan perintah ajaib notebook. Pilih Buat Notebook. Proses pembuatan mungkin memakan waktu 5 hingga 10 menit sebelum semuanya siap.
Setelah buku catatan Anda dibuat, pilih dan kemudian pilih Buka Jupyter atau Buka. JupyterLab
Konsol dapat membuat (IAM) role AWS Identity and Access Management untuk notebook Anda, atau Anda dapat membuatnya sendiri. Kebijakan untuk peran ini harus mencakup berikut ini:
{If you do choose to re-use "Version": "2012-10-17", "Statement": [ { "Effect": "Allow", "Action": [ "s3:GetObject", "s3:ListBucket" ], "Resource": [ "arn:aws:s3:::aws-neptune-notebook", "arn:aws:s3:::aws-neptune-notebook/*" "arn:aws:s3:::aws-neptune-notebook-(AWS region)", "arn:aws:s3:::aws-neptune-notebook-(AWS region)/*" ] }, { "Effect": "Allow", "Action": "neptune-db:*", "Resource": [ "arn:aws:neptune-db:(AWS region):(AWS account ID):(Neptune resource ID)/*" ] } ] }
Perhatikan bahwa pernyataan kedua dalam kebijakan di atas mencantumkan satu atau lebih sumber daya cluster Neptunus. IDs
Selain itu, peran harus menetapkan hubungan kepercayaan berikut:
{ "Version": "2012-10-17", "Statement": [ { "Effect": "Allow", "Principal": { "Service": "sagemaker.amazonaws.com" }, "Action": "sts:AssumeRole" } ] }
Sekali lagi, menyiapkan semuanya bisa memakan waktu 5 hingga 10 menit.
Anda dapat mengonfigurasi notebook baru Anda agar berfungsi dengan Neptunus ML, seperti yang dijelaskan di. Mengkonfigurasi notebook Neptunus secara manual untuk Neptunus ML
Menggunakan Python untuk menghubungkan notebook SageMaker AI generik ke Neptunus
Menghubungkan notebook ke Neptunus mudah jika Anda telah menginstal sihir Neptunus, tetapi juga memungkinkan untuk menghubungkan SageMaker notebook AI ke Neptunus menggunakan Python, bahkan jika Anda tidak menggunakan notebook Neptunus.
Langkah-langkah yang harus diambil untuk terhubung ke Neptunus di SageMaker sel notebook AI
-
Instal klien Python Gremlin:
!pip install gremlinpythonNotebook Neptunus menginstal klien Python Gremlin untuk Anda, jadi langkah ini hanya diperlukan jika Anda menggunakan notebook AI biasa. SageMaker
-
Tulis kode seperti berikut ini untuk menghubungkan dan mengeluarkan kueri Gremlin:
from gremlin_python import statics from gremlin_python.structure.graph import Graph from gremlin_python.process.graph_traversal import __ from gremlin_python.process.strategies import * from gremlin_python.driver.driver_remote_connection import DriverRemoteConnection from gremlin_python.driver.aiohttp.transport import AiohttpTransport from gremlin_python.process.traversal import * import os port = 8182 server = '(your server endpoint)' endpoint = f'wss://{server}:{port}/gremlin' graph=Graph() connection = DriverRemoteConnection(endpoint,'g', transport_factory=lambda:AiohttpTransport(call_from_event_loop=True)) g = graph.traversal().withRemote(connection) results = (g.V().hasLabel('airport') .sample(10) .order() .by('code') .local(__.values('code','city').fold()) .toList()) # Print the results in a tabular form with a row index for i,c in enumerate(results,1): print("%3d %4s %s" % (i,c[0],c[1])) connection.close()
catatan
Jika Anda kebetulan menggunakan versi klien Python Gremlin yang lebih tua dari 3.5.0, baris ini:
connection = DriverRemoteConnection(endpoint,'g',
transport_factory=lambda:AiohttpTransport(call_from_event_loop=True))Hanya akan menjadi:
connection = DriverRemoteConnection(endpoint,'g')Mengaktifkan CloudWatch log pada Notebook Neptunus
CloudWatch log sekarang diaktifkan secara default untuk Notebook Neptunus. Jika Anda memiliki buku catatan lama yang tidak menghasilkan CloudWatch log, ikuti langkah-langkah berikut untuk mengaktifkannya secara manual:
Masuk ke AWS Management Console dan buka konsol SageMaker AI
. Pada panel navigasi di sebelah kiri, pilih Notebook, lalu Instans Notebook. Cari nama notebook Neptunus yang ingin Anda aktifkan log.
Buka halaman detail dengan memilih nama instance notebook itu.
Jika instance notebook sedang berjalan, pilih tombol Stop, di kanan atas halaman detail notebook.
Di bawah Izin dan enkripsi ada bidang untuk peran IAM ARN. Pilih tautan di bidang ini untuk pergi ke peran IAM yang dijalankan oleh instance notebook ini.
-
Buat kebijakan berikut:
{ "Version": "2012-10-17", "Statement": [ { "Effect": "Allow", "Action": [ "logs:CreateLogDelivery", "logs:CreateLogGroup", "logs:CreateLogStream", "logs:DeleteLogDelivery", "logs:Describe*", "logs:GetLogDelivery", "logs:GetLogEvents", "logs:ListLogDeliveries", "logs:PutLogEvents", "logs:PutResourcePolicy", "logs:UpdateLogDelivery" ], "Resource": "*" } ] } Simpan kebijakan baru ini dan lampirkan ke Peran IAM yang ditemukan di Langkah 4.
Klik Mulai di kanan atas halaman detail instans notebook SageMaker AI.
Saat log mulai mengalir, Anda akan melihat tautan Lihat Log di bawah bidang berlabel konfigurasi Siklus Hidup di dekat kiri bawah bagian pengaturan instans Notebook pada halaman detail.
Jika notebook gagal memulai, akan ada pesan dari halaman detail notebook di konsol SageMaker AI, yang menyatakan bahwa instance notebook membutuhkan waktu lebih dari 5 menit untuk memulai. CloudWatch log yang relevan dengan masalah ini dapat ditemukan dengan nama ini:
(your-notebook-name)/LifecycleConfigOnStart
Menyiapkan notebook grafik di komputer lokal Anda
Proyek grafik-notebook memiliki instruksi untuk menyiapkan notebook Neptune di mesin lokal Anda:
Anda dapat menghubungkan notebook lokal Anda baik ke klaster DB Neptune, atau ke instans lokal atau remote dari basis data grafik sumber terbuka.
Menggunakan notebook Neptune dengan klaster Neptune
Jika Anda terhubung ke cluster Neptunus di bagian belakang, Anda mungkin ingin menjalankan notebook di Amazon AI. SageMaker Menghubungkan ke Neptunus SageMaker dari AI bisa lebih nyaman daripada dari instalasi notebook lokal, dan itu akan memungkinkan Anda bekerja lebih mudah dengan Neptunus ML.
Untuk petunjuk tentang cara mengatur notebook di SageMaker AI, lihat Meluncurkan grafik-notebook menggunakan Amazon
Untuk petunjuk tentang cara mengatur dan mengonfigurasi Neptune sendiri, lihat Menyiapkan Amazon Neptunus.
Anda juga dapat menghubungkan instalasi lokal notebook Neptune ke klaster DB Neptune. Ini bisa agak lebih rumit karena klaster DB Amazon Neptune hanya dapat dibuat di Amazon Virtual Private Cloud (VPC), yang secara desain terisolasi dari dunia luar. Ada beberapa cara untuk terhubung ke VPC dari luarnya. Salah satunya adalah menggunakan penyeimbang beban. Lainnya adalah dengan menggunakan peering VPC (lihat Panduan Peering Amazon Virtual Private Cloud).
Cara yang paling nyaman bagi kebanyakan orang, bagaimanapun, adalah untuk terhubung untuk mengatur server EC2 proxy Amazon dalam VPC dan kemudian menggunakan SSH tunnellingadditional-databases/neptune di folder proyek grafik-notebook.
Menggunakan notebook Neptune dengan basis data grafik sumber terbuka
Untuk memulai dengan teknologi grafik tanpa biaya, Anda juga dapat menggunakan notebook Neptune dengan berbagai basis data sumber terbuka di ujung belakang. Contohnya adalah server TinkerPop Gremlin
Untuk menggunakan Gremlin Server sebagai basis data back-end Anda, ikuti langkah-langkah berikut:
Menghubungkan grafik-notebook ke folder Server Gremlin
. GitHub Folder konfigurasi Gremlin grafik-notebook
. GitHub
Untuk menggunakan instance lokal Blazegraph
Tinjau instruksi mulai cepat Blazegraph
untuk memahami pengaturan dasar dan konfigurasi yang diperlukan untuk menjalankan instance Blazegraph. Akses GitHub folder konfigurasi Blazegraph grafik-notebook
yang berisi file dan instruksi yang diperlukan untuk menyiapkan instance Blazegraph lokal. Di dalam GitHub repositori, navigasikan ke direktori “blazegraph” dan ikuti instruksi yang diberikan untuk menyiapkan instance Blazegraph lokal Anda. Ini termasuk langkah-langkah untuk mengunduh perangkat lunak Blazegraph, mengonfigurasi file yang diperlukan, dan memulai server Blazegraph.
Setelah menjalankan instance Blazegraph lokal, Anda dapat mengintegrasikannya dengan aplikasi Anda sebagai basis data backend untuk data dan kueri berbasis grafik Anda. Lihat dokumentasi dan kode contoh yang disediakan di repositori grafik-notebook untuk mempelajari cara menghubungkan aplikasi Anda ke instance Blazegraph.
Migrasi notebook Neptunus Anda dari Jupyter ke 3 JupyterLab
Notebook Neptunus yang dibuat sebelum 21 Desember 2022 menggunakan lingkungan Amazon Linux 1. Anda dapat memigrasikan notebook Jupyter lama yang dibuat sebelum tanggal tersebut ke lingkungan Amazon Linux 2 yang baru dengan JupyterLab 3 dengan mengambil langkah-langkah yang dijelaskan dalam posting AWS blog ini: Migrasikan pekerjaan Anda ke SageMaker instance notebook Amazon dengan Amazon
Selain itu, ada juga beberapa langkah lagi yang berlaku khusus untuk memigrasikan notebook Neptunus ke lingkungan baru:
Prasyarat khusus Neptunus
Di peran IAM notebook Neptunus sumber, tambahkan semua izin berikut:
{
"Effect": "Allow",
"Action": [
"s3:GetObject",
"s3:ListBucket",
"s3:CreateBucket",
"s3:PutObject"
],
"Resource": [
"arn:aws:s3:::(your ebs backup bucket name)",
"arn:aws:s3:::(your ebs backup bucket name)/*"
]
},
{
"Effect": "Allow",
"Action": [
"sagemaker:ListTags"
],
"Resource": [
"*"
]
}Pastikan untuk menentukan ARN yang benar untuk bucket S3 yang akan Anda gunakan untuk membuat cadangan.
Konfigurasi siklus hidup khusus Neptunus
Saat membuat skrip konfigurasi Siklus Hidup kedua untuk memulihkan cadangan (darion-create.sh) seperti yang dijelaskan dalam posting blog, nama Siklus Hidup harus mengikuti format, seperti. aws-neptune-* aws-neptune-sync-from-s3 Ini memastikan bahwa LCC dapat dipilih selama pembuatan notebook di konsol Neptunus.
Sinkronisasi khusus Neptunus dari snapshot ke instance baru
Dalam langkah-langkah yang dijelaskan dalam posting blog untuk menyinkronkan dari snapshot ke instance baru, berikut adalah perubahan khusus Neptunus:
Pada langkah 4, pilih notebook-al2-v2.
Pada langkah 5, gunakan kembali peran IAM dari sumber notebook Neptunus.
-
Antara langkah 7 dan 8:
Dalam pengaturan instance Notebook, tetapkan nama yang menggunakan
aws-neptune-*format.Buka akordeon pengaturan Jaringan dan pilih grup VPC, Subnet, dan Keamanan yang sama seperti di notebook sumber.
Langkah-langkah khusus Neptunus setelah notebook baru dibuat
Pilih tombol Open Jupyter untuk notebook. Setelah
SYNC_COMPLETEfile muncul di direktori utama, lanjutkan ke langkah berikutnya.Buka halaman instance notebook di konsol SageMaker AI.
Hentikan notebook.
Pilih Edit.
Di pengaturan instance notebook, edit bidang konfigurasi Siklus Hidup dengan memilih Siklus Hidup asli notebook Neptunus sumber. Perhatikan bahwa ini bukan Siklus Hidup cadangan EBS.
Pilih Perbarui pengaturan buku catatan.
Mulai notebook lagi.
Dengan modifikasi yang dijelaskan di sini untuk langkah-langkah yang diuraikan dalam posting blog, notebook grafik Anda sekarang harus dimigrasikan ke instance notebook Neptunus baru yang menggunakan lingkungan Amazon Linux 2 dan 3. JupyterLab Mereka akan muncul untuk akses dan manajemen di halaman Neptunus di AWS Management Console, dan Anda sekarang dapat melanjutkan pekerjaan Anda dari tempat Anda tinggalkan dengan memilih Open Jupyter atau Open. JupyterLab
Menyiapkan notebook Neptunus secara manual
Anda juga dapat menggunakan paket AWS sumber terbuka yang tersedia untuk graph-notebook dan graph-explorer untuk menyiapkan lingkungan notebook Neptunus. Meskipun ada beberapa cara untuk menyiapkan notebook menggunakan paket sumber terbuka, pendekatan yang disarankan adalah:
-
Siapkan grafik-notebook di komputer
lokal Anda dan terowongan EC2 SSH Amazon yang menghubungkan mesin lokal Anda ke cluster Neptunus pada VPC yang sama dengan instans Amazon. EC2 -
Siapkan graph-explorer
pada EC2 instans Amazon dalam VPC Anda.
Untuk petunjuk terperinci tentang pengaturan paket graph-notebook dan graph-explorer
Konfigurasi keamanan
Saat menyiapkan lingkungan Anda, pastikan konfigurasi keamanan berikut diatur sesuai:
-
Grup keamanan cluster Neptunus - Izinkan lalu lintas TCP yang masuk pada port 8182 dari grup keamanan instans Amazon Anda. EC2
-
Grup keamanan EC2 instans Amazon - Konfigurasikan aturan HTTPS masuk untuk mengaktifkan akses Graph Explorer.
Sebaiknya gunakan satu grup keamanan untuk cluster Neptunus dan instans Amazon Anda. EC2 Ini menyederhanakan konfigurasi dan mengurangi potensi masalah konektivitas. Namun, ingatlah untuk menambahkan aturan referensi diri untuk memungkinkan komunikasi antar sumber daya dalam grup.
