Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

JupyterLab Controllo delle versioni in Amazon Studio Classic SageMaker

L'interfaccia di Amazon SageMaker Studio Classic si basa su JupyterLab, un ambiente di sviluppo interattivo basato sul Web per notebook, codice e dati. Studio Classic supporta solo l'utilizzo di 3. JupyterLab

Se hai creato il dominio e il profilo utente utilizzando la versione Console di gestione AWS precedente a 08/31 /2022 o la versione AWS Command Line Interface precedente a 02/22 /23, l'istanza di Studio Classic per impostazione predefinita era 1. JupyterLab Dopo 07/01 /2024, non è possibile creare alcuna applicazione Studio Classic che esegua 1. JupyterLab

JupyterLab 3

JupyterLab 3 include le seguenti funzionalità che non sono disponibili nelle versioni precedenti. Per ulteriori informazioni su queste funzionalità, vedi la JupyterLab versione 3.0! .

Modifiche importanti a JupyterLab 3

Quando usi JupyterLab 3, considera quanto segue:

Limitazione della JupyterLab versione predefinita utilizzando una chiave di condizione della politica IAM

Puoi utilizzare le chiavi di condizione della policy IAM per limitare la versione JupyterLab che gli utenti possono avviare.

La seguente politica mostra come limitare la JupyterLab versione a livello di dominio.

JSON

{
    "Version":"2012-10-17",
    "Statement": [
        {
            "Sid": "BlockJupyterLab3DomainLevelAppCreation",
            "Effect": "Deny",
            "Action": [
                "sagemaker:CreateDomain",
                "sagemaker:UpdateDomain"
            ],
            "Resource": "*",
            "Condition": {
                "ForAnyValue:ArnLike": {
                    "sagemaker:ImageArns": "arn:aws:sagemaker:us-east-1:111122223333:image/jupyter-server-3"
                }
            }
        }
    ]
}

La seguente politica mostra come limitare la JupyterLab versione a livello di profilo utente.

JSON

{
    "Version":"2012-10-17",
    "Statement": [
        {
            "Sid": "BlockUsersFromCreatingJupyterLab3Apps",
            "Effect": "Deny",
            "Action": [
                "sagemaker:CreateUserProfile",
                "sagemaker:UpdateUserProfile"
            ],
            "Resource": "*",
            "Condition": {
                "ForAnyValue:ArnLike": {
                    "sagemaker:ImageArns": "arn:aws:sagemaker:us-east-1:111122223333:image/jupyter-server-3"
                }
            }
        }
    ]
}

La seguente politica mostra come limitare la JupyterLab versione a livello di applicazione. La richiesta CreateApp deve includere l’ARN immagine affinché questa policy venga applicata.

JSON

{
    "Version":"2012-10-17",
    "Statement": [
        {
            "Sid": "BlockJupyterLab3AppLevelAppCreation",
            "Effect": "Deny",
            "Action": "sagemaker:CreateApp",
            "Resource": "*",
            "Condition": {
                "ForAnyValue:ArnLike": {
                    "sagemaker:ImageArns": "arn:aws:sagemaker:us-east-1:111122223333:image/jupyter-server-3"
                }
            }
        }
    ]
}

Impostazione di una JupyterLab versione predefinita

Le sezioni seguenti mostrano come impostare una JupyterLab versione predefinita per Studio Classic utilizzando la console o il AWS CLI. 

Mediante la console

È possibile selezionare la JupyterLab versione predefinita da utilizzare a livello di dominio o di profilo utente durante la creazione della risorsa. Per impostare la JupyterLab versione predefinita utilizzando la console, consultaPanoramica del dominio Amazon SageMaker AI. 

Dal AWS CLI

È possibile selezionare la JupyterLab versione predefinita da utilizzare a livello di dominio o di profilo utente utilizzando il AWS CLI. 

Per impostare la JupyterLab versione predefinita utilizzando il AWS CLI, è necessario includere l'ARN della JupyterLab versione predefinita desiderata come parte di un AWS CLI comando. Questo ARN è diverso in base alla versione e alla regione del SageMaker dominio AI. 

La tabella seguente elenca gli ARN delle JupyterLab versioni disponibili per ciascuna regione:

Creazione o aggiornamento del dominio

È possibile impostare una JupyterServer versione predefinita a livello di dominio richiamando CreateDomain o UpdateDomain e passando il UserSettings.JupyterServerAppSettings.DefaultResourceSpec.SageMakerImageArn campo.

Quanto segue mostra come creare un dominio con JupyterLab 3 come predefinito, utilizzando: 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"
    }
  }
}'

Quanto segue mostra come aggiornare un dominio per utilizzare JupyterLab 3 come predefinito, utilizzando 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"
    }
  }
}'

Creazione o aggiornamento di un profilo utente

È possibile impostare una JupyterServer versione predefinita a livello di profilo utente richiamando CreateUserProfile o UpdateUserProfile e passando il UserSettings.JupyterServerAppSettings.DefaultResourceSpec.SageMakerImageArn campo.

Quanto segue mostra come creare un profilo utente con JupyterLab 3 come predefinito su un dominio esistente, utilizzando: 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"
    }
  }
}'

Quanto segue mostra come aggiornare un profilo utente per utilizzare JupyterLab 3 come predefinito, utilizzando 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"
    }
  }
}'

Visualizza e aggiorna la JupyterLab versione di un'applicazione dalla console

Di seguito viene illustrato come visualizzare e aggiornare la JupyterLab versione di un'applicazione.

Installazione JupyterLab ed estensioni del server Jupyter

In JupyterLab 3, è necessario attivare l'ambiente studio conda prima di installare le estensioni. Il metodo varia se stai installando le estensioni da Studio Classic o con uno script di configurazione del ciclo di vita.

Installazione dell’estensione da Studio Classic

Prima di installare le estensioni da Studio Classic, devi attivare l’ambiente studio.

# Before installing extensions
conda activate studio

# Install your extensions
pip install <JUPYTER_EXTENSION>

# After installing extensions
conda deactivate

Installazione delle estensioni tramite uno script di configurazione del ciclo di vita

Se stai installando JupyterLab delle estensioni di Jupyter Server nello script di configurazione del ciclo di vita, devi modificare lo script in modo che funzioni con 3. JupyterLab Le sezioni seguenti mostrano il codice necessario per gli script di configurazione del ciclo di vita esistenti e nuovi.

Script di configurazione del ciclo di vita

Se stai riutilizzando uno script di configurazione del ciclo di vita esistente che deve funzionare con entrambe le versioni di JupyterLab, utilizza il codice seguente nello 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;

Nuovo script di configurazione del ciclo di vita

Se stai scrivendo un nuovo script di configurazione del ciclo di vita che ne utilizza solo JupyterLab 3, puoi utilizzare il codice seguente nello script:

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


# Install your extensions
pip install <JUPYTER_EXTENSION>


conda deactivate