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

L'interfaccia 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 il codice AWS Management Console precedente al 31/08/2022 o il precedente 22/02/23, l' AWS Command Line Interface istanza di Studio Classic è impostata come predefinita su 1. JupyterLab Dopo il 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 è stata rilasciata 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 IAM della policy

È possibile utilizzare le chiavi delle condizioni della IAM policy per limitare la versione JupyterLab che gli utenti possono avviare.

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

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

{
    "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 seguente politica mostra come limitare la JupyterLab versione a livello di applicazione. Affinché questa politica venga applicata, ARN la CreateApp richiesta deve includere l'immagine.

{
    "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"
                }
            }
        }
    ]
}

Impostazione di una JupyterLab versione predefinita

Nelle sezioni seguenti viene illustrato 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 delle risorse. Per impostare la JupyterLab versione predefinita utilizzando la console, vederePanoramica SageMaker del dominio Amazon. 

Dal AWS CLI

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

Per impostare la JupyterLab versione predefinita utilizzando il AWS CLI, è necessario includere ARN la JupyterLab versione predefinita desiderata come parte di un AWS CLI comando. Ciò ARN varia in base alla versione e alla regione del SageMaker dominio. 

La tabella seguente elenca ARNs le JupyterLab versioni disponibili per ogni regione:

Crea o aggiorna il dominio

È possibile impostare una JupyterServer versione predefinita a livello di dominio richiamando CreateDomaino UpdateDomaine passando il UserSettings.JupyterServerAppSettings.DefaultResourceSpec.SageMakerImageArn campo.

Di seguito viene illustrato come creare un dominio con JupyterLab 3 come impostazione predefinita, 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"
    }
  }
}'

Di seguito viene illustrato 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 CreateUserProfileo UpdateUserProfilee passando il UserSettings.JupyterServerAppSettings.DefaultResourceSpec.SageMakerImageArn campo.

Di seguito viene illustrato come creare un profilo utente con JupyterLab 3 come impostazione predefinita 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"
    }
  }
}'

Di seguito viene illustrato 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 e estensioni di Jupyter Server

In JupyterLab 3, è necessario attivare l'ambiente studio conda prima di installare le estensioni. Il metodo per farlo è diverso se installi le estensioni da Studio Classic o utilizzi uno script di configurazione del ciclo di vita.

Installazione dell'estensione dall'interno di Studio Classic

Per installare le estensioni da Studio Classic, è necessario attivare l'studioambiente prima di installare le estensioni.

# 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 state installando JupyterLab estensioni di Jupyter Server nello script di configurazione del ciclo di vita, dovete 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 utilizza solo JupyterLab 3, puoi utilizzare il seguente codice nello script:

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


# Install your extensions
pip install <JUPYTER_EXTENSION>


conda deactivate