（オプション) カスタムイメージとライフサイクル設定の移行 - Amazon SageMaker
カスタムイメージの移行ライフサイクル設定の移行

翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

（オプション) カスタムイメージとライフサイクル設定の移行

Amazon SageMaker Studio で簡素化されたローカル実行モデルを使用するには、カスタムイメージとライフサイクル設定 (LCC) スクリプトを更新する必要があります。ドメインにカスタムイメージまたはライフサイクル設定を作成していない場合は、このフェーズをスキップします。

Amazon SageMaker Studio Classic は、以下の分割環境で動作します。

  • を実行するJupyterServerアプリケーション Jupyter Server.

  • 1 つ以上のKernelGatewayアプリケーションで実行されている Studio Classic ノートブック。

Studio が分割環境から移行しました。Studio は、ローカルランタイムモデルで Code-OSS、Visual Studio Code - Open Source アプリケーションに基づいて、 JupyterLab と Code Editor を実行します。アーキテクチャの変更の詳細については、「Amazon SageMaker Studio での生産性の向上」を参照してください。

カスタムイメージの移行

既存の Studio Classic カスタムイメージが Studio で機能しない場合があります。Studio で使用する要件を満たす新しいカスタムイメージを作成することをお勧めします。Studio のリリースにより、 を提供することでカスタムイメージを構築するプロセスが簡素化されますSageMaker ディストリビューションイメージ。 SageMaker ディストリビューションイメージには、機械学習、データサイエンス、データ分析の視覚化のための一般的なライブラリとパッケージが含まれます。基本 SageMaker ディストリビューションイメージと Amazon Elastic Container Registry アカウント情報のリストについては、「」を参照してくださいStudio Classic で使用できる Amazon SageMaker イメージ。

カスタムイメージを構築するには、次のいずれかを実行します。

  • カスタムパッケージとモジュールを使用して SageMaker ディストリビューションイメージを拡張します。これらのイメージは、Code-、Visual Studio Code-オープンソースに基づいてOSS、 JupyterLab および Code Editor で事前設定されています。

  • の手順に従って、カスタム Dockerfile ファイルを作成しますDockerfile の仕様。をインストールする必要があります JupyterLab と オープンソース CodeServer Studio と互換性を持たせるために、 イメージで を使用します。

ライフサイクル設定の移行

Studio ではローカルランタイムモデルが簡素化されているため、既存の Studio Classic の構造を移行することをお勧めしますLCCs。Studio Classic では、多くの場合、両方のライフサイクル設定を個別に作成する必要があります。KernelGateway また、JupyterServer アプリケーション。は JupyterServer また、KernelGateway Studio Classic 内の個別のコンピューティングリソースで実行されるアプリケーション、Studio Classic は次のいずれかのタイプLCCsになります。

  • JupyterServer LCC: LCCsこれらは主に、プロキシの設定、環境変数の作成、リソースの自動シャットダウンなど、ユーザーのホームアクションを管理します。

  • KernelGateway LCC: これらは Studio Classic ノートブック環境の最適化LCCsを管理します。これには、カーネルの numpy Data Science 3.0 パッケージバージョンの更新と、カーネルの snowflake Pytorch 2.0 GPU パッケージのインストールが含まれます。

簡素化された Studio アーキテクチャでは、アプリケーションの起動時に実行されるLCCスクリプトは 1 つだけ必要です。LCC スクリプトの移行は開発環境によって異なりますが、JupyterServer また、KernelGateway LCCs を組み合わせて を構築しますLCC。

LCCs Studio では、次のいずれかのアプリケーションに関連付けることができます。

  • JupyterLab

  • コードエディタ

ユーザーは、スペースを作成するときにLCC各アプリケーションタイプの を選択するか、管理者によってLCC設定されたデフォルトを使用できます。

注記

既存の Studio Classic 自動シャットダウンスクリプトは Studio では機能しません。Studio 自動シャットダウンスクリプトの例については、SageMaker 「Studio ライフサイクル設定の例」を参照してください。

リファクタリング時の考慮事項 LCCs

のリファクタリングを行うときは、Studio Classic と Studio の以下の違いを考慮してくださいLCCs。

  • JupyterLab および Code Editor アプリケーションは、作成時に UID:1001および sagemaker-userと同様に実行されますGID:101。デフォルトでは、 sagemaker-userには sudo/root アクセス許可を引き受けるアクセス許可があります。KernelGateway アプリケーションはrootデフォルトで として実行されます。

  • SageMaker JupyterLab および Code Editor アプリケーション内で実行されるディストリビューションイメージは、Debianベースのパッケージマネージャー、apt-get。

  • Studio JupyterLab および Code Editor アプリケーションは、Conda package manager. SageMaker creates a single base Python3 Conda Studio アプリケーションが起動されたときの環境。ベースでのパッケージの更新については、「」を参照してください。Conda 環境と新しい の作成 Conda 環境については、「」を参照してくださいJupyterLab ユーザーガイド。対照的に、すべての KernelGateway アプリケーションが使用する Conda パッケージマネージャーとして。

  • Studio JupyterLab アプリケーションは を使用しJupyterLab 4.0、Studio Classic は を使用しますJupyterLab 3.0。すべての JupyterLab 使用する 拡張機能は、 と互換性がありますJupyterLab 4.0。拡張機能の詳細については、「4 JupyterLab .0 との拡張機能の互換性」を参照してください。