기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
Amazon SageMaker Studio Classic 공유 스페이스는 공유 JupyterServer 애플리케이션과 공유 디렉터리로 구성됩니다. JupyterLab 공유 스페이스는 공유 JupyterLab 애플리케이션과 Amazon SageMaker Studio 내 공유 디렉터리로 구성됩니다. 도메인의 모든 사용자 프로필은 도메인의 모든 공유 스페이스에 액세스할 수 있습니다. Amazon SageMaker AI는 공유 공간에서 시작하는 Amazon SageMaker Studio Classic 애플리케이션의 컨텍스트 내에서 공유 공간의 리소스 범위를 자동으로 지정합니다. 공유 스페이스의 리소스에는 노트북, 파일, 실험 및 모델이 포함됩니다. 공유 스페이스를 사용하여 자동 태깅, 노트북의 실시간 공동 편집 및 사용자 지정과 같은 기능을 사용하여 실시간으로 다른 사용자와 협업할 수 있습니다.
공유 스페이스는 다음에서 사용할 수 있습니다.
-
Amazon SageMaker Studio Classic
-
JupyterLab
Studio Classic 공유 스페이스는 Studio Classic 및 KernelGateway 애플리케이션만 지원합니다. 공유 스페이스는 JupyterLab 3 이미지 Amazon 리소스 이름(ARN) 사용만 지원합니다. 자세한 내용은 Jupyterlab 버전 관리 단원을 참조하십시오.
Amazon SageMaker AI는 공유 공간의 범위 내에서 생성한 모든 SageMaker AI 리소스에 자동으로 태그를 지정합니다. 이러한 태그를 사용하면 AWS Budgets와 같은 도구를 사용하여 비용을 모니터링하고 예산을 계획할 수 있습니다.
공유 스페이스는 생성된 도메인과 동일한 VPC 설정을 사용합니다.
참고
공유 스페이스는 Amazon SageMaker Data Wrangler 또는 Amazon EMR 교차 계정 클러스터의 사용을 지원하지 않습니다.
자동 태깅
공유 스페이스에서 생성된 모든 리소스에는 도메인 ARN 태그와 공유 스페이스 ARN 태그가 자동으로 지정됩니다. 도메인 ARN 태그는 도메인 ID를 기반으로 하는 반면, 공유 스페이스 ARN 태그는 공유 스페이스 이름을 기반으로 합니다.
이러한 태그를 사용하여 AWS CloudTrail 사용량을 모니터링할 수 있습니다. 자세한 내용은 를 사용한 Amazon SageMaker API 호출 로그를 참조하세요 AWS CloudTrail.
또한 이러한 태그를 사용하여 비용을 모니터링할 수 있습니다 AWS Billing and Cost Management. 자세한 내용은 AWS 비용 할당 태그 사용을 참조하세요.
노트북의 실시간 공동 편집
공유 스페이스의 주요 이점은 공유 스페이스 멤버 간의 협업이 실시간으로 촉진된다는 것입니다. 작업 공간에서 협업하는 사용자는 노트북에 실시간으로 액세스하여 읽고, 편집할 수 있는 공유 Studio Classic 애플리케이션에 액세스할 수 있습니다. 실시간 협업은 공유 스페이스 내의 JupyterServer 애플리케이션에서만 지원됩니다.
공유 스페이스에 액세스할 수 있는 사용자는 해당 스페이스의 공유 Studio Classic 또는 JupyterLab 애플리케이션에서 Jupyter notebook을 동시에 열고, 보고, 편집하고, 실행할 수 있습니다.
노트북은 사용자 프로필 이름을 보여주는 다른 커서로 공동 편집 중인 각 사용자를 나타냅니다. 여러 사용자가 같은 노트북을 볼 수 있지만 공동 편집은 2~5명으로 구성된 소규모 그룹에 가장 적합합니다.
여러 사용자의 변경 내용을 추적하려면 Studio Classic에 내장된 Git 기반 버전 제어를 사용하는 것을 권장합니다.
JupyterServer 2
Studio Classic에서 공유 스페이스를 사용하려면 Jupyter Server 버전 2가 필요합니다. 특정 JupyterLab 확장 프로그램 및 패키지는 Jupyter 서버를 버전 1로 강제로 다운그레이드할 수 있습니다. 이렇게 하면 공유 스페이스를 사용할 수 없습니다. 명령 프롬프트에서 다음을 실행하여 버전 번호를 변경하고 공유 스페이스를 계속 사용하세요.
conda activate studio
pip install jupyter-server==2.0.0rc3공유 스페이스의 사용자 지정
라이프사이클 구성 또는 사용자 지정 이미지를 공유 스페이스에 첨부하려면 AWS CLI를 사용해야 합니다. 수명 주기 구성 생성 및 연결에 대한 자세한 내용은 수명 주기 구성 생성 및 연결섹션을 참조하세요. 사용자 지정 이미지 생성 및 연결에 대한 자세한 내용은 자체 SageMaker AI 이미지 가져오기섹션을 참조하세요.
