JupyterLab 사용 설명서

이 가이드는 JupyterLab 사용자에게 SageMaker Studio 내에서 분석 및 기계 학습 워크플로를 실행하는 방법을 보여줍니다. 필요에 따라 빠른 스토리지를 확보하고 컴퓨팅을 확장하거나 축소할 수 있습니다.

JupyterLab은 프라이빗 스페이스와 공유 스페이스를 모두 지원합니다. 프라이빗 스페이스는 도메인의 단일 사용자로 범위가 지정됩니다. 공유 스페이스를 사용하면 도메인의 다른 사용자가 실시간으로 사용자와 협업할 수 있습니다. Studio 스페이스에 대한 자세한 내용은 Amazon SageMaker Studio 스페이스 섹션을 참조하세요.

JupyterLab 사용을 시작하려면 스페이스를 생성하고 JupyterLab 애플리케이션을 시작합니다. JupyterLab 애플리케이션을 실행하는 스페이스는 JupyterLab 스페이스입니다. JupyterLab 스페이스는 컴퓨팅에 단일 Amazon EC2 인스턴스를 사용하고 스토리지에 단일 Amazon EBS 볼륨을 사용합니다. 코드, git 프로필, 환경 변수와 같은 스페이스 내 모든 것이 동일한 Amazon EBS 볼륨에 저장됩니다. 볼륨의 IOPS는 3,000이고 처리량은 초당 125메가바이트(MBps)입니다. 빠른 스토리지를 사용하여 동일한 인스턴스에서 여러 Jupyter 노트북을 열고 실행할 수 있습니다. 노트북에서 커널을 매우 빠르게 전환할 수도 있습니다.

관리자가 사용자의 스페이스에 대한 기본 Amazon EBS 스토리지 설정을 구성했습니다. 기본 스토리지 크기는 5GB이지만 얻는 스페이스를 늘릴 수 있습니다. 관리자와 상의하여 지침을 제공할 수 있습니다.

JupyterLab을 실행하는 데 사용하는 Amazon EC2 인스턴스 유형을 전환하여 필요에 따라 컴퓨팅을 확장하거나 축소할 수 있습니다. 빠른 시작 인스턴스는 다른 인스턴스보다 훨씬 빠르게 시작됩니다.

관리자가 환경을 사용자 지정하는 수명 주기 구성을 제공할 수 있습니다. 스페이스를 생성할 때 수명 주기 구성을 지정할 수 있습니다.

관리자가 Amazon EFS에 대한 액세스 권한을 부여하는 경우 JupyterLab 스페이스에 액세스하도록 구성할 수 있습니다.

기본적으로 JupyterLab 애플리케이션은 SageMaker 배포 이미지를 사용합니다. 여기에는 많은 기계 학습, 분석 및 딥 러닝 패키지에 대한 지원이 포함됩니다. 하지만 사용자 지정 이미지가 필요한 경우 관리자가 사용자 지정 이미지에 대한 액세스를 제공하는 데 도움을 줄 수 있습니다.

Amazon EBS 볼륨은 인스턴스의 수명과 독립적으로 유지됩니다. 인스턴스를 변경해도 데이터가 손실되지 않습니다. conda 및 pip 패키지 관리 라이브러리를 사용하여 인스턴스 유형을 전환할 때에도 지속되는 재현 가능한 사용자 지정 환경을 생성합니다.

JupyterLab을 연 후 터미널을 사용하여 환경을 구성할 수 있습니다. 터미널을 열려면 Launcher로 이동하여 터미널을 선택합니다.

다음은 JupyterLab에서 환경을 구성할 수 있는 다양한 방법의 예입니다.