JupyterLab Controle de versão

As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

A interface do Amazon SageMaker Studio Classic é baseada em JupyterLab, que é um ambiente de desenvolvimento interativo baseado na web para notebooks, códigos e dados. O Studio Classic suporta apenas o uso de JupyterLab 3.

Se você criou seu domínio e perfil de usuário usando AWS Management Console antes de 31/08/2022 ou usando antes de 22/02/23, sua AWS Command Line Interface instância do Studio Classic adotou como padrão 1. JupyterLab Depois de 07/01/2024, você não pode criar nenhum aplicativo Studio Classic que execute 1. JupyterLab

JupyterLab 3

JupyterLab 3 inclui os seguintes recursos que não estão disponíveis nas versões anteriores. Para obter mais informações sobre esses recursos, consulte Lançamento da JupyterLab versão 3.0! .

Mudanças importantes em JupyterLab 3

Considere o seguinte ao usar JupyterLab 3:

Restringindo a JupyterLab versão padrão usando uma chave de condição de política do IAM

Você pode usar as chaves de condição da política do IAM para restringir a versão JupyterLab que seus usuários podem iniciar.

A política a seguir mostra como limitar a JupyterLab versão no nível do domínio.

{
    "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"
                }
            }
        }
    ]
}

A política a seguir mostra como limitar a JupyterLab versão no nível do perfil do usuário.

{
    "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"
                }
            }
        }
    ]
}

A política a seguir mostra como limitar a JupyterLab versão no nível do aplicativo. A solicitação CreateApp deve incluir o ARN da imagem para que essa política seja aplicada.

{
    "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"
                }
            }
        }
    ]
}

Definindo uma JupyterLab versão padrão

As seções a seguir mostram como definir uma JupyterLab versão padrão para o Studio Classic usando o console ou AWS CLI o. 

No console

Você pode selecionar a JupyterLab versão padrão para usar no domínio ou no nível do perfil do usuário durante a criação do recurso. Para definir a JupyterLab versão padrão usando o console, consulteVisão geral do domínio Amazon SageMaker AI. 

Do AWS CLI

Você pode selecionar a JupyterLab versão padrão a ser usada no domínio ou no nível do perfil do usuário usando AWS CLI o. 

Para definir a JupyterLab versão padrão usando o AWS CLI, você deve incluir o ARN da JupyterLab versão padrão desejada como parte de um AWS CLI comando. Esse ARN difere com base na versão e na região do domínio de SageMaker IA. 

A tabela a seguir ARNs lista as JupyterLab versões disponíveis para cada região:

Criar ou atualizar o domínio

Você pode definir uma JupyterServer versão padrão no nível do domínio invocando CreateDomainou UpdateDomainpassando o UserSettings.JupyterServerAppSettings.DefaultResourceSpec.SageMakerImageArn campo.

Veja a seguir como criar um domínio com JupyterLab 3 como padrão, usando o 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"
    }
  }
}'

Veja a seguir como atualizar um domínio para usar JupyterLab 3 como padrão, usando o 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"
    }
  }
}'

Criar ou atualizar o perfil do usuário

Você pode definir uma JupyterServer versão padrão no nível do perfil do usuário invocando CreateUserProfileou UpdateUserProfilepassando o UserSettings.JupyterServerAppSettings.DefaultResourceSpec.SageMakerImageArn campo.

Veja a seguir como criar um perfil de usuário com JupyterLab 3 como padrão em um domínio existente, usando o 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"
    }
  }
}'

Veja a seguir como atualizar um perfil de usuário para usar JupyterLab 3 como padrão, usando o 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"
    }
  }
}'

Visualize e atualize a JupyterLab versão de um aplicativo a partir do console

Veja a seguir como visualizar e atualizar a JupyterLab versão de um aplicativo.

Instalação JupyterLab e extensões do Jupyter Server

Em JupyterLab 3, você deve ativar o ambiente studio conda antes de instalar as extensões. O método para isso é diferente se você estiver instalando as extensões de dentro do Studio Classic ou usando um script de configuração do ciclo de vida.

Instalar a extensão de dentro do Studio Classic

Para instalar extensões de dentro do Studio Classic, você deve ativar o studioambiente do antes de instalar as extensões.

# Before installing extensions
conda activate studio

# Install your extensions
pip install <JUPYTER_EXTENSION>

# After installing extensions
conda deactivate

Instalar extensões usando um script de configuração do ciclo de vida

Se você estiver instalando JupyterLab extensões do Jupyter Server em seu script de configuração de ciclo de vida, você deve modificar seu script para que ele funcione com 3. JupyterLab As seções a seguir mostram o código necessário para scripts de configuração de ciclo de vida novos e existentes.

Script de configuração do ciclo de vida existente

Se você estiver reutilizando um script de configuração de ciclo de vida existente que deve funcionar com as duas versões do JupyterLab, use o código a seguir em seu 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;

Novo script de configuração do ciclo de vida

Se você estiver escrevendo um novo script de configuração do ciclo de vida que usa apenas JupyterLab 3, você pode usar o seguinte código em seu script:

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


# Install your extensions
pip install <JUPYTER_EXTENSION>


conda deactivate