（選用） 遷移自訂映像和生命週期組態 - Amazon SageMaker
遷移自訂映像遷移生命週期組態

本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

（選用） 遷移自訂映像和生命週期組態

您必須更新自訂映像和生命週期組態 （LCC） 指令碼，才能在 Amazon SageMaker Studio 中使用簡化的本機執行模型。如果您尚未在網域中建立自訂映像或生命週期組態，請略過此階段。

Amazon SageMaker Studio Classic 在具有下列功能的分割環境中運作：

  • 執行 JupyterServer的應用程式 Jupyter Server.

  • 在一或多個KernelGateway應用程式上執行的 Studio Classic 筆記本。

Studio 已從分割環境轉移。Studio 根據本機執行時間模型中的 Code-OSS、Visual Studio Code - Open Source 應用程式執行 JupyterLab 和 Code Editor。如需架構變更的詳細資訊，請參閱提高 Amazon SageMaker Studio 的生產力。

遷移自訂映像

您現有的 Studio Classic 自訂映像可能無法在 Studio 中運作。我們建議您建立新的自訂映像，以滿足 Studio 中使用的需求。Studio 的發行透過提供 來簡化建置自訂映像的程序SageMaker 分佈影像。 SageMaker 分佈映像包括機器學習、資料科學和資料分析視覺化常用的程式庫和套件。如需基本 SageMaker 分佈映像和 Amazon Elastic Container Registry 帳戶資訊的清單，請參閱 Amazon SageMaker 映像可與 Studio Classic 搭配使用。

若要建置自訂映像，請完成下列其中一項。

  • 使用自訂套件和模組擴展 SageMaker 分佈映像。這些映像會根據 Code-、Visual Studio Code - Open Source OSS預先設定 JupyterLab 和 Code Editor。

  • 遵循 中的指示建置自訂 Dockerfile 檔案Dockerfile 規格。您必須安裝 JupyterLab 和開放原始碼 CodeServer 使其與 Studio 相容。

遷移生命週期組態

由於 Studio 中的簡化本機執行期模型，我們建議您遷移現有 Studio Classic 的結構LCCs。在 Studio Classic 中，您通常必須為兩者建立個別的生命週期組態 KernelGateway 以及 JupyterServer 應用程式。因為 JupyterServer 以及 KernelGateway 應用程式在 Studio Classic 中的個別運算資源上執行，Studio Classic LCCs可以是下列任一類型之一：

  • JupyterServer LCC：這些LCCs主要管理使用者的首頁動作，包括設定代理、建立環境變數，以及自動關閉資源。

  • KernelGateway LCC：這些LCCs管理 Studio Classic 筆記本環境最佳化。這包括更新Data Science 3.0核心中的 numpy 套件版本，以及在核心中安裝 snowflake Pytorch 2.0 GPU 套件。

在簡化的 Studio 架構中，您只需在應用程式啟動時執行一個LCC指令碼。雖然遷移LCC指令碼會因開發環境而有所不同，但我們建議結合 JupyterServer 以及 KernelGateway LCCs 以建置合併的 LCC。

LCCs 在 Studio 中，可與下列其中一個應用程式相關聯：

  • JupyterLab

  • 程式碼編輯器

使用者可以在建立空間或使用管理員LCC設定的預設設定時，LCC為個別應用程式類型選取 。

注意

現有的 Studio Classic 自動關閉指令碼不適用於 Studio。如需 Studio 自動關閉指令碼的範例，請參閱 SageMaker Studio 生命週期組態範例 。

重構時的考量事項 LCCs

重構 時，請考慮 Studio Classic 和 Studio 之間的下列差異LCCs。

  • JupyterLab 和 Code Editor 應用程式在建立時，會像sagemaker-user使用 UID:1001和 一樣執行GID:101。根據預設， sagemaker-user具有擔任 sudo/root 許可的許可。KernelGateway 根據root預設，應用程式會以 執行。

  • SageMaker 在 JupyterLab 和 Code Editor 應用程式中執行的分發映像使用 Debian型套件管理員，apt-get。

  • Studio JupyterLab 和 Code Editor 應用程式使用 Conda package manager. SageMaker 建立單一基礎 Python3 Conda Studio 應用程式啟動時的環境。如需在 基礎中更新套件的資訊 Conda 環境並建立新的 Conda 環境，請參閱 JupyterLab 使用者指南。相反地，並非所有 KernelGateway 應用程式使用 Conda 作為套件管理員。

  • Studio JupyterLab 應用程式使用 JupyterLab 4.0，而 Studio Classic 使用 JupyterLab 3.0。驗證所有 JupyterLab 您使用的 擴充功能與 相容JupyterLab 4.0。如需擴充功能的詳細資訊，請參閱 JupyterLab 4.0 的擴充功能相容性。