View a markdown version of this page

Lifecycle-Konfigurationen innerhalb von Amazon SageMaker Studio - Amazon SageMaker KI

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Lifecycle-Konfigurationen innerhalb von Amazon SageMaker Studio

Lifecycle-Konfigurationen (LCCs) sind Skripts, mit denen Administratoren und Benutzer die Anpassung der folgenden Anwendungen in Ihrer Amazon SageMaker Studio-Umgebung automatisieren können:

  • Amazon KI SageMaker JupyterLab

  • Code-Editor, basierend auf Code-OSS Visual Studio Code — Open Source

  • Studio Classic

  • Notebook-Instance

Anpassen Ihrer Anwendung umfasst:

  • Installieren von benutzerdefinierten Paketen

  • Konfigurieren von Erweiterungen

  • Vorladen von Datensätzen

  • Einrichten von Quellcode-Repositorys

Benutzer erstellen integrierte Lebenszykluskonfigurationen und fügen sie ihren eigenen Benutzerprofilen hinzu. Administratoren erstellen standardmäßige oder integrierte Lebenszykluskonfigurationen auf Domain-, Bereichs- oder Benutzerprofilebene und fügen sie hinzu.

Grundlegendes zu integrierten und standardmäßigen Lebenszykluskonfigurationen

In Studio gibt es zwei Arten von Lebenszykluskonfigurationen:

  • Built-in LCC: Built-in LCC wird vom Administrator gesteuert, wird immer ausgeführt, wenn ein Space beginnt, und wird beim Start dynamisch anhand der Domäneneinstellungen aufgelöst. Wenn ein Administrator den integrierten LCC auf Domänenebene aktualisiert, übernehmen alle Spaces beim nächsten Start automatisch den neuen LCC, ohne dass eine Benutzeraktion erforderlich ist.

  • Standard-LCC: Der Standard-LCC ist für den Benutzer auf Space-Ebene vorausgewählt und bleibt bestehen, bis der Benutzer ihn explizit ändert. Die Aktualisierung des Standard-LCC auf Domänenebene wirkt sich nicht auf Running Spaces aus, bis sie neu gestartet werden.

Wichtig

Amazon SageMaker Studio führt zuerst die integrierte Lebenszykluskonfiguration aus und führt dann den Standard-LCC aus. Amazon SageMaker AI löst keine Paketkonflikte zwischen den Benutzer- und Administrator-LCCs. Wenn beispielsweise die integrierte LCC python3.11 installiert und die Standard-LCC python3.12 installiert, installiert Studio python3.12.