사용 설명서 - Amazon SageMaker AI
지원되는 이미지 및 커널사용자 고유 이미지 가져오기

기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

사용 설명서

이 섹션에서는 데이터 과학자와 데이터 엔지니어가 Studio 또는 Studio Classic에서 Amazon EMR 클러스터를 시작, 검색, 연결 또는 종료하는 방법을 다룹니다.

사용자가 클러스터를 나열하거나 시작하려면 먼저 관리자가 Studio 환경에서 필요한 설정을 구성해야 합니다. 관리자가 Amazon EMR 클러스터의 자체 프로비저닝 및 나열을 허용하도록 Studio 환경을 구성하는 방법에 대한 자세한 내용은 관리자 안내서 섹션을 참조하세요.

주제

Studio 또는 Studio Classic에서 Amazon EMR 클러스터에 연결할 수 있도록 지원되는 이미지 및 커널

다음 이미지와 커널에는 sagemaker-studio-analytics-extension이 함께 제공되는데 이는 SparkMagic 라이브러리를 통해 Apache Livy를 사용하여 원격 Spark(Amazon EMR) 클러스터에 연결하는 JupyterLab 확장입니다.

  • Studio 사용자의 경우: SageMaker Distribution은 JupyterLab 노트북 인스턴스의 기본 이미지로 사용되는 데이터 과학용 Docker 환경입니다. 모든 버전의 SageMaker AI 배포에는 sagemaker-studio-analytics-extension 사전 설치된가 함께 제공됩니다.

  • Studio Classic 사용자의 경우: 다음 이미지가 sagemaker-studio-analytics-extension과 함께 사전 설치됩니다.

    • DataScience – Python 3 커널

    • DataScience 2.0 – Python 3 커널

    • DataScience 3.0 – Python 3 커널

    • SparkAnalytics 1.0 – SparkMagic 및 PySpark 커널

    • SparkAnalytics 2.0 – SparkMagic 및 PySpark 커널

    • SparkMagic – SparkMagic 및 PySpark 커널

    • PyTorch 1.8 – Python 3 커널

    • TensorFlow 2.6 – Python 3 커널

    • TensorFlow 2.11 – Python 3 커널

다른 내장 이미지 또는 자체 이미지를 사용하여 Amazon EMR 클러스터에 연결하려면 사용자 고유 이미지 가져오기의 지침을 따릅니다.

사용자 고유 이미지 가져오기

Studio 또는 Studio Classic에서 사용자 자체 이미지를 가져와 Amazon EMR 클러스터에 노트북을 연결하려면 커널에 다음 sagemaker-studio-analytics-extension 확장을 설치합니다. 이는 SparkMagic 라이브러리를 통해 Spark(Amazon EMR) 클러스터에 SageMaker Studio 또는 Studio Classic 노트북을 연결할 수 있도록 지원합니다.

pip install sparkmagic
pip install sagemaker-studio-sparkmagic-lib
pip install sagemaker-studio-analytics-extension

또한 Kerberos 인증을 사용하여 Amazon EMR에 연결하려면 kinit 클라이언트를 설치해야 합니다. OS에 따라 kinit 클라이언트를 설치하는 명령이 다를 수 있습니다. Ubuntu(Debian 기반) 이미지를 가져오려면 apt-get install -y -qq krb5-user 명령을 사용합니다.

SageMaker Studio 또는 Studio Classic에서 자체 이미지를 가져오는 방법에 대한 자세한 내용은 자체 SageMaker AI 이미지 가져오기를 참조하세요.