기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
도커파일 사양
Dockerfile에서 지정하는 이미지가 다음 섹션의 사양과 일치해야 이미지를 성공적으로 생성할 수 있습니다.
이미지 실행
-
Entrypoint
— or 지침을 사용하여 이미지에 진입점을 삽입하는 것이 좋습니다. DockerCMD
Entrypoint
런타임 시 컨테이너에ContainerArguments
전달되도록ContainerEntrypoint
구성하고 구성할 수도 있습니다. -
EnvVariables
— Studio를 사용하면 컨테이너에서 사용할 수 있는ContainerEnvironment
변수를 구성할 수 있습니다. 의 환경 변수로 환경 변수를 덮어씁니다. SageMaker 더 나은 경험을 제공하기 위해 일반적으로AWS_
환경 변수는 플랫폼 환경에 우선 순위를 부여합니다.SageMaker_namespaced
환경 변수는 다음과 같습니다.
-
AWS_REGION
-
AWS_DEFAULT_REGION
-
AWS_CONTAINER_CREDENTIALS_RELATIVE_URI
-
SageMaker_SPACE_NAME
-
사용자 및 파일 시스템 사양
-
WorkingDirectory
— 공간의 Amazon EBS 볼륨이 경로에/home/sagemaker-user
마운트됩니다. 탑재 경로는 변경할 수 없습니다.WORKDIR
지침에 따라 이미지의 작업 디렉토리를 그 안에 있는 폴더로 설정하십시오/home/sagemaker-user
. -
UID
— Docker 컨테이너의 사용자 ID. UID=1000은 지원되는 값입니다. 사용자에게 sudo 액세스를 추가할 수 있습니다. 컨테이너에서 실행 중인 프로세스가 필요 이상의 권한을 갖지 못하도록 ID가 다시 매핑됩니다. -
GID
— Docker 컨테이너의 그룹 ID. GID=100은 지원되는 값입니다. 사용자에게 sudo 액세스를 추가할 수 있습니다. 컨테이너에서 실행 중인 프로세스가 필요 이상의 권한을 갖지 못하도록 ID가 다시 매핑됩니다. -
메타데이터 디렉터리 - 에서
/opt/.sagemakerintenral
사용하는 및/opt/ml
디렉터리입니다. AWS의 메타데이터 파일에는 다음과 같은 리소스에 대한 메타데이터가/opt/ml
포함되어 있습니다.DomainId
다음 명령을 사용하여 파일 시스템 콘텐츠를 표시합니다.
cat /opt/ml/metadata/resource-metadata.json {"AppType":"JupyterLab","DomainId":"
example-domain-id
","UserProfileName":"example-user-profile-name
,"ResourceArn":"arn:aws:sagemaker:AWS 리전
:111122223333
;:app/domain-ID
/user-ID
/Jupyte rLab/default","ResourceName":"default","AppImageVersion":"current"} -
로깅 디렉터리 - 로깅 디렉터리 JupyterLab 및 이와 관련된 확장자용으로
/var/logs/studio
예약되어 있습니다. 이미지를 만들 때는 폴더를 사용하지 않는 것이 좋습니다.
건강 검진 및 애플리케이션 URL
-
Base URL
— BYOI 애플리케이션의 기본 URL은 다음과 같아야 합니다.jupyterlab/default
애플리케이션은 하나만 사용할 수 있으며 항상 이름을 지정해야 합니다.default
-
HealthCheck API
— 는 포트 8888을HostAgent
사용하여 JupyterLab 응용 프로그램의 상태를 확인합니다.HealthCheckAPI
jupyterlab/default/api/status
상태 점검의 엔드포인트입니다. -
Home/Default URL
— 에서 사용하는/opt/.sagemakerinternal
AWS및/opt/ml
디렉터리. 의 메타데이터/opt/ml
파일에는 다음과 같은DomainId
리소스에 대한 메타데이터가 들어 있습니다. -
인증 — 사용자 인증을 활성화하려면 Jupyter 노트북 토큰 또는 암호 기반 인증을 끄고 모든 출처를 허용하십시오.
다음은 이전 사양을 Amazon Linux 2 Dockerfile 충족하는 샘플입니다.
FROM public.ecr.aws/amazonlinux/amazonlinux:2 ARG NB_USER="sagemaker-user" ARG NB_UID="1000" ARG NB_GID="100" RUN yum install --assumeyes python3 shadow-utils && \ useradd --create-home --shell /bin/bash --gid "${NB_GID}" --uid ${NB_UID} ${NB_USER} && \ yum clean all && \ python3 -m pip install jupyterlab RUN python3 -m pip install --upgrade pip RUN python3 -m pip install --upgrade urllib3==1.26.6 USER ${NB_UID} CMD jupyter lab --ip 0.0.0.0 --port 8888 \ --ServerApp.base_url="/jupyterlab/default" \ --ServerApp.token='' \ --ServerApp.allow_origin='*'
다음은 이전 사양을 Amazon SageMaker Distribution Dockerfile 충족하는 샘플입니다.
FROM public.ecr.aws/sagemaker/sagemaker-distribution:latest-cpu ARG NB_USER="sagemaker-user" ARG NB_UID=1000 ARG NB_GID=100 ENV MAMBA_USER=$NB_USER USER root RUN apt-get update RUN micromamba install sagemaker-inference --freeze-installed --yes --channel conda-forge --name base USER $MAMBA_USER ENTRYPOINT ["jupyter-lab"] CMD ["--ServerApp.ip=0.0.0.0", "--ServerApp.port=8888", "--ServerApp.allow_origin=*", "--ServerApp.token=''", "--ServerApp.base_url=/jupyterlab/default"]