Mit den Amazon SageMaker HyperPod-Clustern und der Orchestrierung durch Amazon Elastic Kubernetes Service (EKS) k\u00f6nnen Entwickler jetzt interaktive Entwicklungsumgebungen wie JupyterLab und Visual Studio Code erstellen und verwalten. Diese Funktion, bekannt als Amazon SageMaker Spaces, erm\u00f6glicht es AI-Entwicklern, isolierte Arbeitsumgebungen f\u00fcr Notebooks zu erstellen und zu verwalten, wodurch die ML-Entwicklungszyklen optimiert werden. Mit der M\u00f6glichkeit der Bruchst\u00fcck-GPU-Zuweisung k\u00f6nnen Unternehmen ihre GPU-Investitionen maximieren und sowohl interaktive Arbeitslasten als auch Trainingsjobs auf derselben Infrastruktur ausf\u00fchren.

\n\n

Diese Anleitung zeigt HyperPod-Administratoren, wie sie Spaces konfigurieren und Datenwissenschaftler, wie sie sich mit diesen Spaces verbinden k\u00f6nnen, auch direkt von ihrer lokalen VS Code-Umgebung.

\n\n

\u00dcbersicht der L\u00f6sung

\n

Im folgenden Diagramm sind die verschiedenen Komponenten dargestellt, die an der Erstellung und Verwaltung von Spaces auf HyperPod-Clustern beteiligt sind.

\n

\"Architektur-Typologie

\n\n

Hier sind die Schritte, wie es funktioniert:

\n

    \n

  1. Administrator installiert das Spaces-Add-on \u00fcber die SageMaker AI-Konsole.
  2. \n

  3. Nach der Einrichtung k\u00f6nnen Datenwissenschaftler Spaces \u00fcber die HyperPod Command Line Interface oder kubectl erstellen.
  4. \n

  5. Die Benutzer k\u00f6nnen entweder die Web-Benutzeroberfl\u00e4che oder eine Remote-IDE-Verbindung zu einem aktiven Space nutzen.
  6. \n

\n\n

Voraussetzungen

\n

Die folgenden Voraussetzungen sind erforderlich:

\n

    \n

  1. Ein AWS-Konto, das die Berechtigungen f\u00fcr IAM-Rollen und SageMaker-Ressourcen hat.
  2. \n

  3. Ein HyperPod-Cluster, der auf EKS orchestriert ist, mit Kubernetes-Version 1.30 oder h\u00f6her.
  4. \n

  5. Installation des HyperPod CLI oder kubectl.
  6. \n

  7. Ein lokales IDE wie VS Code mit installierter AWS Toolkit for VS Code.
  8. \n

\n\n

Schritt 1: Installiere das Spaces-Add-on

\n

Um zu starten, installieren Sie zun\u00e4chst das Spaces-Add-on in Ihrem SageMaker-Cluster:

\n

    \n

  1. Gehen Sie in der SageMaker AI-Konsole zu Cluster und navigieren Sie zu Ihrem HyperPod-Cluster.
  2. \n

  3. W\u00e4hlen Sie das IDE und Notebooks-Tab aus.
  4. \n

  5. Klicken Sie auf Schnellinstallation.
  6. \n

\n\n

Schritt 2: Zugriffsrechte erstellen oder aktualisieren

\n

Erteilen Sie Ihren Benutzern die Berechtigung, Spaces zu erstellen und zu verwalten, indem Sie die EKS-Zugriffsrechte einrichten.

\n\n

Schritt 3: Spaces erstellen und verwalten

\n

Datenwissenschaftler k\u00f6nnen JupyterLab- und Code-Editor-Spaces erstellen, indem sie kubectl oder den HyperPod CLI verwenden.

\n\n

Best Practices

\n

Folgen Sie den Best Practices, um mit SageMaker Spaces zu arbeiten, einschlie\u00dflich Nutzerverwaltung, Vorlagen f\u00fcr Entwickler und Anpassung von Spaces.

\n\n

Als Administrator wird empfohlen, sowohl \u00f6ffentliche als auch private Spaces zu nutzen, um Zusammenarbeit und Isolierung zu erm\u00f6glichen. Auch die Unterst\u00fctzung f\u00fcr Bruchst\u00fcck-GPUs sorgt f\u00fcr eine optimierte Ressourcenverwendung. Automatische Abschaltung inaktiver Arbeitspl\u00e4tze wird ebenfalls empfohlen, um Ressourcen effizient zu verwalten.

\n\n

Um mehr \u00fcber die vollst\u00e4ndigen Funktionen zu erfahren und wie Sie beginnen k\u00f6nnen, besuchen Sie den ausf\u00fchrlichen Blogbeitrag unter hier.