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.
# Amazon SageMaker Studio Classic anpassen
**Wichtig**
Seit dem 30. November 2023 heißt das vorherige Amazon SageMaker Studio-Erlebnis jetzt Amazon SageMaker Studio Classic. Der folgende Abschnitt bezieht sich konkret auf die Verwendung der Studio-Classic-Anwendung. Informationen zur Verwendung der aktualisierten Studio-Konfiguration finden Sie unter [Amazon SageMaker Studio](studio-updated.md).
Studio Classic wird weiterhin für bestehende Workloads beibehalten, ist aber nicht mehr für das Onboarding verfügbar. Sie können nur vorhandene Studio Classic-Anwendungen beenden oder löschen und keine neuen erstellen. Wir empfehlen Ihnen, [Ihren Workload auf das neue Studio-Erlebnis zu migrieren](studio-updated-migrate.md).
Es gibt vier Optionen zum Anpassen Ihrer Amazon SageMaker Studio Classic-Umgebung. Sie bringen Ihr eigenes SageMaker Image mit, verwenden ein Lifecycle-Konfigurationsskript, hängen vorgeschlagene Git-Repos an Studio Classic an oder erstellen Kernel mithilfe persistenter Conda-Umgebungen in Amazon EFS. Verwenden Sie jede Option einzeln oder zusammen.
+ **Bringen Sie Ihr eigenes SageMaker Bild mit:** Ein SageMaker Bild ist eine Datei, die die Kernel, Sprachpakete und andere Abhängigkeiten identifiziert, die für die Ausführung eines Jupyter-Notebooks in Amazon Studio Classic erforderlich sind. SageMaker Amazon SageMaker AI bietet viele integrierte Bilder, die Sie verwenden können. Wenn Sie andere Funktionen benötigen, können Sie Ihre eigenen benutzerdefinierten Images in Studio Classic verwenden.
+ **Verwenden Sie Lebenszykluskonfigurationen mit Amazon SageMaker Studio Classic:** Lebenszykluskonfigurationen sind Shell-Skripts, die durch Lebenszyklusereignisse von Amazon SageMaker Studio Classic ausgelöst werden, z. B. durch das Starten eines neuen Studio Classic-Notebooks. Sie können Lebenszykluskonfigurationen verwenden, um die Anpassung für Ihre Umgebung von Studio Classic zu automatisieren. Sie können beispielsweise benutzerdefinierte Pakete installieren, Notebook-Erweiterungen konfigurieren, Datensätze vorab laden und Quellcode-Repositorys einrichten.
+ **Vorgeschlagene Git-Repos an Studio Classic anhängen:** Sie können das vorgeschlagene Git-Repository URLs auf Amazon SageMaker AI-Domain- oder Benutzerprofilebene anhängen. Anschließend können Sie die Repo-URL aus der Liste der Vorschläge auswählen und sie mithilfe der Git-Erweiterung in Studio Classic in Ihre Umgebung klonen.
+ **Conda-Umgebungen auf dem Volume von Studio Classic Amazon EFS beibehalten:** Studio verwendet ein Amazon-EFS-Volume als persistente Speicherebene. Sie können Ihre Conda-Umgebung auf diesem Amazon EFS-Volume speichern und dann die gespeicherte Umgebung verwenden, um Kernel zu erstellen. Studio Classic übernimmt automatisch alle gültigen Umgebungen, die in Amazon EFS als KernelGateway Kernel gespeichert sind. Diese Kernel bleiben auch nach einem Neustart von Kernel, App und Studio Classic bestehen. Weitere Informationen finden Sie im Abschnitt **Conda-Umgebungen auf dem Studio Classic EFS-Volume beibehalten** unter [Vier Ansätze zur Verwaltung von Python-Paketen in Amazon SageMaker Studio Classic-Notebooks](https://aws.amazon.com/blogs/machine-learning/four-approaches-to-manage-python-packages-in-amazon-sagemaker-studio-notebooks/).
Die folgenden Themen zeigen, wie Sie diese drei Optionen verwenden können, um Ihre Amazon SageMaker Studio Classic-Umgebung anzupassen.
**Topics**
+ [Benutzerdefinierte Bilder in Amazon SageMaker Studio Classic](studio-byoi.md)
+ [Verwenden Sie Lebenszykluskonfigurationen, um Amazon SageMaker Studio Classic anzupassen](studio-lcc.md)
+ [Vorgeschlagene Git-Repos an Amazon SageMaker Studio Classic anhängen](studio-git-attach.md)
# Benutzerdefinierte Bilder in Amazon SageMaker Studio Classic
**Wichtig**
Seit dem 30. November 2023 heißt das vorherige Amazon SageMaker Studio-Erlebnis jetzt Amazon SageMaker Studio Classic. Der folgende Abschnitt bezieht sich konkret auf die Verwendung der Studio-Classic-Anwendung. Informationen zur Verwendung der aktualisierten Studio-Konfiguration finden Sie unter [Amazon SageMaker Studio](studio-updated.md).
Studio Classic wird weiterhin für bestehende Workloads beibehalten, ist aber nicht mehr für das Onboarding verfügbar. Sie können nur vorhandene Studio Classic-Anwendungen beenden oder löschen und keine neuen erstellen. Wir empfehlen Ihnen, [Ihren Workload auf das neue Studio-Erlebnis zu migrieren](studio-updated-migrate.md).
Ein SageMaker Bild ist eine Datei, die die Kernel, Sprachpakete und andere Abhängigkeiten identifiziert, die für die Ausführung eines Jupyter-Notebooks in Amazon Studio Classic erforderlich sind. SageMaker Diese Images werden verwendet, um eine Umgebung zu erstellen, in der Sie dann Jupyter Notebooks ausführen. Amazon SageMaker AI bietet viele integrierte Bilder, die Sie verwenden können. Eine Liste der integrierten Images finden Sie unter [SageMaker Amazon-Bilder sind für die Verwendung mit Studio Classic-Notebooks verfügbar](notebooks-available-images.md).
Wenn Sie andere Funktionen benötigen, können Sie Ihre eigenen benutzerdefinierten Images in Studio Classic verwenden. Sie können Bilder und Image-Versionen erstellen und Image-Versionen an Ihre Domain oder Ihren gemeinsamen Bereich anhängen, indem Sie das SageMaker AI-Kontrollpanel [AWS SDK für Python (Boto3)](https://boto3.amazonaws.com/v1/documentation/api/latest/reference/services/sagemaker.html), das und das [AWS Command Line Interface (AWS CLI)](https://docs.aws.amazon.com/cli/latest/reference/sagemaker/) verwenden. Sie können mit der SageMaker KI-Konsole auch Bilder und Bildversionen erstellen, auch wenn Sie noch nicht Mitglied einer SageMaker AI-Domain sind. SageMaker AI stellt Dockerfiles-Beispieldateien zur Verfügung, die Sie als Ausgangspunkt für Ihre benutzerdefinierten SageMaker Bilder im [SageMaker Studio Classic-Repository für benutzerdefinierte](https://github.com/aws-samples/sagemaker-studio-custom-image-samples/) Bilder verwenden können.
In den folgenden Themen wird erklärt, wie Sie mithilfe der SageMaker AI-Konsole Ihr eigenes Bild hinzufügen oder AWS CLI das Image anschließend in Studio Classic starten können. Einen ähnlichen Blogartikel finden Sie unter [Bring your own R environment to Amazon SageMaker Studio Classic](https://aws.amazon.com/blogs/machine-learning/bringing-your-own-r-environment-to-amazon-sagemaker-studio/). Notizbücher, in denen gezeigt wird, wie Sie Ihr eigenes Bild für Schulungen und Inferenzen mitbringen, finden Sie unter [Amazon SageMaker Studio Classic Container Build CLI](https://github.com/aws/amazon-sagemaker-examples/tree/main/aws_sagemaker_studio/sagemaker_studio_image_build).
## Wichtige Begriffe
Im folgenden Abschnitt werden die wichtigsten Begriffe für die Verwendung Ihres eigenen Images mit Studio Classic definiert.
+ **Dockerfile:** Ein Dockerfile ist eine Datei, die die Sprachpakete und andere Abhängigkeiten für Ihr Docker-Image identifiziert.
+ **Docker-Image**: Das Docker-Image ist ein gebautes Dockerfile. Dieses Bild wird in Amazon ECR eingecheckt und dient als Grundlage für das SageMaker KI-Bild.
+ **SageMaker Bild:** Ein SageMaker Bild ist ein Halter für eine Reihe von SageMaker AI-Image-Versionen, die auf Docker-Images basieren. Jede Image-Version ist unveränderlich.
+ **Image-Version:** Eine Image-Version eines SageMaker Images stellt ein Docker-Image dar und wird in einem Amazon ECR-Repository gespeichert. Jede Image-Version ist unveränderlich. Diese Image-Versionen können an eine Domain oder einen gemeinsam genutzten Bereich angehängt und mit Studio Classic verwendet werden.
**Topics**
+ [Wichtige Begriffe](#studio-byoi-basics)
+ [Benutzerdefinierte SageMaker Bildspezifikationen für Amazon SageMaker Studio Classic](studio-byoi-specs.md)
+ [Voraussetzungen für benutzerdefinierte Images in Amazon SageMaker Studio Classic](studio-byoi-prereq.md)
+ [Fügen Sie ein mit Amazon SageMaker Studio Classic kompatibles Docker-Image zu Amazon ECR hinzu](studio-byoi-sdk-add-container-image.md)
+ [Erstellen Sie ein benutzerdefiniertes SageMaker Image für Amazon SageMaker Studio Classic](studio-byoi-create.md)
+ [Ein benutzerdefiniertes SageMaker Bild in Amazon SageMaker Studio Classic anhängen](studio-byoi-attach.md)
+ [Starten Sie ein benutzerdefiniertes SageMaker Image in Amazon SageMaker Studio Classic](studio-byoi-launch.md)
+ [Ressourcen für benutzerdefinierte Bilder in Amazon SageMaker Studio Classic bereinigen](studio-byoi-cleanup.md)
# Benutzerdefinierte SageMaker Bildspezifikationen für Amazon SageMaker Studio Classic
**Wichtig**
Seit dem 30. November 2023 heißt das vorherige Amazon SageMaker Studio-Erlebnis jetzt Amazon SageMaker Studio Classic. Der folgende Abschnitt bezieht sich konkret auf die Verwendung der Studio-Classic-Anwendung. Informationen zur Verwendung der aktualisierten Studio-Konfiguration finden Sie unter [Amazon SageMaker Studio](studio-updated.md).
Studio Classic wird weiterhin für bestehende Workloads beibehalten, ist aber nicht mehr für das Onboarding verfügbar. Sie können nur vorhandene Studio Classic-Anwendungen beenden oder löschen und keine neuen erstellen. Wir empfehlen Ihnen, [Ihren Workload auf das neue Studio-Erlebnis zu migrieren](studio-updated-migrate.md).
Die folgenden Spezifikationen gelten für das Container-Image, das durch eine SageMaker AI-Image-Version dargestellt wird.
**Das Image wird ausgeführt**
`ENTRYPOINT`und `CMD` Anweisungen werden außer Kraft gesetzt, damit das Image als App ausgeführt werden kann. KernelGateway
Port 8888 im Image ist für den Betrieb des KernelGateway Webservers reserviert.
**Stoppen des Images**
Die `DeleteApp`-API gibt das Äquivalent zu einem `docker stop`-Befehl aus. Andere Prozesse im Container erhalten die SIGKILL/SIGTERM Signale nicht.
**Kernel-Erkennung**
SageMaker [KI erkennt Kernel so, wie sie in den Jupyter-Kernelspezifikationen definiert sind.](https://jupyter-client.readthedocs.io/en/latest/kernels.html#kernelspecs)
Sie können eine Liste von Kerneln angeben, die angezeigt werden sollen, bevor das Image ausgeführt wird. Wenn nicht angegeben, wird Python3 angezeigt. Verwenden Sie die [DescribeAppImageConfig](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_DescribeAppImageConfig.html)API, um die Liste der Kernel anzuzeigen.
Conda-Umgebungen werden standardmäßig als Kernel-Spezifikationen erkannt.
**Dateisystem**
Die Verzeichnisse `/opt/.sagemakerinternal` und `/opt/ml` sind reserviert. Alle Daten in diesen Verzeichnissen sind zur Laufzeit möglicherweise nicht sichtbar.
**Benutzerdaten**
Jeder Benutzer in einer Domain erhält ein Benutzerverzeichnis auf einem gemeinsam genutzten Amazon Elastic File System-Volume im Image. Der Speicherort des aktuellen Benutzerverzeichnisses auf dem Amazon EFS-Volume ist konfigurierbar. Standardmäßig ist der Speicherort des Verzeichnisses `/home/sagemaker-user`.
SageMaker AI konfiguriert UID/GID POSIX-Zuordnungen zwischen dem Image und dem Host. Standardmäßig werden die des Root-Benutzers UID/GID (0/0) dem auf dem Host zugeordnet. UID/GID
Sie können diese Werte mithilfe der [CreateAppImageConfig](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateAppImageConfig.html)API angeben.
**GID/UID-Grenzwerte**
Amazon SageMaker Studio Classic unterstützt nur die folgenden `DefaultUID` und `DefaultGID` Kombinationen:
+ defaultUID: 1000 und defaultGID: 100, was einem Benutzer ohne Privilegien entspricht.
+ defaultUID: 0 und defaultGID: 0, was dem Root-Zugriff entspricht.
**Metadaten**
Eine Metadatendatei befindet sich unter. `/opt/ml/metadata/resource-metadata.json` Den im Image definierten Variablen werden keine zusätzlichen Umgebungsvariablen hinzugefügt. Weitere Informationen finden Sie unter [Abrufen von App-Metadaten](notebooks-run-and-manage-metadata.md#notebooks-run-and-manage-metadata-app).
**GPU**
Auf einer GPU-Instance wird das Image mit der `--gpus` Option ausgeführt. Nur das CUDA-Toolkit sollte im Image enthalten sein, nicht die NVIDIA-Treiber. Weitere Informationen finden Sie im [NVIDIA Benutzerhandbuch](https://docs.nvidia.com/datacenter/cloud-native/container-toolkit/user-guide.html).
**Metriken und Protokollierung**
Protokolle des KernelGateway Prozesses werden CloudWatch im Kundenkonto an Amazon gesendet. Der Name der Protokollgruppe ist `/aws/sagemaker/studio`. Der Name des Protokollstream ist `$domainID/$userProfileName/KernelGateway/$appName`.
**Größe des Images**
Limitiert auf 35 GB. Führen Sie den Befehl aus, um die Größe Ihres Images anzuzeigen`docker image ls`.
## Beispiel-Dockerfile
Die folgende Beispiel-Dockerfile erstellt ein Image, das auf Amazon Linux 2 basiert, installiert Pakete von Drittanbietern und den `python3` Kernel und legt den Bereich auf den Benutzer ohne Zugriffsrechte fest.
```
FROM public.ecr.aws/amazonlinux/amazonlinux:2
ARG NB_USER="sagemaker-user"
ARG NB_UID="1000"
ARG NB_GID="100"
RUN \
yum install --assumeyes python3 shadow-utils && \
useradd --create-home --shell /bin/bash --gid "${NB_GID}" --uid ${NB_UID} ${NB_USER} && \
yum clean all && \
jupyter-activity-monitor-extension \
python3 -m pip install ipykernel && \
python3 -m ipykernel install
USER ${NB_UID}
```
# Voraussetzungen für benutzerdefinierte Images in Amazon SageMaker Studio Classic
**Wichtig**
Seit dem 30. November 2023 heißt das vorherige Amazon SageMaker Studio-Erlebnis jetzt Amazon SageMaker Studio Classic. Der folgende Abschnitt bezieht sich konkret auf die Verwendung der Studio-Classic-Anwendung. Informationen zur Verwendung der aktualisierten Studio-Konfiguration finden Sie unter [Amazon SageMaker Studio](studio-updated.md).
Studio Classic wird weiterhin für bestehende Workloads beibehalten, ist aber nicht mehr für das Onboarding verfügbar. Sie können nur vorhandene Studio Classic-Anwendungen beenden oder löschen und keine neuen erstellen. Wir empfehlen Ihnen, [Ihren Workload auf das neue Studio-Erlebnis zu migrieren](studio-updated-migrate.md).
Sie müssen die folgenden Voraussetzungen erfüllen, um Ihren eigenen Container zur Verwendung mit Amazon SageMaker Studio Classic mitbringen zu können.
+ Die Docker-Anwendung. Informationen zum Einrichten von Docker finden Sie unter [Orientierung und Einrichtung](https://docs.docker.com/get-started/).
+ Installieren Sie den, AWS CLI indem Sie den Schritten unter [Erste Schritte mit dem](https://docs.aws.amazon.com/cli/latest/userguide/cli-chap-getting-started.html) folgen AWS CLI.
+ Eine lokale Kopie einer beliebigen Dockerfile zum Erstellen eines mit Studio Classic kompatiblen Images. Beispiele für benutzerdefinierte Bilder finden Sie im [SageMaker AI Studio Classic-Repository mit Beispielen für benutzerdefinierte Bilder](https://github.com/aws-samples/sagemaker-studio-custom-image-samples/).
+ Berechtigungen für den Zugriff auf den Service Amazon Elastic Container Registry (Amazon ECR). Weitere Informationen finden Sie unter [Amazon ECR-verwaltete Richtlinien](https://docs.aws.amazon.com/AmazonECR/latest/userguide/ecr_managed_policies.html).
+ Eine AWS Identity and Access Management Ausführungsrolle, der die [AmazonSageMakerFullAccess](https://console.aws.amazon.com/iam/home?#/policies/arn:aws:iam::aws:policy/AmazonSageMakerFullAccess)Richtlinie angehängt ist. Wenn Sie sich für die Amazon SageMaker AI-Domain angemeldet haben, können Sie die Rolle im Bereich **Domain-Zusammenfassung** des SageMaker AI-Kontrollpanels abrufen.
+ Installieren Sie die Studio Classic-Image-Build-CLI, indem Sie den Schritten unter [SageMaker Docker Build](https://github.com/aws-samples/sagemaker-studio-image-build-cli) folgen. Mit dieser CLI können Sie ein Dockerfile erstellen mit. AWS CodeBuild
# Fügen Sie ein mit Amazon SageMaker Studio Classic kompatibles Docker-Image zu Amazon ECR hinzu
**Wichtig**
Seit dem 30. November 2023 heißt das vorherige Amazon SageMaker Studio-Erlebnis jetzt Amazon SageMaker Studio Classic. Der folgende Abschnitt bezieht sich konkret auf die Verwendung der Studio-Classic-Anwendung. Informationen zur Verwendung der aktualisierten Studio-Konfiguration finden Sie unter [Amazon SageMaker Studio](studio-updated.md).
Studio Classic wird weiterhin für bestehende Workloads beibehalten, ist aber nicht mehr für das Onboarding verfügbar. Sie können nur vorhandene Studio Classic-Anwendungen beenden oder löschen und keine neuen erstellen. Wir empfehlen Ihnen, [Ihren Workload auf das neue Studio-Erlebnis zu migrieren](studio-updated-migrate.md).
Sie führen die folgenden Schritte aus, um ein Container-Image zu Amazon ECR hinzuzufügen:
+ Erstellen Sie ein Amazon-ECR-Repository.
+ Authentifizieren bei Amazon ECR.
+ Erstellen Sie ein Docker-Image, das mit Studio Classic kompatibel ist.
+ Übertragen Sie das Image in das Amazon-ECR-Repository.
**Anmerkung**
Das Amazon ECR-Repository muss sich im selben Verzeichnis AWS-Region wie Studio Classic befinden.
**Um ein Container-Image zu erstellen und zu Amazon ECR hinzuzufügen**
1. Erstellen Sie ein Amazon ECR-Repository unter Verwendung des AWS CLI. Informationen zum Erstellen des Repositorys mithilfe der Amazon ECR-Konsole finden Sie unter [Erstellen eines Repositorys](https://docs.aws.amazon.com/AmazonECR/latest/userguide/repository-create.html).
```
aws ecr create-repository \
--repository-name smstudio-custom \
--image-scanning-configuration scanOnPush=true
```
Die Antwort sollte in etwa so aussehen wie die folgende.
```
{
"repository": {
"repositoryArn": "arn:aws:ecr:us-east-2:acct-id:repository/smstudio-custom",
"registryId": "acct-id",
"repositoryName": "smstudio-custom",
"repositoryUri": "acct-id.dkr.ecr.us-east-2.amazonaws.com/smstudio-custom",
...
}
}
```
1. Erstellen Sie das `Dockerfile` mit der Image-Build-CLI von Studio Classic. Der Punkt (.) gibt an, dass sich das Dockerfile im Kontext des Build-Befehls befinden sollte. Dieser Befehl erstellt das Image und lädt das erstellte Image in das ECR-Repo hoch. Anschließend wird der Image-URI ausgegeben.
```
sm-docker build . --repository smstudio-custom:custom
```
Die Antwort sollte in etwa so aussehen wie die folgende.
```
Image URI: .dkr.ecr..amazonaws.com/
```
# Erstellen Sie ein benutzerdefiniertes SageMaker Image für Amazon SageMaker Studio Classic
**Wichtig**
Benutzerdefinierte IAM-Richtlinien, die es Amazon SageMaker Studio oder Amazon SageMaker Studio Classic ermöglichen, SageMaker Amazon-Ressourcen zu erstellen, müssen auch Berechtigungen zum Hinzufügen von Tags zu diesen Ressourcen gewähren. Die Berechtigung zum Hinzufügen von Tags zu Ressourcen ist erforderlich, da Studio und Studio Classic automatisch alle von ihnen erstellten Ressourcen taggen. Wenn eine IAM-Richtlinie Studio und Studio Classic das Erstellen von Ressourcen, aber kein Tagging erlaubt, können "AccessDenied" Fehler beim Versuch, Ressourcen zu erstellen, auftreten. Weitere Informationen finden Sie unter [Erteilen Sie Berechtigungen für das Taggen von SageMaker KI-Ressourcen](security_iam_id-based-policy-examples.md#grant-tagging-permissions).
[AWS verwaltete Richtlinien für Amazon SageMaker AI](security-iam-awsmanpol.md)die Berechtigungen zum Erstellen von SageMaker Ressourcen gewähren, beinhalten bereits Berechtigungen zum Hinzufügen von Tags beim Erstellen dieser Ressourcen.
**Wichtig**
Seit dem 30. November 2023 heißt das vorherige Amazon SageMaker Studio-Erlebnis jetzt Amazon SageMaker Studio Classic. Der folgende Abschnitt bezieht sich konkret auf die Verwendung der Studio-Classic-Anwendung. Informationen zur Verwendung der aktualisierten Studio-Konfiguration finden Sie unter [Amazon SageMaker Studio](studio-updated.md).
Studio Classic wird weiterhin für bestehende Workloads beibehalten, ist aber nicht mehr für das Onboarding verfügbar. Sie können nur vorhandene Studio Classic-Anwendungen beenden oder löschen und keine neuen erstellen. Wir empfehlen Ihnen, [Ihren Workload auf das neue Studio-Erlebnis zu migrieren](studio-updated-migrate.md).
In diesem Thema wird beschrieben, wie Sie mit der SageMaker AI-Konsole oder ein benutzerdefiniertes SageMaker Image erstellen können AWS CLI.
Wenn Sie ein Image von der Konsole aus erstellen, erstellt SageMaker AI auch eine erste Image-Version. Die Image-Version repräsentiert ein Container-Image in [Amazon Elastic Container Registry (ECR)](https://console.aws.amazon.com/ecr/). Das Container-Image muss die Anforderungen erfüllen, um in Amazon SageMaker Studio Classic verwendet werden zu können. Weitere Informationen finden Sie unter [Benutzerdefinierte SageMaker Bildspezifikationen für Amazon SageMaker Studio Classic](studio-byoi-specs.md). Informationen zum lokalen Testen Ihres Images und zum Beheben häufig auftretender Probleme finden Sie im [SageMaker Studio Classic-Repo mit benutzerdefinierten Imagebeispielen](https://github.com/aws-samples/sagemaker-studio-custom-image-samples/blob/main/DEVELOPMENT.md).
Nachdem Sie Ihr benutzerdefiniertes SageMaker Image erstellt haben, müssen Sie es an Ihre Domain oder Ihren gemeinsam genutzten Bereich anhängen, um es mit Studio Classic verwenden zu können. Weitere Informationen finden Sie unter [Ein benutzerdefiniertes SageMaker Bild in Amazon SageMaker Studio Classic anhängen](studio-byoi-attach.md).
## Erstellen Sie ein SageMaker Image von der Konsole aus
Im folgenden Abschnitt wird gezeigt, wie Sie ein benutzerdefiniertes SageMaker Image von der SageMaker AI-Konsole aus erstellen.
**So erstellen Sie ein Image**
1. Öffnen Sie die Amazon SageMaker AI-Konsole unter [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/).
1. Wählen Sie im linken Navigationsbereich **Admin-Konfigurationen**.
1. Wählen Sie unter **Admin-Konfigurationen** die Option **Images**.
1. Wählen Sie auf der Seite **Benutzerdefinierte Images** die Option **Image erstellen** aus.
1. Geben Sie als **Image-Quelle** den Registry-Pfad zum Container-Image in Amazon ECR ein. Der Pfad hat das folgende Format:
` acct-id.dkr.ecr.region.amazonaws.com/repo-name[:tag] or [@digest] `
1. Wählen Sie **Next**.
1. Geben Sie unter **Image-Eigenschaften** Folgendes ein:
+ Image-Name – Der Name muss für Ihr Konto in der aktuellen AWS-Region eindeutig sein.
+ (Optional) Anzeigename – der Name, der auf der Studio-Classic-Benutzeroberfläche angezeigt wird. Wenn nicht angegeben, wird `Image name` angezeigt.
+ (Optional) Beschreibung – Eine Beschreibung des Images.
+ IAM-Rolle — Der Rolle muss die [AmazonSageMakerFullAccess](https://console.aws.amazon.com/iam/home?#/policies/arn:aws:iam::aws:policy/AmazonSageMakerFullAccess)Richtlinie angehängt sein. Verwenden Sie das Dropdown-Menü, um eine der folgenden Optionen zu wählen:
+ Eine neue Rolle erstellen – Geben Sie alle zusätzlichen Amazon Simple Storage Service (Amazon S3)-Buckets an, auf die die Benutzer Ihrer Notebooks zugreifen können sollen. Wenn Sie den Zugriff auf zusätzliche Bereiche nicht zulassen möchten, wählen Sie **Keine**.
SageMaker KI ordnet die `AmazonSageMakerFullAccess` Richtlinie der Rolle zu. Die Rolle ermöglicht Benutzern Ihrer Notebooks den Zugriff auf die S3-Buckets, die neben den Häkchen aufgeführt sind.
+ Geben Sie einen benutzerdefinierten IAM-Rollen-ARN ein – Geben Sie den Amazon-Ressourcennamen (ARN) Ihrer IAM-Rolle ein.
+ Bestehende Rolle verwenden – Wählen Sie eine Ihrer vorhandenen Rollen aus der Liste aus.
+ (Optional) Image-Tags – Wählen Sie **Neues Tag hinzufügen**. Sie können bis zu 50 Tags hinzufügen. Tags können über die Studio Classic-Benutzeroberfläche, die SageMaker AI-Konsole oder die SageMaker `Search` KI-API durchsucht werden.
1. Wählen Sie **Absenden** aus.
Das neue Image wird in der Liste **Benutzerdefinierte Images** angezeigt und kurz hervorgehoben. Nachdem das Image erfolgreich erstellt wurde, können Sie den Namen des Images wählen, um seine Eigenschaften anzuzeigen, oder **Version erstellen** wählen, um eine weitere Version zu erstellen.
**Um eine weitere Image-Version zu erstellen**
1. Wählen Sie **Version erstellen** in derselben Zeile wie das Image aus.
1. Geben Sie als **Image-Quelle** den Registry-Pfad zum Amazon ECR-Container-Image ein. Das Container-Image sollte nicht dasselbe Bild sein, das in einer früheren Version des SageMaker Images verwendet wurde.
## Erstellen Sie ein SageMaker Bild aus dem AWS CLI
Sie führen die folgenden Schritte aus, um mit dem SageMaker Container-Image ein Image zu erstellen AWS CLI.
+ Erstellen einer `Image` VPC
+ Erstellen einer `ImageVersion` VPC
+ Erstellen einer Konfigurationsdatei
+ Erstellen einer `AppImageConfig`.
**Um die SageMaker Image-Entitäten zu erstellen**
1. Erstellen Sie ein SageMaker Bild.
```
aws sagemaker create-image \
--image-name custom-image \
--role-arn arn:aws:iam:::role/service-role/
```
Die Antwort sollte in etwa so aussehen wie die folgende.
```
{
"ImageArn": "arn:aws:sagemaker:us-east-2:acct-id:image/custom-image"
}
```
1. Erstellen Sie eine SageMaker Image-Version aus dem Container-Image.
```
aws sagemaker create-image-version \
--image-name custom-image \
--base-image .dkr.ecr..amazonaws.com/smstudio-custom:custom-image
```
Die Antwort sollte in etwa so aussehen wie die folgende.
```
{
"ImageVersionArn": "arn:aws:sagemaker:us-east-2:acct-id:image-version/custom-image/1"
}
```
1. Überprüfen Sie, ob die Image-Version erfolgreich erstellt wurde.
```
aws sagemaker describe-image-version \
--image-name custom-image \
--version-number 1
```
Die Antwort sollte in etwa so aussehen wie die folgende.
```
{
"ImageVersionArn": "arn:aws:sagemaker:us-east-2:acct-id:image-version/custom-image/1",
"ImageVersionStatus": "CREATED"
}
```
**Anmerkung**
Wenn die Antwort lautet`"ImageVersionStatus": "CREATED_FAILED"`, enthält die Antwort auch den Grund für den Fehler. Ein Problem mit Berechtigungen ist eine häufige Fehlerursache. Sie können auch Ihre CloudWatch Amazon-Protokolle überprüfen, wenn beim Starten oder Ausführen der KernelGateway App für ein benutzerdefiniertes Image ein Fehler auftritt. Der Name der Protokollgruppe ist `/aws/sagemaker/studio`. Der Name des Protokollstroms ist `$domainID/$userProfileName/KernelGateway/$appName`.
1. Erstellen Sie eine Konfigurationsdatei mit dem Namen `app-image-config-input.json`. Der `Name` Wert von `KernelSpecs` muss mit dem Namen des KernelSpec übereinstimmen, der in dem mit diesem `AppImageConfig` verbundenen Image verfügbar ist. Bei diesem Wert ist die Groß- und Kleinschreibung zu beachten. Sie können die verfügbaren kernelSpecs in einem Image finden, indem Sie `jupyter-kernelspec list` von einer Shell innerhalb des Containers ausführen. `MountPath` ist der Pfad innerhalb des Images, um Ihr Amazon Elastic File System (Amazon EFS) Home-Verzeichnis zu mounten. Dieser muss sich von dem Pfad unterscheiden, den Sie innerhalb des Containers verwenden, da dieser Pfad überschrieben wird, wenn Ihr Amazon EFS-Home-Verzeichnis bereitgestellt wird.
**Anmerkung**
Die folgenden `DefaultUID` und `DefaultGID` Kombinationen sind die einzigen akzeptierten Werte:
defaultUID: 1000 und defaultGID: 100
defaultUID: 0 und defaultGID: 0
```
{
"AppImageConfigName": "custom-image-config",
"KernelGatewayImageConfig": {
"KernelSpecs": [
{
"Name": "python3",
"DisplayName": "Python 3 (ipykernel)"
}
],
"FileSystemConfig": {
"MountPath": "/home/sagemaker-user",
"DefaultUid": 1000,
"DefaultGid": 100
}
}
}
```
1. Erstellen Sie das AppImageConfig mit der im vorherigen Schritt erstellten Datei.
```
aws sagemaker create-app-image-config \
--cli-input-json file://app-image-config-input.json
```
Die Antwort sollte in etwa so aussehen wie die folgende.
```
{
"AppImageConfigArn": "arn:aws:sagemaker:us-east-2:acct-id:app-image-config/custom-image-config"
}
```
# Ein benutzerdefiniertes SageMaker Bild in Amazon SageMaker Studio Classic anhängen
**Wichtig**
Benutzerdefinierte IAM-Richtlinien, die es Amazon SageMaker Studio oder Amazon SageMaker Studio Classic ermöglichen, SageMaker Amazon-Ressourcen zu erstellen, müssen auch Berechtigungen zum Hinzufügen von Tags zu diesen Ressourcen gewähren. Die Berechtigung zum Hinzufügen von Tags zu Ressourcen ist erforderlich, da Studio und Studio Classic automatisch alle von ihnen erstellten Ressourcen taggen. Wenn eine IAM-Richtlinie Studio und Studio Classic das Erstellen von Ressourcen, aber kein Tagging erlaubt, können "AccessDenied" Fehler beim Versuch, Ressourcen zu erstellen, auftreten. Weitere Informationen finden Sie unter [Erteilen Sie Berechtigungen für das Taggen von SageMaker KI-Ressourcen](security_iam_id-based-policy-examples.md#grant-tagging-permissions).
[AWS verwaltete Richtlinien für Amazon SageMaker AI](security-iam-awsmanpol.md)die Berechtigungen zum Erstellen von SageMaker Ressourcen gewähren, beinhalten bereits Berechtigungen zum Hinzufügen von Tags beim Erstellen dieser Ressourcen.
**Wichtig**
Seit dem 30. November 2023 heißt das vorherige Amazon SageMaker Studio-Erlebnis jetzt Amazon SageMaker Studio Classic. Der folgende Abschnitt bezieht sich konkret auf die Verwendung der Studio-Classic-Anwendung. Informationen zur Verwendung der aktualisierten Studio-Konfiguration finden Sie unter [Amazon SageMaker Studio](studio-updated.md).
Studio Classic wird weiterhin für bestehende Workloads beibehalten, ist aber nicht mehr für das Onboarding verfügbar. Sie können nur vorhandene Studio Classic-Anwendungen beenden oder löschen und keine neuen erstellen. Wir empfehlen Ihnen, [Ihren Workload auf das neue Studio-Erlebnis zu migrieren](studio-updated-migrate.md).
Um ein benutzerdefiniertes SageMaker Image zu verwenden, müssen Sie eine Version des Images an Ihre Domain oder Ihren gemeinsam genutzten Bereich anhängen. Wenn Sie eine Image-Version anhängen, wird sie im SageMaker Studio Classic Launcher angezeigt und ist in der Dropdownliste **Bild auswählen** verfügbar, mit der Benutzer eine Aktivität starten oder das von einem Notizbuch verwendete Bild ändern können.
Um ein benutzerdefiniertes SageMaker Bild für alle Benutzer innerhalb einer Domain verfügbar zu machen, hängen Sie das Bild an die Domain an. Um ein Image für alle Benutzer in einem gemeinsam genutzten Bereich verfügbar zu machen, können Sie das Image an den gemeinsam genutzten Bereich anhängen. Um ein Image für einen einzelnen Benutzer verfügbar zu machen, hängen Sie das Image an das Profil des Benutzers an. Wenn Sie ein Bild anhängen, verwendet SageMaker AI standardmäßig die neueste Image-Version. Sie können auch eine bestimmte Image-Version anhängen. Nachdem Sie die Version angehängt haben, können Sie die Version im SageMaker AI Launcher oder in der Bildauswahl auswählen, wenn Sie ein Notizbuch starten.
Die Anzahl der Image-Versionen, die zu einem bestimmten Zeitpunkt angehängt werden können, ist eingeschränkt. Wenn Sie das Limit erreicht haben, müssen Sie eine Version trennen, um eine weitere Version des Images anzuhängen.
In den folgenden Abschnitten wird gezeigt, wie Sie mithilfe der SageMaker AI-Konsole oder der ein benutzerdefiniertes SageMaker Bild an Ihre Domain anhängen. AWS CLI Sie können ein benutzerdefiniertes Image nur über AWS CLI an einen Freigabebereich anhängen.
## Hängen Sie das SageMaker Bild an eine Domain an
### Hängen Sie das SageMaker Bild mithilfe der Konsole an
In diesem Thema wird beschrieben, wie Sie über das SageMaker AI-Kontrollpanel eine vorhandene benutzerdefinierte SageMaker Image-Version an Ihre Domain anhängen können. Sie können auch ein benutzerdefiniertes SageMaker Bild und eine Imageversion erstellen und diese Version dann an Ihre Domain anhängen. Informationen zum Erstellen eines Images und einer Image-Version finden Sie unter [Erstellen Sie ein benutzerdefiniertes SageMaker Image für Amazon SageMaker Studio Classic](studio-byoi-create.md).
**Um ein vorhandenes Image anzuhängen**
1. Öffnen Sie die Amazon SageMaker AI-Konsole unter [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/).
1. Wählen Sie im linken Navigationsbereich **Admin-Konfigurationen**.
1. Wählen Sie unter **Admin-Konfigurationen** **Domains** aus.
1. Wählen Sie auf der **Domain**-Seite die Domain aus, an die das Image angefügt werden soll.
1. Wählen Sie auf der Seite mit den **Domaindetails** die Registerkarte **Umgebung** aus.
1. Wählen Sie auf der Registerkarte **Umgebung** unter **Custom SageMaker Studio Classic-Bilder, die an die Domain angehängt** sind, die Option **Bild anhängen** aus.
1. Wählen Sie als **Image-Quelle** die Option **Bestehendes Image** aus.
1. Wählen Sie einen vorhandenen Benutzer aus der Liste aus.
1. Wählen Sie eine Version des Images aus der Liste aus.
1. Wählen Sie **Weiter** aus.
1. Überprüfen Sie die Werte für **Image-Name**, **Image-Aanzeigename** und **Beschreibung**.
1. Wählen Sie die &IAM; -Rolle () Weitere Informationen finden Sie unter [Erstellen Sie ein benutzerdefiniertes SageMaker Image für Amazon SageMaker Studio Classic](studio-byoi-create.md).
1. (Optional) Fügen Sie Tags für das Image hinzu.
1. Geben Sie den EFS-Bereitstellungspfad an. Dies ist der Pfad innerhalb des Images zum Bereitstellen des Amazon Elastic File System (EFS) -Stammverzeichnisses des Benutzers.
1. Wählen Sie als **Bildtyp** die Option **SageMaker Studio-Image**
1. Geben Sie als **Kernelname** den Namen eines vorhandenen Kernels im Image ein. Informationen zum Abrufen der Kernel-Informationen aus dem Image finden Sie unter [ENTWICKLUNG](https://github.com/aws-samples/sagemaker-studio-custom-image-samples/blob/main/DEVELOPMENT.md) im SageMaker Studio Classic Custom Image Samples-Repository. Weitere Informationen finden Sie in den Abschnitten **Kernel-Erkennung** und **Benutzerdaten** von [Benutzerdefinierte SageMaker Bildspezifikationen für Amazon SageMaker Studio Classic](studio-byoi-specs.md).
1. (Optional) Geben Sie unter **Kernel-Anzeigename** den Anzeigenamen für den Kernel ein.
1. Wählen Sie **Kernel hinzufügen**.
1. Wählen Sie **Absenden** aus.
1. Warten Sie, bis die Image-Version an die Domain angehängt ist. Wenn die Version angehängt ist, wird sie in der Liste der **benutzerdefinierten Images** angezeigt und kurz hervorgehoben.
### Hängen Sie das SageMaker Bild an, indem Sie AWS CLI
In den folgenden Abschnitten wird gezeigt, wie Sie ein benutzerdefiniertes SageMaker Bild anhängen, wenn Sie eine neue Domain erstellen oder Ihre bestehende Domain mit dem aktualisieren AWS CLI.
#### Hängen Sie das SageMaker Bild an eine neue Domain an
Der folgende Abschnitt zeigt, wie Sie eine neue Domain mit der angehängten Version erstellen. Für diese Schritte müssen Sie die Amazon Virtual Private Cloud (VPC) -Informationen und die Ausführungsrolle angeben, die für die Erstellung der Domain erforderlich sind. Sie führen die folgenden Schritte aus, um die Domain zu erstellen und das benutzerdefinierte SageMaker Bild anzuhängen:
+ Holen Sie sich Ihre Standard-VPC-ID und Ihr IDs Subnetz.
+ Erstellen Sie die Konfigurationsdatei für die Domain, die das Image spezifiziert.
+ Erstellen Sie die Domain mit der Konfigurationsdatei.
**Um das benutzerdefinierte SageMaker Image zu Ihrer Domain hinzuzufügen**
1. Holen Sie sich Ihre Standard-VPC-ID.
```
aws ec2 describe-vpcs \
--filters Name=isDefault,Values=true \
--query "Vpcs[0].VpcId" --output text
```
Die Antwort sollte in etwa so aussehen wie die folgende.
```
vpc-xxxxxxxx
```
1. Rufen Sie Ihr Standardsubnetz IDs mit der VPC-ID aus dem vorherigen Schritt ab.
```
aws ec2 describe-subnets \
--filters Name=vpc-id,Values= \
--query "Subnets[*].SubnetId" --output json
```
Die Antwort sollte in etwa so aussehen wie die folgende.
```
[
"subnet-b55171dd",
"subnet-8a5f99c6",
"subnet-e88d1392"
]
```
1. Erstellen Sie eine Konfigurationsdatei namens `create-domain-input.json`. Fügen Sie die VPC-ID, das Subnetz IDs und `AppImageConfigName` aus den vorherigen Schritten ein. `ImageName` Da `ImageVersionNumber` nicht angegeben ist, wird die neueste Version des Images verwendet, was in diesem Fall die einzige Version ist.
```
{
"DomainName": "domain-with-custom-image",
"VpcId": "",
"SubnetIds": [
""
],
"DefaultUserSettings": {
"ExecutionRole": "",
"KernelGatewayAppSettings": {
"CustomImages": [
{
"ImageName": "custom-image",
"AppImageConfigName": "custom-image-config"
}
]
}
},
"AuthMode": "IAM"
}
```
1. Erstellen Sie die Domain mit dem angehängten benutzerdefinierten SageMaker Image.
```
aws sagemaker create-domain \
--cli-input-json file://create-domain-input.json
```
Die Antwort sollte in etwa so aussehen wie die folgende.
```
{
"DomainArn": "arn:aws:sagemaker:us-east-2:acct-id:domain/d-xxxxxxxxxxxx",
"Url": "https://d-xxxxxxxxxxxx.studio.us-east-2.sagemaker.aws/..."
}
```
#### Hängen Sie das SageMaker Bild an Ihre aktuelle Domain an
Wenn Sie bei einer SageMaker AI-Domain angemeldet sind, können Sie das benutzerdefinierte Bild an Ihre aktuelle Domain anhängen. Weitere Informationen zum Onboarding in eine SageMaker AI-Domain finden Sie unter. [Überblick über die Amazon SageMaker AI-Domain](gs-studio-onboard.md) Sie müssen die VPC-Informationen und die Ausführungsrolle nicht angeben, wenn Sie ein benutzerdefiniertes Image an Ihre aktuelle Domain anhängen. Nachdem Sie die Version angehängt haben, müssen Sie alle Apps in Ihrer Domain löschen und Studio Classic erneut öffnen. Informationen zum Löschen von Anwendungen finden Sie unter [Löschen Sie eine Amazon SageMaker AI-Domain](gs-studio-delete-domain.md).
Sie führen die folgenden Schritte aus, um das SageMaker Bild zu Ihrer aktuellen Domain hinzuzufügen.
+ Holen Sie sich Ihr `DomainID` aus dem SageMaker AI-Kontrollpanel.
+ Verwenden Sie das `DomainID`, um das `DefaultUserSettings` für die Domain abzurufen.
+ Fügen Sie das `ImageName` und `AppImageConfig` als ein `CustomImage` zum `DefaultUserSettings` hinzu.
+ Aktualisieren Sie Ihre Domain so, dass sie das benutzerdefinierte Image enthält.
**Um das benutzerdefinierte SageMaker Bild zu Ihrer Domain hinzuzufügen**
1. Öffnen Sie die Amazon SageMaker AI-Konsole unter [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/).
1. Wählen Sie im linken Navigationsbereich **Admin-Konfigurationen**.
1. Wählen Sie unter **Admin-Konfigurationen** **Domains** aus.
1. Wählen Sie auf der **Domain**-Seite die Domain aus, an die das Image angefügt werden soll.
1. Wählen Sie auf der Seite mit den **Domain-Details** den Tab **Domaineinstellungen** aus.
1. Auf der Registerkarte **Domaineinstellungen** finden Sie unter **Allgemeine Einstellungen** den Eintrag `DomainId`. Die ID hat das folgende Format: `d-xxxxxxxxxxxx`.
1. Verwenden Sie die Domain-ID, um die Beschreibung der Domain abzurufen.
```
aws sagemaker describe-domain \
--domain-id
```
Die Antwort sollte in etwa so aussehen wie die folgende.
```
{
"DomainId": "d-xxxxxxxxxxxx",
"DefaultUserSettings": {
"KernelGatewayAppSettings": {
"CustomImages": [
],
...
}
}
}
```
1. Speichern Sie den Abschnitt mit den Standardbenutzereinstellungen der Antwort in einer Datei mit dem Namen `default-user-settings.json`.
1. Fügen Sie das `ImageName` und `AppImageConfigName` aus den vorherigen Schritten als benutzerdefiniertes Image ein. Da `ImageVersionNumber` nicht angegeben ist, wird die neueste Version des Images verwendet, was in diesem Fall die einzige Version ist.
```
{
"DefaultUserSettings": {
"KernelGatewayAppSettings": {
"CustomImages": [
{
"ImageName": "string",
"AppImageConfigName": "string"
}
],
...
}
}
}
```
1. Verwenden Sie die Domain-ID und die Datei mit den Standardbenutzereinstellungen, um Ihre Domain zu aktualisieren.
```
aws sagemaker update-domain \
--domain-id \
--cli-input-json file://default-user-settings.json
```
Die Antwort sollte in etwa so aussehen wie die folgende.
```
{
"DomainArn": "arn:aws:sagemaker:us-east-2:acct-id:domain/d-xxxxxxxxxxxx"
}
```
## Hängen Sie das SageMaker Bild an einen gemeinsam genutzten Bereich an
Sie können das SageMaker Bild nur mit dem an einen gemeinsam genutzten Bereich anhängen AWS CLI. Nachdem Sie die Version angehängt haben, müssen Sie alle Anwendungen in Ihrem gemeinsam genutzten Bereich löschen und Studio Classic erneut öffnen. Informationen zum Löschen von Anwendungen finden Sie unter [Löschen Sie eine Amazon SageMaker AI-Domain](gs-studio-delete-domain.md).
Sie führen die folgenden Schritte aus, um das SageMaker Bild einem gemeinsam genutzten Bereich hinzuzufügen.
+ Holen Sie sich Ihr `DomainID` vom SageMaker AI-Kontrollpanel aus.
+ Verwenden Sie das `DomainID`, um das `DefaultSpaceSettings` für die Domain abzurufen.
+ Fügen Sie das `ImageName` und `AppImageConfig` als ein `CustomImage` zum `DefaultSpaceSettings` hinzu.
+ Aktualisieren Sie Ihre Domain so, dass sie das benutzerdefinierte Image für den gemeinsam genutzten Bereich enthält.
**Um das benutzerdefinierte SageMaker Bild zu Ihrem gemeinsamen Bereich hinzuzufügen**
1. Öffnen Sie die Amazon SageMaker AI-Konsole unter [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/).
1. Wählen Sie im linken Navigationsbereich **Admin-Konfigurationen**.
1. Wählen Sie unter **Admin-Konfigurationen** **Domains** aus.
1. Wählen Sie auf der **Domain**-Seite die Domain aus, an die das Image angefügt werden soll.
1. Wählen Sie auf der Seite mit den **Domain-Details** den Tab **Domaineinstellungen** aus.
1. Auf der Registerkarte **Domaineinstellungen** finden Sie unter **Allgemeine Einstellungen** den Eintrag `DomainId`. Die ID hat das folgende Format: `d-xxxxxxxxxxxx`.
1. Verwenden Sie die Domain-ID, um die Beschreibung der Domain abzurufen.
```
aws sagemaker describe-domain \
--domain-id
```
Die Antwort sollte in etwa so aussehen wie die folgende.
```
{
"DomainId": "d-xxxxxxxxxxxx",
...
"DefaultSpaceSettings": {
"KernelGatewayAppSettings": {
"CustomImages": [
],
...
}
}
}
```
1. Speichern Sie den Abschnitt mit den standardmäßigen Speichereinstellungen der Antwort in einer Datei mit dem Namen `default-space-settings.json`.
1. Fügen Sie das `ImageName` und `AppImageConfigName` aus den vorherigen Schritten als benutzerdefiniertes Image ein. Da `ImageVersionNumber` nicht angegeben ist, wird die neueste Version des Images verwendet, was in diesem Fall die einzige Version ist.
```
{
"DefaultSpaceSettings": {
"KernelGatewayAppSettings": {
"CustomImages": [
{
"ImageName": "string",
"AppImageConfigName": "string"
}
],
...
}
}
}
```
1. Verwenden Sie die Domain-ID und die Datei mit den Standardeinstellungen für den Speicherplatz, um Ihre Domain zu aktualisieren.
```
aws sagemaker update-domain \
--domain-id \
--cli-input-json file://default-space-settings.json
```
Die Antwort sollte in etwa so aussehen wie die folgende.
```
{
"DomainArn": "arn:aws:sagemaker:us-east-2:acct-id:domain/d-xxxxxxxxxxxx"
}
```
## Sehen Sie sich das angehängte Bild in SageMaker AI an
Nachdem Sie das benutzerdefinierte SageMaker Image erstellt und an Ihre Domain angehängt haben, wird das Bild auf der Registerkarte **Umgebung** der Domain angezeigt. Sie können die angehängten Bilder für gemeinsam genutzte Bereiche nur mit AWS CLI dem folgenden Befehl anzeigen.
```
aws sagemaker describe-domain \
--domain-id
```
# Starten Sie ein benutzerdefiniertes SageMaker Image in Amazon SageMaker Studio Classic
**Wichtig**
Seit dem 30. November 2023 heißt das vorherige Amazon SageMaker Studio-Erlebnis jetzt Amazon SageMaker Studio Classic. Der folgende Abschnitt bezieht sich konkret auf die Verwendung der Studio-Classic-Anwendung. Informationen zur Verwendung der aktualisierten Studio-Konfiguration finden Sie unter [Amazon SageMaker Studio](studio-updated.md).
Studio Classic wird weiterhin für bestehende Workloads beibehalten, ist aber nicht mehr für das Onboarding verfügbar. Sie können nur vorhandene Studio Classic-Anwendungen beenden oder löschen und keine neuen erstellen. Wir empfehlen Ihnen, [Ihren Workload auf das neue Studio-Erlebnis zu migrieren](studio-updated-migrate.md).
Nachdem Sie Ihr benutzerdefiniertes SageMaker Image erstellt und es an Ihre Domain oder Ihren Shared Space angehängt haben, werden das benutzerdefinierte Image und der Kernel in den Selektoren im Dialogfeld „**Umgebung ändern**“ des Studio Classic Launcher angezeigt.
**Um Ihr benutzerdefiniertes Image und Ihren eigenen Kernel zu starten und auszuwählen**
1. Öffnen Sie in Amazon SageMaker Studio Classic den Launcher. Um den Launcher zu öffnen, wählen Sie **Amazon SageMaker Studio Classic** oben links auf der Studio Classic-Oberfläche oder verwenden Sie die Tastenkombination`Ctrl + Shift + L`.
Weitere Informationen zu allen verfügbaren Möglichkeiten, den Launcher zu öffnen, finden Sie unter [Verwenden Sie den Amazon SageMaker Studio Classic Launcher](studio-launcher.md)
![\[SageMaker Studio Classic-Launcher.\]](http://docs.aws.amazon.com/de_de/sagemaker/latest/dg/images/studio/studio-new-launcher.png)
1. Wählen Sie im Launcher im Bereich **Notebooks und Rechenressourcen** die Option **Umgebung ändern** aus.
1. Wählen Sie im Dialogfeld **Umgebung ändern** mithilfe der Dropdown-Menüs im Bereich **Benutzerdefiniertes Image** Ihr **Image** und Ihren **Kernel** aus und wählen Sie dann **Auswählen**.
1. Wähle im Launcher **Notebook erstellen** oder **Image-Terminal öffnen**. Ihr Notebook oder Terminal wird mit dem ausgewählten benutzerdefinierten Image und Kernel gestartet.
Informationen zum Ändern Ihres Images oder Kernels in einem geöffneten Notebook finden Sie unter [Ändern Sie das Image oder einen Kernel für ein Amazon SageMaker Studio Classic-Notebook](notebooks-run-and-manage-change-image.md).
**Anmerkung**
Wenn beim Starten des Images ein Fehler auftritt, überprüfen Sie Ihre CloudWatch Amazon-Protokolle. Der Name der Protokollgruppe ist `/aws/sagemaker/studio`. Der Name des Protokollstroms ist `$domainID/$userProfileName/KernelGateway/$appName`.
# Ressourcen für benutzerdefinierte Bilder in Amazon SageMaker Studio Classic bereinigen
**Wichtig**
Seit dem 30. November 2023 heißt das vorherige Amazon SageMaker Studio-Erlebnis jetzt Amazon SageMaker Studio Classic. Der folgende Abschnitt bezieht sich konkret auf die Verwendung der Studio-Classic-Anwendung. Informationen zur Verwendung der aktualisierten Studio-Konfiguration finden Sie unter [Amazon SageMaker Studio](studio-updated.md).
Studio Classic wird weiterhin für bestehende Workloads beibehalten, ist aber nicht mehr für das Onboarding verfügbar. Sie können nur vorhandene Studio Classic-Anwendungen beenden oder löschen und keine neuen erstellen. Wir empfehlen Ihnen, [Ihren Workload auf das neue Studio-Erlebnis zu migrieren](studio-updated-migrate.md).
In den folgenden Abschnitten wird gezeigt, wie Sie die Ressourcen, die Sie in den vorherigen Abschnitten erstellt haben, von der SageMaker AI-Konsole oder aus bereinigen AWS CLI. Führen Sie die folgenden Schritte aus, um die Ressourcen zu bereinigen:
+ Trennen Sie das Image und die Image-Versionen von Ihrer Domain.
+ Löschen Sie das Image, die Image-Version und die App-Image-Konfiguration.
+ Löschen Sie das Container-Image und das Repository aus Amazon ECR. Weitere Informationen finden Sie unter [Löschen eines Repositorys](https://docs.aws.amazon.com/AmazonECR/latest/userguide/repository-delete.html).
## Bereinigen Sie Ressourcen von der SageMaker AI-Konsole aus
Der folgende Abschnitt zeigt, wie Sie Ressourcen von der SageMaker AI-Konsole aus bereinigen.
Wenn Sie ein Image von einer Domain trennen, werden alle Versionen des Images getrennt. Wenn ein Image getrennt wird, verlieren alle Benutzer der Domain den Zugriff auf die Image-Versionen. Ein laufendes Notebook, das eine Kernel-Sitzung auf einer Image-Version hat, wenn die Version getrennt wird, läuft weiter. Wenn das Notebook gestoppt oder der Kernel heruntergefahren wird, ist die Image-Version nicht mehr verfügbar.
**So lösen Sie ein Image**
1. Öffnen Sie die Amazon SageMaker AI-Konsole unter [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/).
1. Wählen Sie im linken Navigationsbereich **Admin-Konfigurationen**.
1. Wählen Sie unter **Admin-Konfigurationen** die Option **Images**.
1. Wählen Sie unter **Benutzerdefinierte SageMaker Studio Classic-Bilder, die an die Domain angehängt** sind, das Bild aus und wählen Sie dann **Trennen** aus.
1. (Optional) Um das Bild und alle Versionen aus SageMaker AI zu löschen, wählen Sie **Auch die ausgewählten Bilder löschen**... . Dadurch werden die zugehörigen Container-Images nicht aus Amazon ECR gelöscht.
1. Wählen Sie **Trennen** aus.
## Säubere Ressourcen aus dem AWS CLI
Im folgenden Abschnitt wird gezeigt, wie man die Ressourcen aus dem AWS CLI bereinigt.
**So bereinigen Sie Ressourcen**
1. Trennen Sie das Image und die Image-Versionen von Ihrer Domain, indem Sie eine leere benutzerdefinierte Image-Liste an die Domain übergeben. Öffnen Sie die `default-user-settings.json`-Datei, die Sie in [Hängen Sie das SageMaker Bild an Ihre aktuelle Domain an](studio-byoi-attach.md#studio-byoi-sdk-attach-current-domain) erstellt haben. Um das Image und die image-Version von einem gemeinsam genutzten Bereich zu trennen, öffnen Sie die `default-space-settings.json` Datei.
1. Löschen Sie die benutzerdefinierten Images und speichern Sie die Datei.
```
"DefaultUserSettings": {
"KernelGatewayAppSettings": {
"CustomImages": [
],
...
},
...
}
```
1. Verwenden Sie die Domain-ID und die Datei mit den Standardbenutzereinstellungen, um Ihre Domain zu aktualisieren. Verwenden Sie die Datei mit den Standardeinstellungen für den Bereich, um Ihren gemeinsam genutzten Bereich zu aktualisieren.
```
aws sagemaker update-domain \
--domain-id \
--cli-input-json file://default-user-settings.json
```
Die Antwort sollte in etwa so aussehen wie die folgende.
```
{
"DomainArn": "arn:aws:sagemaker:us-east-2:acct-id:domain/d-xxxxxxxxxxxx"
}
```
1. Löschen Sie die App-Image-Konfiguration.
```
aws sagemaker delete-app-image-config \
--app-image-config-name custom-image-config
```
1. Löschen Sie das SageMaker Bild, wodurch auch alle Image-Versionen gelöscht werden. Die Container-Images in ECR, die durch die Image-Versionen repräsentiert werden, werden nicht gelöscht.
```
aws sagemaker delete-image \
--image-name custom-image
```
# Verwenden Sie Lebenszykluskonfigurationen, um Amazon SageMaker Studio Classic anzupassen
**Wichtig**
Seit dem 30. November 2023 heißt das vorherige Amazon SageMaker Studio-Erlebnis jetzt Amazon SageMaker Studio Classic. Der folgende Abschnitt bezieht sich konkret auf die Verwendung der Studio-Classic-Anwendung. Informationen zur Verwendung der aktualisierten Studio-Konfiguration finden Sie unter [Amazon SageMaker Studio](studio-updated.md).
Studio Classic wird weiterhin für bestehende Workloads beibehalten, ist aber nicht mehr für das Onboarding verfügbar. Sie können nur vorhandene Studio Classic-Anwendungen beenden oder löschen und keine neuen erstellen. Wir empfehlen Ihnen, [Ihren Workload auf das neue Studio-Erlebnis zu migrieren](studio-updated-migrate.md).
Amazon SageMaker Studio Classic löst Shell-Skripts für Lebenszykluskonfigurationen bei wichtigen Lebenszyklusereignissen aus, z. B. beim Starten eines neuen Studio Classic-Notebooks. Sie können Lebenszykluskonfigurationen verwenden, um die Anpassung für Ihre Umgebung von Studio Classic zu automatisieren. Diese Anpassung umfasst die Installation benutzerdefinierter Pakete, die Konfiguration von Notebook-Erweiterungen, das Vorladen von Datensätzen und die Einrichtung von Quellcode-Repositorys.
Die Verwendung von Lebenszykluskonfigurationen bietet Ihnen Flexibilität und Kontrolle, Studio Classic so zu konfigurieren, dass sie Ihren speziellen Anforderungen entspricht. Beispielsweise können Sie angepasste Container-Images mit Skripten zur Lebenszykluskonfiguration verwenden, um Ihre Umgebung anzupassen. Erstellen Sie zunächst eine minimale Anzahl von Basis-Container-Images und installieren Sie anschließend die am häufigsten verwendeten Pakete und Bibliotheken in diesen Images. Nachdem Sie Ihre Images fertiggestellt haben, verwenden Sie Lebenszykluskonfigurationen, um zusätzliche Pakete für bestimmte Anwendungsfälle zu installieren. Dies bietet Ihnen die Flexibilität, Ihre Umgebung in Ihren Datenwissenschafts- und Machine-Learning-Teams je nach Bedarf anzupassen.
Benutzer können nur Skripte zur Lebenszykluskonfiguration auswählen, auf die sie Zugriff haben. Sie können Zugriff auf mehrere Skripte für die Lebenszykluskonfiguration gewähren, aber auch Standard-Skripte für die Lebenszykluskonfiguration für Ressourcen festlegen. Basierend auf der Ressource, für die die standardmäßige Lebenszykluskonfiguration festgelegt ist, wird die Standardkonfiguration entweder automatisch ausgeführt oder ist die erste angezeigte Option.
Beispiele für Lebenszykluskonfigurationsskripte finden Sie im [ GitHub Repository mit Beispielen für die Lebenszykluskonfiguration von Studio Classic](https://github.com/aws-samples/sagemaker-studio-lifecycle-config-examples). Einen Blog zur Implementierung der Lebenszykluskonfiguration finden Sie unter [Anpassen von Amazon SageMaker Studio Classic mithilfe von Lebenszykluskonfigurationen](https://aws.amazon.com/blogs/machine-learning/customize-amazon-sagemaker-studio-using-lifecycle-configurations/).
**Anmerkung**
Jedes Skript hat ein Limit von **16384 Zeichen**.
**Topics**
+ [Eine Lebenszykluskonfiguration erstellen und mit Amazon SageMaker Studio Classic verknüpfen](studio-lcc-create.md)
+ [Standard-Lebenszykluskonfigurationen für Amazon SageMaker Studio Classic festlegen](studio-lcc-defaults.md)
+ [Debuggen von Lebenszykluskonfigurationen in Amazon SageMaker Studio Classic](studio-lcc-debug.md)
+ [Lebenszykluskonfigurationen in Amazon SageMaker Studio Classic aktualisieren und trennen](studio-lcc-delete.md)
# Eine Lebenszykluskonfiguration erstellen und mit Amazon SageMaker Studio Classic verknüpfen
**Wichtig**
Seit dem 30. November 2023 heißt das vorherige Amazon SageMaker Studio-Erlebnis jetzt Amazon SageMaker Studio Classic. Der folgende Abschnitt bezieht sich konkret auf die Verwendung der Studio-Classic-Anwendung. Informationen zur Verwendung der aktualisierten Studio-Konfiguration finden Sie unter [Amazon SageMaker Studio](studio-updated.md).
Studio Classic wird weiterhin für bestehende Workloads beibehalten, ist aber nicht mehr für das Onboarding verfügbar. Sie können nur vorhandene Studio Classic-Anwendungen beenden oder löschen und keine neuen erstellen. Wir empfehlen Ihnen, [Ihren Workload auf das neue Studio-Erlebnis zu migrieren](studio-updated-migrate.md).
Amazon SageMaker AI bietet interaktive Anwendungen, die die visuelle Oberfläche, die Codeerstellung und das Ausführungserlebnis von Studio Classic ermöglichen. In dieser Serie wird gezeigt, wie Sie eine Lebenszykluskonfiguration erstellen und sie einer SageMaker KI-Domain zuordnen.
Anwendungstypen können entweder `JupyterServer` oder `KernelGateway` sein.
+ **`JupyterServer`-Anwendungen:** Dieser Anwendungstyp ermöglicht den Zugriff auf die visuelle Oberfläche von Studio Classic. Jeder Benutzer und jeder gemeinsam genutzte Bereich in Studio Classic erhält seine eigene JupyterServer Anwendung.
+ **`KernelGateway`-Anwendungen:** Dieser Anwendungstyp ermöglicht den Zugriff auf die Code-Run-Umgebung und die Kernel für Ihre Studio-Classic-Notebooks und -Terminals. Weitere Informationen finden Sie unter [Jupyter Kernel Gateway](https://jupyter-kernel-gateway.readthedocs.io/en/latest/).
Weitere Informationen zur Architektur von Studio Classic und zu den Studio Classic-Anwendungen finden Sie unter [Verwenden von Amazon SageMaker Studio Classic-Notebooks](https://docs.aws.amazon.com/sagemaker/latest/dg/notebooks.html).
**Topics**
+ [Erstellen Sie eine Lebenszykluskonfiguration aus dem AWS CLI für Amazon SageMaker Studio Classic](studio-lcc-create-cli.md)
+ [Erstellen Sie eine Lifecycle-Konfiguration über die SageMaker AI-Konsole für Amazon SageMaker Studio Classic](studio-lcc-create-console.md)
# Erstellen Sie eine Lebenszykluskonfiguration aus dem AWS CLI für Amazon SageMaker Studio Classic
**Wichtig**
Benutzerdefinierte IAM-Richtlinien, die es Amazon SageMaker Studio oder Amazon SageMaker Studio Classic ermöglichen, SageMaker Amazon-Ressourcen zu erstellen, müssen auch Berechtigungen zum Hinzufügen von Tags zu diesen Ressourcen gewähren. Die Berechtigung zum Hinzufügen von Tags zu Ressourcen ist erforderlich, da Studio und Studio Classic automatisch alle von ihnen erstellten Ressourcen taggen. Wenn eine IAM-Richtlinie Studio und Studio Classic das Erstellen von Ressourcen, aber kein Tagging erlaubt, können "AccessDenied" Fehler beim Versuch, Ressourcen zu erstellen, auftreten. Weitere Informationen finden Sie unter [Erteilen Sie Berechtigungen für das Taggen von SageMaker KI-Ressourcen](security_iam_id-based-policy-examples.md#grant-tagging-permissions).
[AWS verwaltete Richtlinien für Amazon SageMaker AI](security-iam-awsmanpol.md)die Berechtigungen zum Erstellen von SageMaker Ressourcen gewähren, beinhalten bereits Berechtigungen zum Hinzufügen von Tags beim Erstellen dieser Ressourcen.
**Wichtig**
Seit dem 30. November 2023 heißt das vorherige Amazon SageMaker Studio-Erlebnis jetzt Amazon SageMaker Studio Classic. Der folgende Abschnitt bezieht sich konkret auf die Verwendung der Studio-Classic-Anwendung. Informationen zur Verwendung der aktualisierten Studio-Konfiguration finden Sie unter [Amazon SageMaker Studio](studio-updated.md).
Studio Classic wird weiterhin für bestehende Workloads beibehalten, ist aber nicht mehr für das Onboarding verfügbar. Sie können nur vorhandene Studio Classic-Anwendungen beenden oder löschen und keine neuen erstellen. Wir empfehlen Ihnen, [Ihren Workload auf das neue Studio-Erlebnis zu migrieren](studio-updated-migrate.md).
Das folgende Thema zeigt, wie Sie mithilfe von eine Lebenszykluskonfiguration erstellen AWS CLI , um die Anpassung für Ihre Studio Classic-Umgebung zu automatisieren.
## Voraussetzungen
Stellen Sie vor Beginn sicher, dass die folgenden Voraussetzungen erfüllt sind:
+ Aktualisieren Sie die, AWS CLI indem Sie den Schritten unter [Installation der aktuellen AWS CLI Version](https://docs.aws.amazon.com/cli/latest/userguide/install-cliv1.html#install-tool-bundled) folgen.
+ Führen Sie `aws configure` von Ihrem lokalen Rechner aus und geben Sie Ihre AWS -Anmeldedaten ein. Informationen zu AWS Anmeldeinformationen finden Sie unter [AWS Anmeldeinformationen verstehen und abrufen](https://docs.aws.amazon.com/general/latest/gr/aws-sec-cred-types.html).
+ Gehen Sie wie unter beschrieben vor, um in die SageMaker AI-Domain einzusteigen[Überblick über die Amazon SageMaker AI-Domain](gs-studio-onboard.md).
## Schritt 1: Erstellen einer Lebenszykluskonfiguration
Das folgende Verfahren zeigt, wie Sie ein Skript für die Lebenszykluskonfiguration erstellen, das `Hello World` ausgibt.
**Anmerkung**
Jedes Skript kann bis zu **16.384 Zeichen** enthalten.
1. Erstellen Sie auf Ihrem lokalen Rechner eine Datei namens `my-script.sh` mit folgendem Inhalt.
```
#!/bin/bash
set -eux
echo 'Hello World!'
```
1. Konvertieren Sie Ihre `my-script.sh`-Datei in das base64-Format. Diese Anforderung verhindert Fehler, die bei der Kodierung von Abständen und Zeilenumbrüchen auftreten.
```
LCC_CONTENT=`openssl base64 -A -in my-script.sh`
```
1. Erstellen Sie eine Lebenszykluskonfiguration für die Verwendung mit Studio Classic. Der folgende Befehl erstellt eine Lebenszykluskonfiguration, die ausgeführt wird, wenn Sie eine zugehörige `KernelGateway` Anwendung starten.
```
aws sagemaker create-studio-lifecycle-config \
--region region \
--studio-lifecycle-config-name my-studio-lcc \
--studio-lifecycle-config-content $LCC_CONTENT \
--studio-lifecycle-config-app-type KernelGateway
```
Notieren Sie sich den ARN der neu erstellten Lebenszykluskonfiguration, die zurückgegeben wird. Dieser ARN ist erforderlich, um die Lebenszykluskonfiguration an Ihre Anwendung anzuhängen.
## Schritt 2: Hängen Sie die Lebenszykluskonfiguration an Ihre Domain, Ihr Benutzerprofil oder Ihren gemeinsam genutzten Bereich an
Um die Lebenszykluskonfiguration anzuhängen, müssen Sie die `UserSettings` für Ihre Domain oder Ihr Benutzerprofil oder die `SpaceSettings` für einen gemeinsam genutzten Bereich aktualisieren. Skripts zur Lebenszykluskonfiguration, die auf Domainebene verknüpft sind, werden von allen Benutzern übernommen. Skripts, die auf Benutzerprofilebene verknüpft sind, sind jedoch einem bestimmten Benutzer zugeordnet, während Skripte, die auf der Ebene des gemeinsam genutzten Bereichs verknüpft sind, dem gemeinsam genutzten Bereich zugeordnet sind.
Im folgenden Beispiel wird gezeigt, wie Sie ein neues Benutzerprofil mit angefügter Lebenszykluskonfiguration erstellen. Sie können auch eine neue Domain oder einen neuen Bereich mit angefügter Lebenszykluskonfiguration erstellen, indem Sie die Befehle [create-domain](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/sagemaker/create-domain.html) bzw. [create-space](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/sagemaker/create-space.html) verwenden.
Fügen Sie den ARN für die Lebenszykluskonfiguration aus dem vorherigen Schritt zu den Einstellungen für den entsprechenden App-Typ hinzu. Legen Sie sie zum Beispiel in der `JupyterServerAppSettings` des Benutzers ab. Sie können mehrere Lebenszykluskonfigurationen gleichzeitig hinzufügen, indem Sie eine Liste von Lebenszykluskonfigurationen übergeben. Wenn ein Benutzer eine JupyterServer Anwendung mit dem startet AWS CLI, kann er eine Lebenszykluskonfiguration übergeben, die anstelle der Standardkonfiguration verwendet werden soll. Die Lebenszykluskonfiguration, die der Benutzer übergibt, muss zur Liste der Lebenszykluskonfigurationen in `JupyterServerAppSettings` gehören.
```
# Create a new UserProfile
aws sagemaker create-user-profile --domain-id domain-id \
--user-profile-name user-profile-name \
--region region \
--user-settings '{
"JupyterServerAppSettings": {
"LifecycleConfigArns":
[lifecycle-configuration-arn-list]
}
}'
```
Im folgenden Beispiel wird gezeigt, wie Sie einen vorhandenen Shared Space aktualisieren, um die Lebenszykluskonfiguration anzufügen. Sie können auch ein vorhandenes Domänen- oder Benutzerprofil mit einer angehängten Lebenszykluskonfiguration aktualisieren, indem Sie den Befehl [update-domain](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/sagemaker/update-domain.html) oder [update-user-profile](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/sagemaker/update-user-profile.html)verwenden. Wenn Sie die Liste der angehängten Lebenszykluskonfigurationen aktualisieren, müssen Sie alle Lebenszykluskonfigurationen als Teil der Liste übergeben. Wenn eine Lebenszykluskonfiguration nicht Teil dieser Liste ist, wird sie nicht an die Anwendung angehängt.
```
aws sagemaker update-space --domain-id domain-id \
--space-name space-name \
--region region \
--space-settings '{
"JupyterServerAppSettings": {
"LifecycleConfigArns":
[lifecycle-configuration-arn-list]
}
}'
```
Informationen zum Festlegen einer standardmäßigen Lebenszykluskonfiguration für eine Ressource finden Sie unter [Standard-Lebenszykluskonfigurationen für Amazon SageMaker Studio Classic festlegen](studio-lcc-defaults.md).
## Schritt 3: Starten der Anwendung mit Lebenszykluskonfiguration
Nachdem Sie eine Lebenszykluskonfiguration an eine Domain, ein Benutzerprofil oder einen Bereich angehängt haben, kann der Benutzer sie auswählen, wenn er eine Anwendung mit dem AWS CLI startet. In diesem Abschnitt erfahren Sie, wie Sie eine Anwendung mit angefügter Lebenszykluskonfiguration starten. Informationen zum Ändern der standardmäßigen Lebenszykluskonfiguration nach dem Start einer JupyterServer Anwendung finden Sie unter. [Standard-Lebenszykluskonfigurationen für Amazon SageMaker Studio Classic festlegen](studio-lcc-defaults.md)
Starten Sie den gewünschten Anwendungstyp mit dem `create-app` Befehl und geben Sie den ARN für die Lebenszykluskonfiguration im `resource-spec` Argument an.
+ Das folgende Beispiel zeigt, wie Sie eine `JupyterServer`-Anwendung mit einer zugehörigen Lebenszykluskonfiguration erstellen. Bei der Erstellung des `JupyterServer` müssen die `app-name` `default` sein. Der als Teil des `resource-spec` Parameters übergebene ARN für die Lebenszykluskonfiguration muss Teil der Liste der Lebenszykluskonfigurationen sein, die in `UserSettings` für Ihre Domäne oder Ihr Benutzerprofil oder `SpaceSettings` für einen gemeinsam genutzten Bereich ARNs angegeben ist.
```
aws sagemaker create-app --domain-id domain-id \
--region region \
--user-profile-name user-profile-name \
--app-type JupyterServer \
--resource-spec LifecycleConfigArn=lifecycle-configuration-arn \
--app-name default
```
+ Das folgende Beispiel zeigt, wie Sie eine `KernelGateway`-Anwendung mit einer zugehörigen Lebenszykluskonfiguration erstellen.
```
aws sagemaker create-app --domain-id domain-id \
--region region \
--user-profile-name user-profile-name \
--app-type KernelGateway \
--resource-spec LifecycleConfigArn=lifecycle-configuration-arn,SageMakerImageArn=sagemaker-image-arn,InstanceType=instance-type \
--app-name app-name
```
# Erstellen Sie eine Lifecycle-Konfiguration über die SageMaker AI-Konsole für Amazon SageMaker Studio Classic
**Wichtig**
Benutzerdefinierte IAM-Richtlinien, die es Amazon SageMaker Studio oder Amazon SageMaker Studio Classic ermöglichen, SageMaker Amazon-Ressourcen zu erstellen, müssen auch Berechtigungen zum Hinzufügen von Tags zu diesen Ressourcen gewähren. Die Berechtigung zum Hinzufügen von Tags zu Ressourcen ist erforderlich, da Studio und Studio Classic automatisch alle von ihnen erstellten Ressourcen taggen. Wenn eine IAM-Richtlinie Studio und Studio Classic das Erstellen von Ressourcen, aber kein Tagging erlaubt, können "AccessDenied" Fehler beim Versuch, Ressourcen zu erstellen, auftreten. Weitere Informationen finden Sie unter [Erteilen Sie Berechtigungen für das Taggen von SageMaker KI-Ressourcen](security_iam_id-based-policy-examples.md#grant-tagging-permissions).
[AWS verwaltete Richtlinien für Amazon SageMaker AI](security-iam-awsmanpol.md)die Berechtigungen zum Erstellen von SageMaker Ressourcen gewähren, beinhalten bereits Berechtigungen zum Hinzufügen von Tags beim Erstellen dieser Ressourcen.
**Wichtig**
Seit dem 30. November 2023 heißt das vorherige Amazon SageMaker Studio-Erlebnis jetzt Amazon SageMaker Studio Classic. Der folgende Abschnitt bezieht sich konkret auf die Verwendung der Studio-Classic-Anwendung. Informationen zur Verwendung der aktualisierten Studio-Konfiguration finden Sie unter [Amazon SageMaker Studio](studio-updated.md).
Studio Classic wird weiterhin für bestehende Workloads beibehalten, ist aber nicht mehr für das Onboarding verfügbar. Sie können nur vorhandene Studio Classic-Anwendungen beenden oder löschen und keine neuen erstellen. Wir empfehlen Ihnen, [Ihren Workload auf das neue Studio-Erlebnis zu migrieren](studio-updated-migrate.md).
Das folgende Thema zeigt, wie Sie eine Lebenszykluskonfiguration von der Amazon SageMaker AI-Konsole aus erstellen, um die Anpassung für Ihre Studio Classic-Umgebung zu automatisieren.
## Voraussetzungen
Bevor Sie mit diesem Lernprogramm beginnen können, müssen Sie die folgenden Voraussetzungen erfüllen:
+ An Bord von Amazon SageMaker Studio Classic. Weitere Informationen finden Sie unter [Integrieren in Amazon SageMaker Studio Classic](https://docs.aws.amazon.com/sagemaker/latest/dg/gs-studio-onboard.html).
## Schritt 1: Erstellen einer neuen Lebenszykluskonfiguration
Sie können eine Lebenszykluskonfiguration erstellen, indem Sie ein Skript von der Amazon SageMaker AI-Konsole aus eingeben.
**Anmerkung**
Jedes Skript kann bis zu **16.384 Zeichen** enthalten.
Das folgende Verfahren zeigt, wie Sie ein Skript für die Lebenszykluskonfiguration erstellen, das `Hello World` druckt.
1. Öffnen Sie die Amazon SageMaker AI-Konsole unter [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/).
1. Wählen Sie im linken Navigationsbereich die Option **Admin-Konfigurationen** aus.
1. Wählen Sie unter **Admin-Konfigurationen** die Option **Lifecycle-Konfigurationen** aus.
1. Wählen Sie die Registerkarte **Studio**.
1. Wählen Sie **Create configuration** (Konfiguration erstellen).
1. Wählen Sie unter **Konfigurationstyp auswählen** den Anwendungstyp aus, an den die Lebenszykluskonfiguration angehängt werden soll. Weitere Informationen zur Auswahl der Anwendung, an die die Lebenszykluskonfiguration angehängt werden soll, finden Sie unter [Standard-Lebenszykluskonfigurationen für Amazon SageMaker Studio Classic festlegen](studio-lcc-defaults.md).
1. Wählen Sie **Weiter** aus.
1. Geben Sie im Abschnitt **Konfigurationseinstellungen** einen Namen für Ihre Lebenszykluskonfiguration ein.
1. Geben Sie im Abschnitt **Skripte** den folgenden Inhalt ein.
```
#!/bin/bash
set -eux
echo 'Hello World!'
```
1. (Optional) Erstellen Sie ein Tag für Ihre Lebenszykluskonfiguration.
1. Wählen Sie **Absenden** aus.
## Schritt 2: Anfügen der Lebenszykluskonfiguration an eine Domain oder ein Benutzerprofil
Auf Domainebene zugeordnete Lebenszyklus-Konfigurationsskripten werden von allen Benutzern übernommen. Skripts, die auf Benutzerprofilebene verknüpft sind, sind jedoch auf einen bestimmten Benutzer beschränkt.
Sie können einer Domain oder einem Benutzerprofil mehrere Lebenszykluskonfigurationen JupyterServer sowohl für Anwendungen als auch für KernelGateway Anwendungen hinzufügen.
**Anmerkung**
Um eine Lebenszykluskonfiguration an einen gemeinsam genutzten Bereich anzuhängen, müssen Sie den AWS CLI verwenden. Weitere Informationen finden Sie unter [Erstellen Sie eine Lebenszykluskonfiguration aus dem AWS CLI für Amazon SageMaker Studio Classic](studio-lcc-create-cli.md).
In den folgenden Abschnitten wird gezeigt, wie Sie eine Lebenszykluskonfiguration an Ihre Domain oder Ihr Benutzerprofil anfügen.
### An eine Domain anhängen
Im Folgenden wird gezeigt, wie Sie über die SageMaker AI-Konsole eine Lebenszykluskonfiguration an Ihre bestehende Domain anhängen.
1. Öffnen Sie die Amazon SageMaker AI-Konsole unter [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/).
1. Wählen Sie im linken Navigationsbereich **Admin-Konfigurationen**.
1. Wählen Sie unter **Admin-Konfigurationen** **Domains** aus.
1. Wählen Sie aus der Liste der Domains die Domain aus, an die die Lebenszykluskonfiguration angefügt werden soll.
1. Wählen Sie in den **Domaindetails** die Registerkarte **Umgebung** aus.
1. Wählen Sie unter **Lebenszykluskonfigurationen für persönliche Studio-Apps** die Option **Anhängen** aus.
1. Wählen Sie unter **Quelle** die Option **Bestehende Konfiguration** aus.
1. Wählen Sie unter **Studio-Lebenszykluskonfigurationen** die Lebenszykluskonfiguration aus, die Sie im vorherigen Schritt erstellt haben.
1. Wählen Sie **An Domain anhängen** aus.
### An Ihr Benutzerprofil anhängen
Im Folgenden wird gezeigt, wie Sie eine Lebenszykluskonfiguration an Ihr vorhandenes Benutzerprofil anhängen.
1. Öffnen Sie die Amazon SageMaker AI-Konsole unter [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/).
1. Wählen Sie im linken Navigationsbereich **Admin-Konfigurationen**.
1. Wählen Sie unter **Admin-Konfigurationen** **Domains** aus.
1. Wählen Sie aus der Liste der Domains die Domain aus, die das Benutzerprofil enthält, an das die Lebenszykluskonfiguration angefügt werden soll.
1. Wählen Sie unter **Benutzerprofile** das Benutzerprofil aus.
1. Wählen Sie auf der Seite **Benutzerdetails** die Option **Bearbeiten**.
1. Wählen Sie in der linken Navigation **Studioeinstellungen**.
1. Wählen Sie unter **Lebenszykluskonfigurationen, die dem Benutzer** zugeordnet sind, die Option **Anhängen**.
1. Wählen Sie unter **Quelle** die Option **Bestehende Konfiguration** aus.
1. Wählen Sie unter **Studio-Lebenszykluskonfigurationen** die Lebenszykluskonfiguration aus, die Sie im vorherigen Schritt erstellt haben.
1. Wählen Sie **An Benutzerprofil anhängen**.
## Schritt 3: Starten einer Anwendung mit der Lebenszykluskonfiguration
Nachdem Sie einer Domain oder einem Benutzerprofil eine Lebenszykluskonfiguration angehängt haben, können Sie eine Anwendung mit dieser angehängten Lebenszykluskonfiguration starten. Die Auswahl, mit welcher Lebenszykluskonfiguration gestartet werden soll, hängt vom Anwendungstyp ab.
+ **JupyterServer**: Wenn eine JupyterServer Anwendung von der Konsole aus gestartet wird, verwendet SageMaker KI immer die standardmäßige Lebenszykluskonfiguration. Sie können keine andere Lebenszykluskonfiguration verwenden, wenn Sie von der Konsole aus starten. Informationen zum Ändern der standardmäßigen Lebenszykluskonfiguration nach dem Start einer JupyterServer Anwendung finden Sie unter[Standard-Lebenszykluskonfigurationen für Amazon SageMaker Studio Classic festlegen](studio-lcc-defaults.md).
Um eine andere angehängte Lebenszykluskonfiguration auszuwählen, müssen Sie mit dem AWS CLI starten. Weitere Informationen zum Starten einer JupyterServer Anwendung mit einer angehängten Lebenszykluskonfiguration aus dem AWS CLI finden Sie unter[Erstellen Sie eine Lebenszykluskonfiguration aus dem AWS CLI für Amazon SageMaker Studio Classic](studio-lcc-create-cli.md).
+ **KernelGateway**: Sie können jede der angehängten Lebenszykluskonfigurationen auswählen, wenn Sie eine KernelGateway Anwendung mit dem Studio Classic Launcher starten.
Das folgende Verfahren beschreibt, wie Sie eine KernelGateway Anwendung mit einer angehängten Lebenszykluskonfiguration von der SageMaker AI-Konsole aus starten.
1. Öffnen Sie die Amazon SageMaker AI-Konsole unter [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/).
1. Starten Sie Studio Classic. Weitere Informationen finden Sie unter [Starten Sie Amazon SageMaker Studio Classic](studio-launch.md).
1. Öffnen Sie in der Studio-Classic-Benutzeroberfläche den Studio Classic Launcher. Weitere Informationen finden Sie unter [Verwenden Sie den Amazon SageMaker Studio Classic Launcher](studio-launcher.md).
1. Navigieren Sie im Studio Classic Launcher zum Abschnitt **Notebooks und Rechenressourcen**.
1. Klicken Sie auf die Schaltfläche **Umgebung ändern**.
1. Wählen Sie im Dialogfeld **Umgebung ändern** in den Dropdown-Menüs das **Image**, den **Kernel**, den **Instance-Typ** und ein **Startskript** aus. Wenn es keine standardmäßige Lebenszykluskonfiguration gibt, ist der Wert für das **Startskript** standardmäßig auf `No script` festgelegt. Andernfalls ist der Wert für das **Startskript** Ihre standardmäßige Lebenszykluskonfiguration. Nachdem Sie eine Lebenszykluskonfiguration ausgewählt haben, können Sie das gesamte Skript anzeigen.
1. Klicken Sie auf **Auswählen**.
1. Kehren Sie zum Launcher zurück und klicken Sie auf **Notebook erstellen**, um einen neuen Notebook-Kernel mit dem ausgewählten Image und der Lebenszykluskonfiguration zu starten.
## Schritt 4: Anzeigen von Protokollen für eine Lebenszyklus-Konfiguration
Sie können die Protokolle für Ihre Lebenszykluskonfiguration anzeigen, nachdem sie an eine Domain oder ein Benutzerprofil angehängt wurde.
1. Stellen Sie zunächst Zugriff auf CloudWatch für Ihre AWS Identity and Access Management (IAM-) Rolle bereit. Fügen Sie Leseberechtigungen für die folgende Protokollgruppe und den folgenden Protokollstream hinzu.
+ **Log-Gruppe:**`/aws/sagemaker/studio`
+ **Log-Stream:**`domain/user-profile/app-type/app-name/LifecycleConfigOnStart`
Informationen zum Hinzufügen von Berechtigungen finden Sie unter [Aktivieren der Protokollierung für bestimmte AWS Dienste](https://docs.aws.amazon.com/AmazonCloudWatch/latest/logs/AWS-logs-and-resource-policy.html).
1. Navigieren Sie in Studio Classic zum Symbol **Laufende Terminals und Kernel** (![\[Black square icon representing a placeholder or empty image.\]](http://docs.aws.amazon.com/de_de/sagemaker/latest/dg/images/studio/icons/running-terminals-kernels.png)) aus, um Ihre Lebenszykluskonfiguration zu überwachen.
1. Wählen Sie eine Anwendung aus der Liste der laufenden Anwendungen aus. Anwendungen mit angehängten Lebenszykluskonfigurationen haben ein angehängtes Indikatorsymbol ![\[Code brackets symbol representing programming or markup languages.\]](http://docs.aws.amazon.com/de_de/sagemaker/latest/dg/images/studio/studio-lcc-indicator-icon.png).
1. Wählen Sie das Indikatorsymbol für Ihre Anwendung aus. Dadurch wird ein neues Fenster geöffnet, in dem die Lebenszykluskonfiguration aufgeführt ist.
1. Wählen Sie in dem neuen Panel `View logs`. Dadurch wird eine neue Registerkarte geöffnet, auf der die Protokolle angezeigt werden.
# Standard-Lebenszykluskonfigurationen für Amazon SageMaker Studio Classic festlegen
**Wichtig**
Seit dem 30. November 2023 heißt das vorherige Amazon SageMaker Studio-Erlebnis jetzt Amazon SageMaker Studio Classic. Der folgende Abschnitt bezieht sich konkret auf die Verwendung der Studio-Classic-Anwendung. Informationen zur Verwendung der aktualisierten Studio-Konfiguration finden Sie unter [Amazon SageMaker Studio](studio-updated.md).
Studio Classic wird weiterhin für bestehende Workloads beibehalten, ist aber nicht mehr für das Onboarding verfügbar. Sie können nur vorhandene Studio Classic-Anwendungen beenden oder löschen und keine neuen erstellen. Wir empfehlen Ihnen, [Ihren Workload auf das neue Studio-Erlebnis zu migrieren](studio-updated-migrate.md).
Sie können zwar mehrere Lebenszykluskonfigurationsskripts an eine einzelne Ressource anhängen, aber Sie können nur eine standardmäßige Lebenszykluskonfiguration für jede JupyterServer einzelne KernelGateway Anwendung festlegen. Das Verhalten der standardmäßigen Lebenszykluskonfiguration hängt davon ab, ob sie für JupyterServer oder KernelGateway Apps festgelegt ist.
+ **JupyterServer Apps:** Wenn es als standardmäßiges Lebenszykluskonfigurationsskript für JupyterServer Apps festgelegt ist, wird das Lebenszykluskonfigurationsskript automatisch ausgeführt, wenn sich der Benutzer zum ersten Mal bei Studio Classic anmeldet oder Studio Classic neu startet. Verwenden Sie diese standardmäßige Lebenszykluskonfiguration, um einmalige Einrichtungsaktionen für die Studio Classic-Entwicklerumgebung zu automatisieren, z. B. die Installation von Notebook-Erweiterungen oder die Einrichtung eines GitHub Repos. Ein Beispiel hierfür finden Sie unter [Anpassen von Amazon SageMaker Studio mithilfe von Lebenszykluskonfigurationen](https://aws.amazon.com/blogs/machine-learning/customize-amazon-sagemaker-studio-using-lifecycle-configurations/).
+ **KernelGateway Apps:** Wenn sie als standardmäßiges Lifecycle-Konfigurationsskript für KernelGateway Apps festgelegt ist, wird die Lebenszykluskonfiguration standardmäßig im Studio Classic-Launcher ausgewählt. Benutzer können ein Notebook oder Terminal mit dem ausgewählten Standardskript starten oder sie können ein anderes Skript aus der Liste der Lebenszykluskonfigurationen auswählen.
SageMaker AI unterstützt das Festlegen einer standardmäßigen Lebenszykluskonfiguration für die folgenden Ressourcen:
+ Domains
+ Benutzerprofile
+ Geteilte Räume
Domains und Benutzerprofile unterstützen zwar die Einstellung einer standardmäßigen Lebenszykluskonfiguration sowohl über die Amazon SageMaker AI-Konsole als auch AWS Command Line Interface, Shared Spaces unterstützen jedoch nur die Einstellung einer standardmäßigen Lebenszykluskonfiguration über die AWS CLI.
Sie können eine Lebenszykluskonfiguration als Standard festlegen, wenn Sie eine neue Ressource erstellen oder eine bestehende Ressource aktualisieren. In den folgenden Themen wird gezeigt, wie Sie mithilfe der SageMaker AI-Konsole und eine standardmäßige Lebenszykluskonfiguration festlegen AWS CLI.
## Vererbung der Standard-Lebenszyklus-Konfiguration
Auf *Domains*-ebene festgelegte Standard-Lebenszykluskonfigurationen werden von allen Benutzern und gemeinsam genutzten Bereichen übernommen. Die standardmäßigen Lebenszykluskonfigurationen, die auf *Benutzer* – und *Shared Space-Ebene* festgelegt wurden, gelten nur für diesen Benutzer oder gemeinsam genutzten Bereich. Standardwerte für Benutzer und Speicherplatz überschreiben die auf Domainebene festgelegten Standardeinstellungen.
Ein für eine Domain festgelegter KernelGateway Standard-Lebenszykluskonfigurationssatz gilt für alle in der Domain gestarteten KernelGateway Anwendungen. Sofern der Benutzer keine andere Lebenszykluskonfiguration aus der Liste im Studio Classic Launcher auswählt, wird die standardmäßige Lebenszykluskonfiguration verwendet. Das Standardskript `No Script` wird auch ausgeführt, wenn es vom Benutzer ausgewählt wird. Weitere Informationen zur Auswahl eines Skripts finden Sie unter [Schritt 3: Starten einer Anwendung mit der Lebenszykluskonfiguration](studio-lcc-create-console.md#studio-lcc-create-console-step3).
**Topics**
+ [Vererbung der Standard-Lebenszyklus-Konfiguration](#studio-lcc-defaults-inheritance)
+ [Legen Sie die Standardeinstellungen AWS CLI für Amazon SageMaker Studio Classic fest](studio-lcc-defaults-cli.md)
+ [Standardwerte für Amazon SageMaker Studio Classic in der SageMaker AI-Konsole festlegen](studio-lcc-defaults-console.md)
# Legen Sie die Standardeinstellungen AWS CLI für Amazon SageMaker Studio Classic fest
**Wichtig**
Benutzerdefinierte IAM-Richtlinien, die es Amazon SageMaker Studio oder Amazon SageMaker Studio Classic ermöglichen, SageMaker Amazon-Ressourcen zu erstellen, müssen auch Berechtigungen zum Hinzufügen von Tags zu diesen Ressourcen gewähren. Die Berechtigung zum Hinzufügen von Tags zu Ressourcen ist erforderlich, da Studio und Studio Classic automatisch alle von ihnen erstellten Ressourcen taggen. Wenn eine IAM-Richtlinie Studio und Studio Classic das Erstellen von Ressourcen, aber kein Tagging erlaubt, können "AccessDenied" Fehler beim Versuch, Ressourcen zu erstellen, auftreten. Weitere Informationen finden Sie unter [Erteilen Sie Berechtigungen für das Taggen von SageMaker KI-Ressourcen](security_iam_id-based-policy-examples.md#grant-tagging-permissions).
[AWS verwaltete Richtlinien für Amazon SageMaker AI](security-iam-awsmanpol.md)die Berechtigungen zum Erstellen von SageMaker Ressourcen gewähren, beinhalten bereits Berechtigungen zum Hinzufügen von Tags beim Erstellen dieser Ressourcen.
**Wichtig**
Seit dem 30. November 2023 heißt das vorherige Amazon SageMaker Studio-Erlebnis jetzt Amazon SageMaker Studio Classic. Der folgende Abschnitt bezieht sich konkret auf die Verwendung der Studio-Classic-Anwendung. Informationen zur Verwendung der aktualisierten Studio-Konfiguration finden Sie unter [Amazon SageMaker Studio](studio-updated.md).
Studio Classic wird weiterhin für bestehende Workloads beibehalten, ist aber nicht mehr für das Onboarding verfügbar. Sie können nur vorhandene Studio Classic-Anwendungen beenden oder löschen und keine neuen erstellen. Wir empfehlen Ihnen, [Ihren Workload auf das neue Studio-Erlebnis zu migrieren](studio-updated-migrate.md).
Sie können Standardskripts AWS CLI für die Lebenszykluskonfiguration aus den folgenden Ressourcen festlegen:
+ Domains
+ Benutzerprofile
+ Geteilte Räume
In den folgenden Abschnitten wird beschrieben, wie Sie Skripte für die Standard-Lebenszykluskonfiguration in der AWS CLI festlegen.
**Topics**
+ [Voraussetzungen](#studio-lcc-defaults-cli-prereq)
+ [Legen Sie beim Erstellen einer neuen Ressource eine standardmäßige Lebenszykluskonfiguration fest](#studio-lcc-defaults-cli-new)
+ [Legen Sie eine standardmäßige Lebenszykluskonfiguration für eine vorhandene Ressource fest](#studio-lcc-defaults-cli-existing)
## Voraussetzungen
Stellen Sie vor Beginn sicher, dass die folgenden Voraussetzungen erfüllt sind:
+ Aktualisieren Sie das, AWS CLI indem Sie den Schritten unter [Installation der aktuellen AWS CLI Version](https://docs.aws.amazon.com/cli/latest/userguide/install-cliv1.html#install-tool-bundled) folgen.
+ Führen Sie `aws configure` von Ihrem lokalen Rechner aus und geben Sie Ihre AWS -Anmeldedaten ein. Informationen zu AWS Anmeldeinformationen finden Sie unter [AWS Anmeldeinformationen verstehen und abrufen](https://docs.aws.amazon.com/general/latest/gr/aws-sec-cred-types.html).
+ Gehen Sie wie unter beschrieben vor, um in die SageMaker AI-Domain einzusteigen[Überblick über die Amazon SageMaker AI-Domain](gs-studio-onboard.md).
+ Erstellen Sie eine Lebenszykluskonfiguration gemäß den Schritten unter [Eine Lebenszykluskonfiguration erstellen und mit Amazon SageMaker Studio Classic verknüpfen](studio-lcc-create.md).
## Legen Sie beim Erstellen einer neuen Ressource eine standardmäßige Lebenszykluskonfiguration fest
Um beim Erstellen einer neuen Domäne, eines neuen Benutzerprofils oder eines neuen Bereichs eine standardmäßige Lebenszykluskonfiguration festzulegen, übergeben Sie den ARN Ihrer zuvor erstellten Lebenszykluskonfiguration als Teil eines der folgenden AWS CLI Befehle:
+ [create-user-profile](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/sagemaker/create-user-profile.html)
+ [create-domain](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/opensearch/create-domain.html)
+ [create-space](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/sagemaker/create-space.html)
Sie müssen den ARN für die Lebenszykluskonfiguration für die folgenden Werte in den KernelGateway oder JupyterServer Standardeinstellungen übergeben:
+ `DefaultResourceSpec`: `LifecycleConfigArn` – Dies gibt die standardmäßige Lebenszykluskonfiguration für den Anwendungstyp an.
+ `LifecycleConfigArns` – Dies ist die Liste aller Lebenszykluskonfigurationen, die dem Anwendungstyp zugeordnet sind. Die standardmäßige Lebenszykluskonfiguration muss ebenfalls Teil dieser Liste sein.
Mit dem folgenden API-Aufruf wird beispielsweise ein neues Benutzerprofil mit einer standardmäßigen Lebenszykluskonfiguration erstellt.
```
aws sagemaker create-user-profile --domain-id domain-id \
--user-profile-name user-profile-name \
--region region \
--user-settings '{
"KernelGatewayAppSettings": {
"DefaultResourceSpec": {
"InstanceType": "ml.t3.medium",
"LifecycleConfigArn": "lifecycle-configuration-arn"
},
"LifecycleConfigArns": [lifecycle-configuration-arn-list]
}
}'
```
## Legen Sie eine standardmäßige Lebenszykluskonfiguration für eine vorhandene Ressource fest
Um die standardmäßige Lebenszykluskonfiguration für eine vorhandene Ressource festzulegen oder zu aktualisieren, übergeben Sie den ARN Ihrer zuvor erstellten Lebenszykluskonfiguration als Teil eines der folgenden AWS CLI Befehle:
+ [update-user-profile](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/sagemaker/update-user-profile.html)
+ [update-domain](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/sagemaker/update-domain.html)
+ [update-space](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/sagemaker/update-space.html)
Sie müssen den ARN für die Lebenszykluskonfiguration für die folgenden Werte in den KernelGateway oder JupyterServer Standardeinstellungen übergeben:
+ `DefaultResourceSpec`: `LifecycleConfigArn` – Dies gibt die standardmäßige Lebenszykluskonfiguration für den Anwendungstyp an.
+ `LifecycleConfigArns` – Dies ist die Liste aller Lebenszykluskonfigurationen, die dem Anwendungstyp zugeordnet sind. Die standardmäßige Lebenszykluskonfiguration muss ebenfalls Teil dieser Liste sein.
Beispielsweise aktualisiert der folgende API-Aufruf ein Benutzerprofil mit einer standardmäßigen Lebenszykluskonfiguration.
```
aws sagemaker update-user-profile --domain-id domain-id \
--user-profile-name user-profile-name \
--region region \
--user-settings '{
"KernelGatewayAppSettings": {
"DefaultResourceSpec": {
"InstanceType": "ml.t3.medium",
"LifecycleConfigArn": "lifecycle-configuration-arn"
},
"LifecycleConfigArns": [lifecycle-configuration-arn-list]
}
}'
```
Der folgende API-Aufruf aktualisiert eine Domain, um eine neue Standard-Lebenszykluskonfiguration festzulegen.
```
aws sagemaker update-domain --domain-id domain-id \
--region region \
--default-user-settings '{
"JupyterServerAppSettings": {
"DefaultResourceSpec": {
"InstanceType": "system",
"LifecycleConfigArn": "lifecycle-configuration-arn"
},
"LifecycleConfigArns": [lifecycle-configuration-arn-list]
}
}'
```
# Standardwerte für Amazon SageMaker Studio Classic in der SageMaker AI-Konsole festlegen
**Wichtig**
Benutzerdefinierte IAM-Richtlinien, die es Amazon SageMaker Studio oder Amazon SageMaker Studio Classic ermöglichen, SageMaker Amazon-Ressourcen zu erstellen, müssen auch Berechtigungen zum Hinzufügen von Tags zu diesen Ressourcen gewähren. Die Berechtigung zum Hinzufügen von Tags zu Ressourcen ist erforderlich, da Studio und Studio Classic automatisch alle von ihnen erstellten Ressourcen taggen. Wenn eine IAM-Richtlinie Studio und Studio Classic das Erstellen von Ressourcen, aber kein Tagging erlaubt, können "AccessDenied" Fehler beim Versuch, Ressourcen zu erstellen, auftreten. Weitere Informationen finden Sie unter [Erteilen Sie Berechtigungen für das Taggen von SageMaker KI-Ressourcen](security_iam_id-based-policy-examples.md#grant-tagging-permissions).
[AWS verwaltete Richtlinien für Amazon SageMaker AI](security-iam-awsmanpol.md)die Berechtigungen zum Erstellen von SageMaker Ressourcen gewähren, beinhalten bereits Berechtigungen zum Hinzufügen von Tags beim Erstellen dieser Ressourcen.
**Wichtig**
Seit dem 30. November 2023 heißt das vorherige Amazon SageMaker Studio-Erlebnis jetzt Amazon SageMaker Studio Classic. Der folgende Abschnitt bezieht sich konkret auf die Verwendung der Studio-Classic-Anwendung. Informationen zur Verwendung der aktualisierten Studio-Konfiguration finden Sie unter [Amazon SageMaker Studio](studio-updated.md).
Studio Classic wird weiterhin für bestehende Workloads beibehalten, ist aber nicht mehr für das Onboarding verfügbar. Sie können nur vorhandene Studio Classic-Anwendungen beenden oder löschen und keine neuen erstellen. Wir empfehlen Ihnen, [Ihren Workload auf das neue Studio-Erlebnis zu migrieren](studio-updated-migrate.md).
Sie können Standardskripts für die Lebenszykluskonfiguration von der SageMaker AI-Konsole aus für die folgenden Ressourcen festlegen.
+ Domains
+ Benutzerprofile
In der SageMaker AI-Konsole können Sie keine standardmäßigen Lebenszykluskonfigurationsskripten für gemeinsam genutzte Bereiche festlegen. Informationen zum Festlegen von Standardeinstellungen für gemeinsam genutzte Bereiche finden Sie unter [Legen Sie die Standardeinstellungen AWS CLI für Amazon SageMaker Studio Classic fest](studio-lcc-defaults-cli.md).
In den folgenden Abschnitten wird beschrieben, wie Sie standardmäßige Lebenszykluskonfigurationsskripten von der SageMaker AI-Konsole aus festlegen.
**Topics**
+ [Voraussetzungen](#studio-lcc-defaults-cli-prerequisites)
+ [Legen Sie eine standardmäßige Lebenszykluskonfiguration für eine Domain fest](#studio-lcc-defaults-cli-domain)
+ [Legen Sie eine standardmäßige Lebenszykluskonfiguration für ein Benutzerprofil fest](#studio-lcc-defaults-cli-user-profile)
## Voraussetzungen
Stellen Sie vor Beginn sicher, dass die folgenden Voraussetzungen erfüllt sind:
+ Gehen Sie wie folgt vor, um in die SageMaker AI-Domain einzusteigen[Überblick über die Amazon SageMaker AI-Domain](gs-studio-onboard.md).
+ Erstellen Sie eine Lebenszykluskonfiguration gemäß den Schritten in [Eine Lebenszykluskonfiguration erstellen und mit Amazon SageMaker Studio Classic verknüpfen](studio-lcc-create.md).
## Legen Sie eine standardmäßige Lebenszykluskonfiguration für eine Domain fest
Das folgende Verfahren zeigt, wie Sie über die SageMaker AI-Konsole eine standardmäßige Lebenszykluskonfiguration für eine Domain festlegen.
1. Öffnen Sie die Amazon SageMaker AI-Konsole unter [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/).
1. Wählen Sie in der Domainliste den Namen der Domain aus, für die Sie die standardmäßige Lebenszykluskonfiguration festlegen möchten.
1. Wählen Sie auf der Seite mit den **Domaindetails** die Registerkarte **Umgebung** aus.
1. Wählen Sie unter **Lebenszykluskonfigurationen für persönliche Studio-Apps** die Lebenszykluskonfiguration aus, die Sie als Standard für die Domain festlegen möchten. Sie können unterschiedliche Standardeinstellungen für JupyterServer KernelGateway Anwendungen festlegen.
1. Wählen Sie **Als Standard festlegen** aus. Dadurch wird ein Popup-Fenster geöffnet, in dem die aktuellen Standardeinstellungen für JupyterServer Anwendungen aufgelistet sind. KernelGateway
1. Wählen Sie **Als Standard festlegen**, um die Lebenszykluskonfiguration als Standard für den jeweiligen Anwendungstyp festzulegen.
## Legen Sie eine standardmäßige Lebenszykluskonfiguration für ein Benutzerprofil fest
Das folgende Verfahren zeigt, wie Sie eine standardmäßige Lebenszykluskonfiguration für ein Benutzerprofil von der SageMaker AI-Konsole aus festlegen.
1. Öffnen Sie die Amazon SageMaker AI-Konsole unter [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/).
1. Wählen Sie aus der Liste der Domains den Namen der Domain aus, die das Benutzerprofil enthält, für das Sie die standardmäßige Lebenszykluskonfiguration festlegen möchten.
1. Wählen Sie auf der Seite mit den **Domaindetails** die Registerkarte **Benutzerprofile** aus.
1. Wählen Sie den Namen des Benutzerprofils aus, für das Sie die standardmäßige Lebenszykluskonfiguration festlegen möchten. Dies öffnet eine Seite mit **Benutzerdetails**.
1. Wählen Sie auf der Seite **Benutzerdetails** die Option **Bearbeiten**. Dadurch wird die Seite **Benutzerprofil bearbeiten** geöffnet.
1. Wählen Sie auf der **Seite Benutzerprofil bearbeiten** die Option **Schritt 2 Studioeinstellungen**.
1. Wählen Sie unter **Lebenszykluskonfigurationen, die dem Benutzer zugeordnet** sind, die Lebenszykluskonfiguration aus, die Sie als Standard für das Benutzerprofil festlegen möchten. Sie können unterschiedliche Standardeinstellungen für JupyterServer KernelGateway Anwendungen festlegen.
1. Wählen Sie **Als Standard festlegen** aus. Dadurch wird ein Popup-Fenster geöffnet, in dem die aktuellen Standardeinstellungen für JupyterServer Anwendungen aufgelistet sind. KernelGateway
1. Wählen Sie **Als Standard festlegen**, um die Lebenszykluskonfiguration als Standard für den jeweiligen Anwendungstyp festzulegen.
# Debuggen von Lebenszykluskonfigurationen in Amazon SageMaker Studio Classic
**Wichtig**
Seit dem 30. November 2023 heißt das vorherige Amazon SageMaker Studio-Erlebnis jetzt Amazon SageMaker Studio Classic. Der folgende Abschnitt bezieht sich konkret auf die Verwendung der Studio-Classic-Anwendung. Informationen zur Verwendung der aktualisierten Studio-Konfiguration finden Sie unter [Amazon SageMaker Studio](studio-updated.md).
Studio Classic wird weiterhin für bestehende Workloads beibehalten, ist aber nicht mehr für das Onboarding verfügbar. Sie können nur vorhandene Studio Classic-Anwendungen beenden oder löschen und keine neuen erstellen. Wir empfehlen Ihnen, [Ihren Workload auf das neue Studio-Erlebnis zu migrieren](studio-updated-migrate.md).
In den folgenden Themen erfahren Sie, wie Sie Informationen über Ihre Lebenszykluskonfigurationen abrufen und debuggen.
**Topics**
+ [Überprüfen Sie den Lebenszykluskonfigurationsprozess anhand von CloudWatch Protokollen](#studio-lcc-debug-logs)
+ [JupyterServer App-Fehler](#studio-lcc-debug-jupyterserver)
+ [KernelGateway App-Fehler](#studio-lcc-debug-kernel)
+ [Timeout für die Lebenszykluskonfiguration](#studio-lcc-debug-timeout)
## Überprüfen Sie den Lebenszykluskonfigurationsprozess anhand von CloudWatch Protokollen
Lebenszykluskonfigurationen protokollieren nur `STDOUT` und `STDERR`.
`STDOUT` ist die Standardausgabe für Bash-Skripte. Sie können in `STDERR` schreiben, indem Sie `>&2` an das Ende eines Bash-Befehls anhängen. Beispiel, `echo 'hello'>&2`.
Protokolle für Ihre Lebenszykluskonfigurationen werden auf Amazon veröffentlicht, wenn Sie Amazon AWS-Konto verwenden CloudWatch. Diese Protokolle finden Sie im `/aws/sagemaker/studio` Protokollstream in der CloudWatch Konsole.
1. Öffnen Sie die CloudWatch Konsole unter [https://console.aws.amazon.com/cloudwatch/](https://console.aws.amazon.com/cloudwatch/).
1. Wählen Sie auf der linken Seite **Protokolle** aus. Wählen Sie im Dropdown-Menü **Protokollgruppen** aus.
1. Suchen Sie auf der Seite **Protokollgruppen** nach `aws/sagemaker/studio`.
1. Wählen Sie die -Protokollgruppe aus.
1. Wählen Sie auf der Seite mit den **Details zur Protokollgruppe** die Registerkarte **Protokollstreams** aus.
1. Um die Logs für eine bestimmte App zu finden, durchsuchen Sie die Log-Streams im folgenden Format:
```
domain-id/space-name/app-type/default/LifecycleConfigOnStart
```
Um beispielsweise die Protokolle der Lebenszykluskonfiguration für Domain `d-m85lcu8vbqmz`, Bereichsname `i-sonic-js` und Anwendungstyp `JupyterLab` zu finden, verwenden Sie die folgende Suchzeichenfolge:
```
d-m85lcu8vbqmz/i-sonic-js/JupyterLab/default/LifecycleConfigOnStart
```
## JupyterServer App-Fehler
Wenn Ihre JupyterServer App aufgrund eines Problems mit der angehängten Lebenszykluskonfiguration abstürzt, zeigt Studio Classic die folgende Fehlermeldung auf dem Studio Classic-Startbildschirm an.
```
Failed to create SageMaker Studio due to start-up script failure
```
Wählen Sie den `View script logs` Link aus, um die CloudWatch Protokolle für Ihre JupyterServer App anzuzeigen.
Wenn die fehlerhafte Lebenszykluskonfiguration in der `DefaultResourceSpec` Ihrer Domain, Ihres Benutzerprofils oder Ihres gemeinsam genutzten Bereichs angegeben ist, verwendet Studio die Lebenszykluskonfiguration auch nach einem Neustart von Studio weiter.
Um diesen Fehler zu beheben, folgen Sie den Schritten in [Standard-Lebenszykluskonfigurationen für Amazon SageMaker Studio Classic festlegen](studio-lcc-defaults.md), um das Skript für die Lebenszykluskonfiguration aus dem `DefaultResourceSpec` zu entfernen oder ein anderes Skript als Standard zu wählen. Starten Sie dann eine neue JupyterServer App.
## KernelGateway App-Fehler
Wenn Ihre KernelGateway App aufgrund eines Problems mit der angehängten Lebenszykluskonfiguration abstürzt, zeigt Studio Classic die Fehlermeldung in Ihrem Studio Classic-Notizbuch an.
Wählen Sie`View script logs`, ob Sie die CloudWatch Protokolle für Ihre KernelGateway App anzeigen möchten.
In diesem Fall wird Ihre Lebenszykluskonfiguration im Studio Classic Launcher angegeben, wenn Sie ein neues Studio-Classic-Notebook starten.
Um diesen Fehler zu beheben, verwenden Sie den Studio Classic Launcher, um eine andere Lebenszykluskonfiguration auszuwählen, oder wählen Sie `No script` aus.
**Anmerkung**
Eine unter angegebene KernelGateway Standardlebenszykluskonfiguration `DefaultResourceSpec` gilt für alle KernelGateway Bilder in der Domäne, im Benutzerprofil oder im gemeinsam genutzten Bereich, es sei denn, der Benutzer wählt ein anderes Skript aus der Liste aus, die im Studio Classic-Launcher angezeigt wird. Das Standardskript wird auch ausgeführt, wenn `No Script` vom Benutzer ausgewählt wird. Weitere Informationen zur Auswahl einer Schrift finden Sie unter [Schritt 3: Starten einer Anwendung mit der Lebenszykluskonfiguration](studio-lcc-create-console.md#studio-lcc-create-console-step3).
## Timeout für die Lebenszykluskonfiguration
Für die Lebenszykluskonfiguration gilt ein Timeout von 5 Minuten. Wenn die Ausführung eines Skripts für die Lebenszykluskonfiguration länger als 5 Minuten dauert, gibt Studio Classic einen Fehler aus.
Um diesen Fehler zu beheben, stellen Sie sicher, dass Ihr Lebenszykluskonfigurationsskript in weniger als 5 Minuten abgeschlossen ist.
Gehen Sie zum Reduzieren der Laufzeit von Skripten wie folgt vor:
+ Beschränken Sie sich auf notwendige Schritte. Schränken Sie zum Beispiel ein, in welchen conda-Umgebungen große Pakete installiert werden sollen.
+ Führen Sie Aufgaben in parallelen Prozessen aus.
+ Verwenden Sie den `nohup` Befehl in Ihrem Skript, um sicherzustellen, dass Hangup-Signale ignoriert werden, und um die Ausführung des Skripts nicht zu beenden.
# Lebenszykluskonfigurationen in Amazon SageMaker Studio Classic aktualisieren und trennen
**Wichtig**
Seit dem 30. November 2023 heißt das vorherige Amazon SageMaker Studio-Erlebnis jetzt Amazon SageMaker Studio Classic. Der folgende Abschnitt bezieht sich konkret auf die Verwendung der Studio-Classic-Anwendung. Informationen zur Verwendung der aktualisierten Studio-Konfiguration finden Sie unter [Amazon SageMaker Studio](studio-updated.md).
Studio Classic wird weiterhin für bestehende Workloads beibehalten, ist aber nicht mehr für das Onboarding verfügbar. Sie können nur vorhandene Studio Classic-Anwendungen beenden oder löschen und keine neuen erstellen. Wir empfehlen Ihnen, [Ihren Workload auf das neue Studio-Erlebnis zu migrieren](studio-updated-migrate.md).
Ein Lifecycle-Konfigurationsskript kann nicht geändert werden, nachdem es erstellt wurde. Um Ihr Skript zu aktualisieren, müssen Sie ein neues Lebenszyklus-Konfigurationsskript erstellen und es an die jeweilige Domain, das Benutzerprofil oder den gemeinsam genutzten Bereich anhängen. Weitere Informationen zum Erstellen und Anhängen der Lebenszykluskonfiguration finden Sie unter [Eine Lebenszykluskonfiguration erstellen und mit Amazon SageMaker Studio Classic verknüpfen](studio-lcc-create.md).
Das folgende Thema zeigt, wie Sie eine Lebenszykluskonfiguration mithilfe der AWS CLI und SageMaker AI-Konsole trennen.
**Topics**
+ [Voraussetzungen](#studio-lcc-delete-pre)
+ [Trennen Sie mit dem AWS CLI](#studio-lcc-delete-cli)
## Voraussetzungen
Vor der Trennung einer Lebenszykluskonfiguration müssen Sie die folgenden Voraussetzungen erfüllen.
+ Um eine Lebenszykluskonfiguration erfolgreich zu trennen, darf keine laufende Anwendung die Lebenszykluskonfiguration verwenden. Sie müssen zuerst die laufenden Anwendungen beenden, wie in [Amazon SageMaker Studio Classic und Apps herunterfahren und aktualisieren](studio-tasks-update.md) gezeigt.
## Trennen Sie mit dem AWS CLI
Um eine Lebenszykluskonfiguration mithilfe von zu trennen AWS CLI, entfernen Sie die gewünschte Lebenszykluskonfiguration aus der Liste der an die Ressource angehängten Lebenszykluskonfigurationen und übergeben Sie die Liste als Teil des entsprechenden Befehls:
+ [update-user-profile](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/sagemaker/update-user-profile.html)
+ [update-domain](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/sagemaker/update-domain.html)
+ [update-space](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/sagemaker/update-space.html)
Mit dem folgenden Befehl werden beispielsweise alle an die Domäne KernelGateways angehängten Lebenszykluskonfigurationen entfernt.
```
aws sagemaker update-domain --domain-id domain-id \
--region region \
--default-user-settings '{
"KernelGatewayAppSettings": {
"LifecycleConfigArns":
[]
}
}'
```
# Vorgeschlagene Git-Repos an Amazon SageMaker Studio Classic anhängen
**Wichtig**
Seit dem 30. November 2023 heißt das vorherige Amazon SageMaker Studio-Erlebnis jetzt Amazon SageMaker Studio Classic. Der folgende Abschnitt bezieht sich konkret auf die Verwendung der Studio-Classic-Anwendung. Informationen zur Verwendung der aktualisierten Studio-Konfiguration finden Sie unter [Amazon SageMaker Studio](studio-updated.md).
Studio Classic wird weiterhin für bestehende Workloads beibehalten, ist aber nicht mehr für das Onboarding verfügbar. Sie können nur vorhandene Studio Classic-Anwendungen beenden oder löschen und keine neuen erstellen. Wir empfehlen Ihnen, [Ihren Workload auf das neue Studio-Erlebnis zu migrieren](studio-updated-migrate.md).
Amazon SageMaker Studio Classic bietet eine Git-Erweiterung, mit der Sie die URL eines Git-Repositorys (Repo) eingeben, es in Ihre Umgebung klonen, Änderungen übertragen und den Commit-Verlauf anzeigen können. Zusätzlich zu dieser Git-Erweiterung können Sie auch ein empfohlenes Git-Repository URLs auf Amazon SageMaker AI-Domain- oder Benutzerprofilebene anhängen. Anschließend können Sie die Repo-URL aus der Liste der Vorschläge auswählen und sie mithilfe der Git-Erweiterung in Studio Classic in Ihre Umgebung klonen.
In den folgenden Themen wird gezeigt, wie Sie Git Repo über URLs die AWS CLI und SageMaker AI-Konsole an eine Domain oder ein Benutzerprofil anhängen. Sie erfahren auch, wie Sie diese Repositorys trennen können. URLs
**Topics**
+ [Hängen Sie ein Git-Repository aus dem AWS CLI für Amazon SageMaker Studio Classic an](studio-git-attach-cli.md)
+ [Hängen Sie ein Git-Repository von der SageMaker AI-Konsole für Amazon SageMaker Studio Classic an](studio-git-attach-console.md)
+ [Git Repos von Amazon SageMaker Studio Classic trennen](studio-git-detach.md)
# Hängen Sie ein Git-Repository aus dem AWS CLI für Amazon SageMaker Studio Classic an
**Wichtig**
Seit dem 30. November 2023 heißt das vorherige Amazon SageMaker Studio-Erlebnis jetzt Amazon SageMaker Studio Classic. Der folgende Abschnitt bezieht sich konkret auf die Verwendung der Studio-Classic-Anwendung. Informationen zur Verwendung der aktualisierten Studio-Konfiguration finden Sie unter [Amazon SageMaker Studio](studio-updated.md).
Studio Classic wird weiterhin für bestehende Workloads beibehalten, ist aber nicht mehr für das Onboarding verfügbar. Sie können nur vorhandene Studio Classic-Anwendungen beenden oder löschen und keine neuen erstellen. Wir empfehlen Ihnen, [Ihren Workload auf das neue Studio-Erlebnis zu migrieren](studio-updated-migrate.md).
Das folgende Thema zeigt, wie Sie eine Git-Repository-URL mithilfe von anhängen AWS CLI, sodass Amazon SageMaker Studio Classic sie automatisch zum Klonen vorschlägt. Nachdem Sie die Git-Repository-URL angehängt haben, können Sie sie klonen, indem Sie die Schritte unter [Klonen Sie ein Git-Repository in Amazon SageMaker Studio Classic](studio-tasks-git.md) befolgen.
## Voraussetzungen
Stellen Sie vor Beginn sicher, dass die folgenden Voraussetzungen erfüllt sind:
+ Aktualisieren Sie das, AWS CLI indem Sie den Schritten unter [Installation der aktuellen AWS CLI-Version](https://docs.aws.amazon.com/cli/latest/userguide/install-cliv1.html#install-tool-bundled) folgen.
+ Führen Sie `aws configure` von Ihrem lokalen Rechner aus und geben Sie Ihre AWS -Anmeldedaten ein. Informationen zu AWS Anmeldeinformationen finden Sie unter [Ihre AWS Anmeldeinformationen verstehen und abrufen](https://docs.aws.amazon.com/general/latest/gr/aws-sec-cred-types.html).
+ Integrieren Sie die Amazon SageMaker AI-Domain. Weitere Informationen finden Sie unter [Überblick über die Amazon SageMaker AI-Domain](gs-studio-onboard.md).
## Anfügen des Git-Repo an eine Domain oder ein Benutzerprofil
Git-Repos, die auf Domainebene URLs verknüpft sind, werden von allen Benutzern vererbt. Git-Repos, URLs die auf Benutzerprofilebene verknüpft sind, sind jedoch auf einen bestimmten Benutzer beschränkt. Sie können mehrere Git-Repos URLs an eine Domain oder ein Benutzerprofil anhängen, indem Sie eine URLs Repository-Liste übergeben.
In den folgenden Abschnitten wird gezeigt, wie Sie eine Git-Repo-URL an Ihre Domain und Ihr Benutzerprofil anfügen.
### An eine Domain anhängen
Mit dem folgenden Befehl wird eine Git-Repo-URL an eine bestehende Domain angefügt.
```
aws sagemaker update-domain --region region --domain-id domain-id \
--default-user-settings JupyterServerAppSettings={CodeRepositories=[{RepositoryUrl="repository"}]}
```
### An ein Benutzerprofil anhängen
Im Folgenden wird gezeigt, wie Sie eine Git-Repo-URL an ein vorhandenes Benutzerprofil anhängen.
```
aws sagemaker update-user-profile --domain-id domain-id --user-profile-name user-name\
--user-settings JupyterServerAppSettings={CodeRepositories=[{RepositoryUrl="repository"}]}
```
# Hängen Sie ein Git-Repository von der SageMaker AI-Konsole für Amazon SageMaker Studio Classic an
**Wichtig**
Seit dem 30. November 2023 heißt das vorherige Amazon SageMaker Studio-Erlebnis jetzt Amazon SageMaker Studio Classic. Der folgende Abschnitt bezieht sich konkret auf die Verwendung der Studio-Classic-Anwendung. Informationen zur Verwendung der aktualisierten Studio-Konfiguration finden Sie unter [Amazon SageMaker Studio](studio-updated.md).
Studio Classic wird weiterhin für bestehende Workloads beibehalten, ist aber nicht mehr für das Onboarding verfügbar. Sie können nur bestehende Studio Classic-Anwendungen beenden oder löschen und keine neuen erstellen. Wir empfehlen Ihnen, [Ihren Workload auf das neue Studio-Erlebnis zu migrieren](studio-updated-migrate.md).
Das folgende Thema zeigt, wie Sie eine Git-Repository-URL von der Amazon SageMaker AI-Konsole aus zuordnen, um sie in Ihrer Studio Classic-Umgebung zu klonen. Nachdem Sie die Git-Repository-URL verknüpft haben, können Sie sie klonen, indem Sie die Schritte unter [Klonen Sie ein Git-Repository in Amazon SageMaker Studio Classic](studio-tasks-git.md) befolgen.
## Voraussetzungen
Bevor Sie mit diesem Tutorial beginnen können, müssen Sie die Amazon SageMaker AI-Domain abonnieren. Weitere Informationen finden Sie unter [Überblick über die Amazon SageMaker AI-Domain](gs-studio-onboard.md).
## Anfügen des Git-Repo an eine Domain oder ein Benutzerprofil
Git-Repos, die auf Domainebene URLs verknüpft sind, werden von allen Benutzern vererbt. Git-Repo-URLs, die auf Benutzerprofilebene verknüpft sind, sind jedoch auf einen bestimmten Benutzer beschränkt.
In den folgenden Abschnitten wird gezeigt, wie Sie eine Git-Repo-URL an eine Domain und ein Benutzerprofil anhängen.
### An eine Domain anhängen
**So fügen Sie eine Git-Repo-URL an eine bestehende Domain an**
1. Öffnen Sie die Amazon SageMaker AI-Konsole unter [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/).
1. Wählen Sie im linken Navigationsbereich **Admin-Konfigurationen**.
1. Wählen Sie unter **Admin-Konfigurationen** **Domains** aus.
1. Wählen Sie die Domain aus, an die das Git-Repo angefügt werden soll.
1. Wählen Sie auf der Seite mit den **Domaindetails** die Registerkarte **Umgebung** aus.
1. Wählen Sie auf der Registerkarte **Vorgeschlagene Code-Repositorys für die Domain** die Option **Anhängen** aus.
1. Geben Sie unter **Quelle** die URL des Git-Repositorys ein.
1. Wählen Sie **An Domain anhängen** aus.
### An ein Benutzerprofil anhängen
In den folgenden Abschnitten wird gezeigt, wie Sie eine Git-Repo-URL an Ihr bestehendes Benutzerprofil anhängen.
**Hängen Sie das Git-Repo an ein Benutzerprofil an**
1. Öffnen Sie die Amazon SageMaker AI-Konsole unter [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/).
1. Wählen Sie im linken Navigationsbereich **Admin-Konfigurationen**.
1. Wählen Sie unter **Admin-Konfigurationen** **Domains** aus.
1. Wählen Sie die Domain aus, die das Benutzerprofil enthält, an das das Git-Repo angefügt werden soll.
1. Wählen Sie auf der Seite mit den **Domaindetails** die Registerkarte **Benutzerprofile** aus.
1. Wählen Sie das Benutzerprofil aus, an das die Git-Repo-URL angehängt werden soll.
1. Klicken Sie auf der Seite **Details des Benutzers** auf **Bearbeiten**.
1. Wählen Sie auf der Seite **Studio-Einstellungen** im Bereich **Vorgeschlagene Code-Repositorys für den Benutzer** die Option **Anhängen** aus.
1. Geben Sie unter **Quelle** die URL des Git-Repositorys ein.
1. Wählen Sie **An Benutzer anhängen**.
# Git Repos von Amazon SageMaker Studio Classic trennen
**Wichtig**
Seit dem 30. November 2023 heißt das vorherige Amazon SageMaker Studio-Erlebnis jetzt Amazon SageMaker Studio Classic. Der folgende Abschnitt bezieht sich konkret auf die Verwendung der Studio-Classic-Anwendung. Informationen zur Verwendung der aktualisierten Studio-Konfiguration finden Sie unter [Amazon SageMaker Studio](studio-updated.md).
Studio Classic wird weiterhin für bestehende Workloads beibehalten, ist aber nicht mehr für das Onboarding verfügbar. Sie können nur bestehende Studio Classic-Anwendungen beenden oder löschen und keine neuen erstellen. Wir empfehlen Ihnen, [Ihren Workload auf das neue Studio-Erlebnis zu migrieren](studio-updated-migrate.md).
Diese Anleitung zeigt, wie Sie das Git-Repository mithilfe der oder der Amazon SageMaker AI-Konsole URLs von einer Amazon SageMaker AI-Domain AWS CLI oder einem Benutzerprofil trennen.
**Topics**
+ [Trennen Sie ein Git-Repo mit dem AWS CLI](#studio-git-detach-cli)
+ [Trennen Sie das Git-Repo mithilfe der SageMaker AI-Konsole](#studio-git-detach-console)
## Trennen Sie ein Git-Repo mit dem AWS CLI
Um das gesamte Git-Repo URLs von einer Domain oder einem Benutzerprofil zu trennen, müssen Sie eine leere Liste von Code-Repositorys übergeben. Diese Liste wird als Teil des `JupyterServerAppSettings` Parameters in einem `update-domain` oder `update-user-profile` Befehl übergeben. Um nur eine Git-Repo-URL zu trennen, übergeben Sie die Code-Repository-Liste ohne die gewünschte Git-Repo-URL. In diesem Abschnitt wird gezeigt, wie Sie mithilfe von AWS Command Line Interface ()AWS CLI alle Git-Repos URLs von Ihrer Domain oder Ihrem Benutzerprofil trennen.
### Von einer Domain trennen
Der folgende Befehl trennt das gesamte Git-Repo URLs von einer Domain.
```
aws sagemaker update-domain --region region --domain-name domain-name \
--domain-settings JupyterServerAppSettings={CodeRepositories=[]}
```
### Trennen von einem Benutzerprofil
Der folgende Befehl trennt das gesamte Git-Repo URLs von einem Benutzerprofil.
```
aws sagemaker update-user-profile --domain-name domain-name --user-profile-name user-name\
--user-settings JupyterServerAppSettings={CodeRepositories=[]}
```
## Trennen Sie das Git-Repo mithilfe der SageMaker AI-Konsole
In den folgenden Abschnitten wird gezeigt, wie Sie mithilfe der SageMaker AI-Konsole eine Git-Repo-URL von einer Domain oder einem Benutzerprofil trennen.
### Von einer Domain trennen
Gehen Sie wie folgt vor, um eine Git-Repo-URL von einer vorhandenen Domain zu trennen.
**So trennen Sie eine Git-Repo-URL von einer vorhandenen Domain**
1. Öffnen Sie die Amazon SageMaker AI-Konsole unter [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/).
1. Wählen Sie im linken Navigationsbereich **Admin-Konfigurationen**.
1. Wählen Sie unter **Admin-Konfigurationen** **Domains** aus.
1. Wählen Sie die Domain mit der Git-Repo-URL aus, die Sie trennen möchten.
1. Wählen Sie auf der Seite mit den **Domaindetails** die Registerkarte **Umgebung** aus.
1. Wählen Sie auf der Registerkarte **Vorgeschlagene Code-Repositorys für die Domain** die Git-Repository-URL aus, die Sie trennen möchten.
1. Wählen Sie **Trennen** aus.
1. Wählen Sie im neuen Fenster die Option **Trennen** aus.
### Trennen von einem Benutzerprofil
Gehen Sie wie folgt vor, um eine Git-Repo-URL von einem Benutzerprofil zu trennen.
**Um eine Git-Repo-URL von einem Benutzerprofil zu trennen**
1. Öffnen Sie die Amazon SageMaker AI-Konsole unter [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/).
1. Wählen Sie im linken Navigationsbereich **Admin-Konfigurationen**.
1. Wählen Sie unter **Admin-Konfigurationen** **Domains** aus.
1. Wählen Sie die Domain aus, die das Benutzerprofil mit der Git-Repo-URL enthält, die Sie trennen möchten.
1. Wählen Sie auf der Seite mit den **Domaindetails** die Registerkarte **Benutzerprofile** aus.
1. Wählen Sie das Benutzerprofil mit der Git-Repo-URL aus, die Sie trennen möchten.
1. Klicken Sie auf der Seite **Details des Benutzers** auf **Bearbeiten**.
1. Wählen Sie auf der Seite mit den **Studio-Einstellungen** die Git-Repo-URL aus, um sie von der Registerkarte **Vorgeschlagene Code-Repositorys für den Benutzer** zu trennen.
1. Wählen Sie **Trennen** aus.
1. Wählen Sie im neuen Fenster die Option **Trennen** aus.