Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
# Menggunakan Amazon Neptunus dengan notebook grafik
[Untuk bekerja dengan grafik Neptunus, Anda dapat menggunakan buku catatan grafik Neptunus atau membuat database Neptunus baru menggunakan templat. CloudFormation](get-started-cfn-create.md)
Baik Anda baru mengenal grafik dan ingin belajar dan bereksperimen, atau Anda berpengalaman dan ingin menyempurnakan kueri Anda, [meja kerja](#graph-notebooks-workbench) Neptunus menawarkan lingkungan pengembangan interaktif (IDE) yang dapat meningkatkan produktivitas Anda saat Anda membuat aplikasi grafik. Workbench menyediakan antarmuka yang mudah digunakan untuk berinteraksi dengan database Neptunus Anda, menulis kueri, dan memvisualisasikan data Anda.
Dengan menggunakan CloudFormation template untuk mengatur database Neptunus Anda, dan Workbench untuk mengembangkan aplikasi grafik Anda, Anda dapat memulai dengan Neptunus dengan cepat dan efisien, tanpa perlu perkakas tambahan. Ini memungkinkan Anda untuk fokus pada membangun aplikasi Anda daripada menyiapkan infrastruktur yang mendasarinya.
**catatan**
Notebook Neptunus, yang dikelola melalui SageMaker Amazon AI, saat ini tidak tersedia di wilayah Asia Pasifik (Malaysia) (ap-tenggara 5). Namun, Anda masih dapat menggunakan notebook Neptunus melalui opsi alternatif yang tidak dikelola. Lihat [Menyiapkan notebook Neptunus secara manual](#graph-notebook-manual-setup) untuk menyebarkan buku catatan secara manual.
Neptunus [menyediakan](https://jupyter-notebook.readthedocs.io/en/stable/) Jupyter dan notebook dalam proyek [JupyterLab](https://jupyterlab.readthedocs.io/en/stable/index.html)notebook grafik Neptunus open-source, dan di [meja kerja Neptunus](https://github.com/aws/graph-notebook). GitHub Notebook ini menawarkan contoh tutorial aplikasi dan cuplikan kode dalam lingkungan pengkodean interaktif di mana Anda dapat belajar tentang teknologi grafik dan Neptunus. Anda dapat menggunakannya untuk memandu Anda mengatur, mengonfigurasi, mengisi, dan mengajukan kueri grafik menggunakan bahasa kueri yang berbeda, set data yang berbeda, dan bahkan basis data yang berbeda di ujung belakang.
Anda dapat meng-host notebook ini dengan beberapa cara berbeda:
+ [Meja kerja [Neptunus](#graph-notebooks-workbench) memungkinkan Anda menjalankan notebook Jupyter di lingkungan yang dikelola sepenuhnya, dihosting di SageMaker Amazon AI, dan secara otomatis memuat rilis terbaru proyek notebook grafik Neptunus untuk Anda.](https://github.com/aws/graph-notebook) Sangat mudah untuk mengatur meja kerja di konsol [Neptunus saat Anda membuat database Neptunus](https://console.aws.amazon.com/neptune) baru.
**catatan**
Saat membuat instance notebook Neptunus, Anda diberikan dua opsi untuk akses jaringan: Akses langsung melalui SageMaker Amazon AI (default) dan akses melalui VPC. Dalam kedua opsi, notebook memerlukan akses ke internet untuk mengambil dependensi paket untuk menginstal meja kerja Neptunus. Kurangnya akses internet akan menyebabkan pembuatan instance notebook Neptunus gagal.
+ Anda juga dapat [menginstal Jupyter secara lokal](#graph-notebooks-local). Ini memungkinkan Anda menjalankan notebook dari laptop Anda, terhubung ke Neptunus atau ke instance lokal dari salah satu database grafik sumber terbuka. Dalam kasus terakhir, Anda dapat bereksperimen dengan teknologi grafik sebanyak yang Anda inginkan sebelum Anda menghabiskan satu sen. Kemudian, ketika Anda siap, Anda dapat bergerak dengan lancar ke lingkungan produksi terkelola yang ditawarkan Neptunus.
## Menggunakan workbench Neptune untuk meng-host notebook Neptune
Neptunus `T3` menawarkan `T4g` dan jenis instans yang dapat Anda mulai dengan harga kurang dari $0,10 per jam. Anda ditagih untuk sumber daya meja kerja melalui Amazon SageMaker AI, terpisah dari penagihan Neptunus Anda. Lihat [halaman harga Neptunus](https://aws.amazon.com/neptune/pricing/). Jupyter dan JupyterLab notebook yang dibuat di meja kerja Neptunus semuanya menggunakan lingkungan Amazon Linux 2 dan 4. JupyterLab Untuk informasi selengkapnya tentang dukungan JupyterLab notebook, lihat [dokumentasi Amazon SageMaker AI](https://docs.aws.amazon.com/sagemaker/latest/dg/nbi-jl.html).
Anda dapat membuat Jupyter atau JupyterLab notebook menggunakan meja kerja Neptunus dengan salah satu dari dua cara: Konsol Manajemen AWS
+ Gunakan menu **konfigurasi Notebook** saat membuat cluster DB Neptunus baru. Untuk melakukan ini, ikuti langkah-langkah yang diuraikan. [Meluncurkan cluster DB Neptunus menggunakan Konsol Manajemen AWS](manage-console-launch-console.md)
+ Gunakan menu **Notebooks** di panel navigasi kiri setelah cluster DB Anda telah dibuat. Untuk melakukan ini, ikuti langkah-langkah di bawah ini.
****Untuk membuat Jupyter atau JupyterLab notebook menggunakan menu Notebooks****
1. [Masuk ke Konsol AWS Manajemen, dan buka konsol Amazon Neptunus di rumah. https://console.aws.amazon.com/neptune/](https://console.aws.amazon.com/neptune/home)
1. Pada panel navigasi di sebelah kiri, pilih **Notebook**.
1. Pilih **Buat Notebook**.
1. Pilih **Database** sebagai layanan Neptunus.
1. Di daftar **Klaster**, pilih nama klaster DB Neptune Anda. Jika Anda belum memiliki klaster DB, pilih **Buat klaster** untuk membuatnya.
1. Pilih **jenis instans Notebook**.
1. Beri nama notebook Anda, dan deskripsinya bila mau.
1. Kecuali Anda telah membuat peran AWS Identity and Access Management (IAM) untuk buku catatan Anda, pilih **Buat peran IAM, dan masukkan nama peran** IAM.
**catatan**
Jika Anda memilih untuk menggunakan kembali peran IAM yang dibuat untuk buku catatan sebelumnya, kebijakan peran harus berisi izin yang benar untuk mengakses kluster DB Neptunus yang Anda gunakan. Anda dapat memverifikasi ini dengan memeriksa apakah komponen dalam ARN sumber daya di bawah `neptune-db:*` tindakan cocok dengan cluster tersebut. Izin yang tidak dikonfigurasi dengan benar mengakibatkan kesalahan koneksi saat Anda mencoba menjalankan perintah ajaib notebook.
1. Pilih **Buat Notebook**. Proses pembuatan mungkin memakan waktu 5 hingga 10 menit sebelum semuanya siap.
1. **Setelah buku catatan Anda dibuat, pilih dan kemudian pilih **Buka Jupyter atau** Buka. JupyterLab**
Konsol dapat membuat (IAM) role AWS Identity and Access Management untuk notebook Anda, atau Anda dapat membuatnya sendiri. Kebijakan untuk peran ini harus mencakup berikut ini:
------
#### [ JSON ]
****
```
{
"Version":"2012-10-17",
"Statement": [
{
"Sid": "AllowS3GetObjectS3ListBucket",
"Effect": "Allow",
"Action": [
"s3:GetObject",
"s3:ListBucket"
],
"Resource": [
"arn:aws:s3:::aws-neptune-notebook",
"arn:aws:s3:::aws-neptune-notebook/*",
"arn:aws:s3:::aws-neptune-notebook-{{us-east-1}}",
"arn:aws:s3:::aws-neptune-notebook-{{us-east-1}}/*"
]
},
{
"Sid": "AllowAccessNeptuneDB",
"Effect": "Allow",
"Action": "neptune-db:*",
"Resource": [
"arn:aws:neptune-db:{{us-east-1}}:{{111122223333}}:{{cluster-resource-id}}/*"
]
}
]
}
```
------
Perhatikan bahwa pernyataan kedua dalam kebijakan di atas mencantumkan satu atau lebih sumber daya cluster [Neptunus](iam-data-resources.md). IDs
Selain itu, peran harus menetapkan hubungan kepercayaan berikut:
------
#### [ JSON ]
****
```
{
"Version":"2012-10-17",
"Statement": [
{
"Effect": "Allow",
"Principal": {
"Service": "sagemaker.amazonaws.com"
},
"Action": "sts:AssumeRole"
}
]
}
```
------
Sekali lagi, menyiapkan semuanya bisa memakan waktu 5 hingga 10 menit.
Anda dapat mengonfigurasi notebook baru Anda agar berfungsi dengan Neptunus ML, seperti yang dijelaskan di. [Mengkonfigurasi notebook Neptunus secara manual untuk Neptunus ML](ml-manual-setup-notebooks.md)
### Menggunakan Python untuk menghubungkan notebook SageMaker AI generik ke Neptunus
Menghubungkan notebook ke Neptunus mudah jika Anda telah menginstal sihir Neptunus, tetapi juga memungkinkan untuk menghubungkan SageMaker notebook AI ke Neptunus menggunakan Python, bahkan jika Anda tidak menggunakan notebook Neptunus.
**Langkah-langkah yang harus diambil untuk terhubung ke Neptunus di SageMaker sel notebook AI**
1. Instal klien Python Gremlin:
```
!pip install gremlinpython
```
Notebook Neptunus menginstal klien Python Gremlin untuk Anda, jadi langkah ini hanya diperlukan jika Anda menggunakan notebook AI biasa. SageMaker
1. Tulis kode seperti berikut ini untuk menghubungkan dan mengeluarkan kueri Gremlin:
```
from gremlin_python import statics
from gremlin_python.structure.graph import Graph
from gremlin_python.process.graph_traversal import __
from gremlin_python.process.strategies import *
from gremlin_python.driver.driver_remote_connection import DriverRemoteConnection
from gremlin_python.driver.aiohttp.transport import AiohttpTransport
from gremlin_python.process.traversal import *
import os
port = 8182
server = '{{(your server endpoint)}}'
endpoint = f'wss://{server}:{port}/gremlin'
graph=Graph()
connection = DriverRemoteConnection(endpoint,'g',
transport_factory=lambda:AiohttpTransport(call_from_event_loop=True))
g = graph.traversal().withRemote(connection)
results = (g.V().hasLabel('airport')
.sample(10)
.order()
.by('code')
.local(__.values('code','city').fold())
.toList())
# Print the results in a tabular form with a row index
for i,c in enumerate(results,1):
print("%3d %4s %s" % (i,c[0],c[1]))
connection.close()
```
**catatan**
Jika Anda kebetulan menggunakan versi klien Python Gremlin yang lebih tua dari 3.5.0, baris ini:
```
connection = DriverRemoteConnection(endpoint,'g',
transport_factory=lambda:AiohttpTransport(call_from_event_loop=True))
```
Hanya akan menjadi:
```
connection = DriverRemoteConnection(endpoint,'g')
```
## Meluncurkan grafik-notebook sebagai Amazon Neptune Workbench via CloudFormation
Anda dapat menerapkan notebook meja kerja Amazon Neptunus menggunakan. CloudFormation CloudFormation Template menyebarkan notebook meja kerja Neptunus sebagai sumber daya dan menyertakan notebook dasar 'Memulai'. Meja kerja memungkinkan Anda bekerja dengan kluster Database Amazon Neptunus menggunakan notebook Jupyter yang dihosting oleh Amazon. SageMaker Anda ditagih untuk sumber daya meja kerja melalui Amazon SageMaker, terpisah dari penagihan Neptunus Anda.
CloudFormation Templat dan instruksi terperinci, termasuk persyaratan peran dan izin IAM, tersedia di repositori [ GitHub grafik-notebook](https://github.com/aws/graph-notebook/tree/main/additional-databases/sagemaker/neptune-notebook-cloudformation).
## Mengaktifkan CloudWatch log pada Notebook Neptunus
CloudWatch log sekarang diaktifkan secara default untuk Notebook Neptunus. Jika Anda memiliki buku catatan lama yang tidak menghasilkan CloudWatch log, ikuti langkah-langkah berikut untuk mengaktifkannya secara manual:
1. Masuk ke Konsol Manajemen AWS dan buka [konsol SageMaker AI](https://console.aws.amazon.com/sagemaker/home).
1. Pada panel navigasi di sebelah kiri, pilih **Notebook**, lalu **Instans Notebook**. Cari nama notebook Neptunus yang ingin Anda aktifkan log.
1. Buka halaman detail dengan memilih nama instance notebook itu.
1. Jika instance notebook sedang berjalan, pilih tombol **Stop**, di kanan atas halaman detail notebook.
1. Di bawah **Izin dan enkripsi** ada bidang untuk peran **IAM ARN**. Pilih tautan di bidang ini untuk pergi ke peran IAM yang dijalankan oleh instance notebook ini.
1. Buat kebijakan berikut:
------
#### [ JSON ]
****
```
{
"Version":"2012-10-17",
"Statement": [
{
"Effect": "Allow",
"Action": [
"logs:CreateLogDelivery",
"logs:CreateLogGroup",
"logs:CreateLogStream",
"logs:DeleteLogDelivery",
"logs:Describe*",
"logs:GetLogDelivery",
"logs:GetLogEvents",
"logs:ListLogDeliveries",
"logs:PutLogEvents",
"logs:PutResourcePolicy",
"logs:UpdateLogDelivery"
],
"Resource": "*"
}
]
}
```
------
1. Simpan kebijakan baru ini dan lampirkan ke Peran IAM yang ditemukan di Langkah 4.
1. Klik **Mulai** di kanan atas halaman detail instans notebook SageMaker AI.
1. Saat log mulai mengalir, Anda akan melihat tautan **Lihat Log** di bawah bidang berlabel **konfigurasi Siklus Hidup** di dekat kiri bawah bagian **pengaturan instans Notebook** pada halaman detail.
Jika notebook gagal memulai, akan ada pesan dari halaman detail notebook di konsol SageMaker AI, yang menyatakan bahwa instance notebook membutuhkan waktu lebih dari 5 menit untuk memulai. CloudWatch log yang relevan dengan masalah ini dapat ditemukan dengan nama ini:
```
{{(your-notebook-name)}}/LifecycleConfigOnStart
```
## Menyiapkan notebook grafik di komputer lokal Anda
Proyek grafik-notebook memiliki instruksi untuk menyiapkan notebook Neptune di mesin lokal Anda:
+ [Prasyarat](https://github.com/aws/graph-notebook/#prerequisites)
+ [Jupyter dan instalasi JupyterLab ](https://github.com/aws/graph-notebook/#installation)
+ [Menghubungkan ke basis data gafik](https://github.com/aws/graph-notebook/#connecting-to-a-graph-database).
Anda dapat menghubungkan notebook lokal Anda baik ke klaster DB Neptune, atau ke instans lokal atau remote dari basis data grafik sumber terbuka.
### Menggunakan notebook Neptune dengan klaster Neptune
Jika Anda terhubung ke cluster Neptunus di bagian belakang, Anda mungkin ingin menjalankan notebook di Amazon AI. SageMaker [Menghubungkan ke Neptunus SageMaker dari AI bisa lebih nyaman daripada dari instalasi notebook lokal, dan itu akan memungkinkan Anda bekerja lebih mudah dengan Neptunus ML.](machine-learning.md)
Untuk petunjuk tentang cara mengatur notebook di SageMaker AI, lihat [Meluncurkan grafik-notebook menggunakan Amazon](https://github.com/aws/graph-notebook/blob/main/additional-databases/sagemaker/README.md). SageMaker
Untuk petunjuk tentang cara mengatur dan mengonfigurasi Neptune sendiri, lihat [Menyiapkan Amazon Neptunus](neptune-setup.md).
Anda juga dapat menghubungkan instalasi lokal notebook Neptune ke klaster DB Neptune. Ini bisa agak lebih rumit karena klaster DB Amazon Neptune hanya dapat dibuat di Amazon Virtual Private Cloud (VPC), yang secara desain terisolasi dari dunia luar. Ada beberapa cara untuk terhubung ke VPC dari luarnya. Salah satunya adalah menggunakan penyeimbang beban. Lainnya adalah dengan menggunakan peering VPC (lihat [Panduan Peering Amazon Virtual Private Cloud](https://docs.aws.amazon.com/vpc/latest/peering/what-is-vpc-peering.html)).
Namun, cara yang paling mudah bagi kebanyakan orang adalah dengan menyambung untuk menyediakan server proksi Amazon EC2 dalam VPC dan kemudian menggunakan [Terowongan SSH](https://www.ssh.com/ssh/tunneling/) (juga dipanggil penerusan port), untuk menyambung kepadanya. [Anda dapat menemukan petunjuk tentang cara mengatur di [Menghubungkan notebook grafik secara lokal ke Amazon Neptunus](https://github.com/aws/graph-notebook/tree/main/additional-databases/neptune)`additional-databases/neptune` di folder proyek grafik-notebook.](https://github.com/aws/graph-notebook/) GitHub
### Menggunakan notebook Neptune dengan basis data grafik sumber terbuka
Untuk memulai dengan teknologi grafik tanpa biaya, Anda juga dapat menggunakan notebook Neptune dengan berbagai basis data sumber terbuka di ujung belakang. Contohnya adalah [server TinkerPop Gremlin](https://tinkerpop.apache.org/docs/current/reference/#gremlin-server), dan database [Blazegraph](https://blazegraph.com/).
Untuk menggunakan Gremlin Server sebagai basis data back-end Anda, ikuti langkah-langkah berikut:
+ [Menghubungkan grafik-notebook ke folder Server Gremlin](https://github.com/aws/graph-notebook/blob/main/additional-databases/gremlin-server/README.md#connecting-graph-notebook-to-a-gremlin-server). GitHub
+ Folder konfigurasi [Gremlin grafik-notebook](https://github.com/aws/graph-notebook/#gremlin-server). GitHub
Untuk menggunakan instance lokal [Blazegraph](https://github.com/blazegraph/database) sebagai basis data back-end Anda, ikuti langkah-langkah berikut:
+ Tinjau [instruksi mulai cepat Blazegraph](https://github.com/blazegraph/database/wiki/Quick_Start) untuk memahami pengaturan dasar dan konfigurasi yang diperlukan untuk menjalankan instance Blazegraph.
+ Akses GitHub folder [konfigurasi Blazegraph grafik-notebook](https://github.com/aws/graph-notebook/#blazegraph) yang berisi file dan instruksi yang diperlukan untuk menyiapkan instance Blazegraph lokal.
+ Di dalam GitHub repositori, arahkan ke direktori “blazegraph” dan ikuti instruksi yang diberikan untuk menyiapkan instance Blazegraph lokal Anda. Ini termasuk langkah-langkah untuk mengunduh perangkat lunak Blazegraph, mengonfigurasi file yang diperlukan, dan memulai server Blazegraph.
Setelah menjalankan instance Blazegraph lokal, Anda dapat mengintegrasikannya dengan aplikasi Anda sebagai basis data backend untuk data dan kueri berbasis grafik Anda. Lihat dokumentasi dan kode contoh yang disediakan di repositori grafik-notebook untuk mempelajari cara menghubungkan aplikasi Anda ke instance Blazegraph.
## Migrasi notebook Neptunus ke 4.x JupyterLab
Bagian ini menguraikan berbagai pendekatan untuk memigrasikan notebook Neptunus Anda ke JupyterLab 4.x dan lingkungan Amazon Linux yang lebih baru. Untuk informasi rinci tentang pembuatan versi, lihat [Amazon SageMaker AI JupyterLab JupyterLab ](https://docs.aws.amazon.com/sagemaker/latest/dg/nbi-jl.html) Versioning.
### Pendekatan migrasi
#### Instalasi baru
Jika Anda tidak perlu menyimpan file atau konfigurasi ruang kerja yang ada, Anda dapat:
1. Buat instance notebook baru yang menjalankan JupyterLab 4.x (notebook-al2-v3)
1. Verifikasi pengaturan baru berfungsi seperti yang diharapkan
1. Hentikan dan hapus instance notebook lama Anda
#### Migrasi transfer file
Metode ini menggunakan sistem lokal Anda atau Amazon S3 sebagai penyimpanan perantara.
**Terbaik untuk**
+ [Akses internet langsung melalui konfigurasi jaringan Amazon SageMaker AI](https://docs.aws.amazon.com//sagemaker/latest/dg/appendix-notebook-and-internet-access.html#appendix-notebook-and-internet-access-default).
+ Volume data moderat untuk bermigrasi
+ File khusus untuk diawetkan, bukan seluruh konfigurasi ruang kerja.
##### Metode 1: Menggunakan JupyterLab UI
**Terbaik untuk**
+ Sejumlah kecil file
+ Migrasi file selektif
+ Lebih suka drag-and-drop operasi sederhana
**Langkah-langkah**
1. Unduh file dari JupyterLab contoh sumber:
+ Navigasikan dan pilih file yang ingin Anda migrasikan ke instance baru JupyterLab
+ **Klik kanan dan pilih Unduh**
1. Unggah ke JupyterLab instance baru:
+ Gunakan tombol unggah JupyterLab dan pilih semua file yang ingin Anda salin ke instance baru
+ (Atau) seret dan lepas file secara langsung
##### Metode 2: Menggunakan Amazon S3
**Terbaik untuk**
+ Sejumlah besar file
+ Melestarikan struktur folder Anda
+ Migrasi massal
**Prasyarat**
Pastikan peran yang terkait dengan notebook memiliki izin yang sesuai untuk mengunggah dan mengakses bucket Amazon S3:
```
{
"Effect": "Allow",
"Action": ["s3:PutObject", "s3:GetObject", "s3:ListBucket"],
"Resource": ["arn:aws:s3:::your-bucket-name/*", "arn:aws:s3:::your-bucket-name"]
}
```
**catatan**
[AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/index.html) harus diinstal sebelumnya pada SageMaker notebook AI.
**Langkah-langkah**
1. Buka terminal JupyterLab atau ketik perintah terminal di sel notebook dengan `!` awalan.
1. Salin file dari JupyterLab instance lama Anda ke S3 menggunakan perintah CLI [sinkronisasi Amazon S3](https://docs.aws.amazon.com//cli/latest/reference/s3/cp.html) cp atau Amazon [S3](https://docs.aws.amazon.com//cli/latest/reference/s3/sync.html):
```
# using AWS s3 cp
aws s3 cp /home/ec2-user/SageMaker/your-folder s3://your-bucket/backup/ --recursive
# (OR) using AWS s3 sync
aws s3 sync /home/ec2-user/SageMaker/your-folder s3://your-bucket/backup/
```
1. Salin file dari S3 ke JupyterLab instance baru Anda:
```
# using AWS s3 cp
aws s3 cp s3://your-bucket/backup/ /home/ec2-user/SageMaker/your-folder --recursive
# (OR) using AWS s3 sync
aws s3 sync s3://your-bucket/backup/ /home/ec2-user/SageMaker/your-folder
```
**catatan**
Gunakan `sync` untuk memelihara struktur folder dan pembaruan tambahan dan `cp` untuk transfer satu kali.
#### Migrasi Amazon EFS
**Terbaik untuk**
+ [Konfigurasi jaringan khusus VPC](https://docs.aws.amazon.com//sagemaker/latest/dg/appendix-notebook-and-internet-access.html#appendix-notebook-and-internet-access-default-vpc)
+ Volume data yang besar
**Langkah-langkah**
Ikuti [sistem file Mount an EFS ke blog notebook Amazon SageMaker AI](https://aws.amazon.com/blogs//machine-learning/mount-an-efs-file-system-to-an-amazon-sagemaker-notebook-with-lifecycle-configurations/) untuk menggunakan sistem file Amazon EFS dengan instans notebook Anda.
Selain itu, ada juga beberapa langkah lagi yang berlaku khusus untuk memigrasikan notebook Neptunus ke lingkungan baru:
1. Selama [pembuatan notebook Neptunus di konsol, pilih Buat konfigurasi siklus hidup baru di](https://docs.aws.amazon.com//neptune/latest/userguide/graph-notebooks.html#graph-notebooks-workbench) **bawah Konfigurasi Siklus Hidup**
1. Dalam konfigurasi siklus hidup template, tambahkan perintah mount `sudo mount -t nfs ...` () Amazon EFS Anda setelah skrip install.sh
Ini memastikan sistem file Amazon EFS Anda dipasang secara otomatis setiap kali instans notebook Anda dimulai atau dimulai ulang. Untuk mengatasi masalah pemasangan, lihat dokumen [pemecahan masalah Amazon EFS](https://docs.aws.amazon.com/efs/latest/ug/troubleshooting.html).
**Keuntungan**
+ Akses tanpa batas ke file di seluruh instance
+ Akses file langsung tanpa transfer perantara
+ Penanganan kumpulan data besar yang efisien
#### Migrasi volume Amazon EBS
**Terbaik untuk saat Anda perlu melestarikan**
+ Konfigurasi ruang kerja lengkap
+ File tersembunyi
+ Pengaturan sistem
+ Melestarikan konfigurasi ruang kerja yang lengkap, file tersembunyi, dan pengaturan sistem
Ikuti [panduan migrasi AWS SageMaker AI untuk volume Amazon EBS untuk mentransfer file dari volume](https://docs.aws.amazon.com/sagemaker/latest/dg/nbi-upgrade.html) Amazon EBS yang terkait dengan instans notebook.
Selain itu, ada juga beberapa langkah lagi yang berlaku khusus untuk memigrasikan notebook Neptunus ke lingkungan baru.
## Prasyarat khusus Neptunus
Di peran IAM notebook Neptunus sumber, tambahkan semua izin berikut:
```
{
"Effect": "Allow",
"Action": [
"s3:GetObject",
"s3:ListBucket",
"s3:CreateBucket",
"s3:PutObject"
],
"Resource": [
"arn:aws:s3:::{{(your ebs backup bucket name)}}",
"arn:aws:s3:::{{(your ebs backup bucket name)}}/*"
]
},
{
"Effect": "Allow",
"Action": [
"sagemaker:ListTags"
],
"Resource": [
"*"
]
}
```
Pastikan untuk menentukan ARN yang benar untuk bucket S3 yang akan Anda gunakan untuk membuat cadangan.
## Konfigurasi siklus hidup khusus Neptunus
Saat membuat skrip konfigurasi Siklus Hidup kedua untuk memulihkan cadangan (dari`on-create.sh`) seperti yang dijelaskan dalam posting blog, nama Siklus Hidup harus mengikuti format, seperti. `aws-neptune-*` `aws-neptune-sync-from-s3` Ini memastikan bahwa LCC dapat dipilih selama pembuatan notebook di konsol Neptunus.
## Sinkronisasi khusus Neptunus dari snapshot ke instance baru
Dalam langkah-langkah yang dijelaskan dalam posting blog untuk menyinkronkan dari snapshot ke instance baru, berikut adalah perubahan khusus Neptunus:
+ Pada langkah 4, pilih **notebook-al2-v3**.
+ Pada langkah 5, gunakan kembali peran IAM dari sumber notebook Neptunus.
+ Antara langkah 7 dan 8:
+ Dalam **pengaturan instance Notebook**, tetapkan nama yang menggunakan `aws-neptune-*` format.
+ Buka akordeon pengaturan **Jaringan** dan pilih grup VPC, Subnet, dan Keamanan yang sama seperti di notebook sumber.
## Langkah-langkah khusus Neptunus setelah notebook baru dibuat
1. Pilih tombol **Open Jupyter** untuk notebook. Setelah `SYNC_COMPLETE` file muncul di direktori utama, lanjutkan ke langkah berikutnya.
1. Buka halaman instance notebook di konsol SageMaker AI.
1. Hentikan notebook.
1. Pilih **Edit**.
1. Di pengaturan instance notebook, edit bidang **konfigurasi Siklus Hidup** dengan memilih Siklus Hidup asli notebook Neptunus sumber. Perhatikan bahwa ini bukan Siklus Hidup cadangan EBS.
1. Pilih **Perbarui pengaturan buku catatan**.
1. Mulai notebook lagi.
Dengan modifikasi yang dijelaskan di sini untuk langkah-langkah yang diuraikan dalam posting blog, notebook grafik Anda sekarang harus dimigrasikan ke instance notebook Neptunus baru yang menggunakan lingkungan Amazon Linux 2 dan 4. JupyterLab **Mereka akan muncul untuk akses dan manajemen di halaman Neptunus di Konsol Manajemen AWS, dan Anda sekarang dapat melanjutkan pekerjaan Anda dari tempat Anda tinggalkan dengan memilih Open Jupyter **atau Open**. JupyterLab**
## Buat notebook Neptunus di instans Amazon AI SageMaker
****
1. Buka konsol Amazon SageMaker AI di [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/).
1. Di panel navigasi, perluas **Notebook**, lalu pilih **instance Notebook**.
1. Pilih **Buat instans notebook**.
1. Dalam **pengaturan instans Notebook****, di bawah nama instance Notebook**, beri buku catatan nama yang diawali dengan `aws-neptune-` (misalnya,`aws-neptune-my-test-notebook`).
1. Di bawah **Pengenal platform**, pilih **Amazon Linux 2, JupyterLab 4**.
1. Pilih **Konfigurasi tambahan**.
1. Di bawah **Konfigurasi Siklus Hidup**, pilih **Buat konfigurasi siklus hidup baru**.
1. Di **Konfigurasi**, di bawah **Nama** masukkan nama instance notebook dari langkah 4.
1. Di **Skrip**, di bawah **Mulai buku catatan**, ganti skrip yang ada dengan ini:
```
#!/bin/bash
sudo -u ec2-user -i <<'EOF'
echo "export GRAPH_NOTEBOOK_AUTH_MODE=IAM" >> ~/.bashrc
echo "export GRAPH_NOTEBOOK_SSL=True" >> ~/.bashrc
echo "export GRAPH_NOTEBOOK_SERVICE={{neptune-db for Neptune, or neptune-graph for Neptune Analytics}}" >> ~/.bashrc
echo "export GRAPH_NOTEBOOK_HOST={{(Neptune Analytics graph endpoint, public or private)}}" >> ~/.bashrc
echo "export GRAPH_NOTEBOOK_PORT=8182" >> ~/.bashrc
echo "export NEPTUNE_LOAD_FROM_S3_ROLE_ARN=" >> ~/.bashrc
echo "export AWS_REGION={{(AWS region)}}" >> ~/.bashrc
aws s3 cp s3://aws-neptune-notebook-{{(AWS region)}}/graph_notebook.tar.gz /tmp/graph_notebook.tar.gz
rm -rf /tmp/graph_notebook
tar -zxvf /tmp/graph_notebook.tar.gz -C /tmp
/tmp/graph_notebook/install_jl4x.sh
EOF
```
1. Pilih **Buat konfigurasi**.
1. Di **Izin dan enkripsi, di bawah Peran** **IAM, pilih peran** yang Anda buat di atas.
1. Di **Jaringan**, jika Anda menggunakan titik akhir grafik pribadi:
1. Di bawah **VPC**, pilih VPC tempat grafik Neptunus Analytics berada.
1. Di bawah **Subnet**, pilih subnet yang terkait dengan grafik Neptunus Analytics.
1. Di bawah **Grup Keamanan, pilih semua grup keamanan yang terkait dengan grafik** Neptunus Analytics.
1. Pilih **Buat instans notebook**.
1. Setelah 5 atau 10 menit, ketika notebook baru Anda mencapai `Ready` status, pilih. **Pilih **Buka Jupyter** atau Buka. JupyterLab**
## Menyiapkan notebook Neptunus secara manual
Anda juga dapat menggunakan paket AWS sumber terbuka yang tersedia untuk graph-notebook dan graph-explorer untuk menyiapkan lingkungan notebook Neptunus. Meskipun ada beberapa cara untuk menyiapkan notebook menggunakan paket sumber terbuka, pendekatan yang disarankan adalah:
+ Siapkan [grafik-notebook di komputer](https://github.com/aws/graph-notebook) lokal Anda dan terowongan SSH Amazon EC2 yang menghubungkan mesin lokal Anda ke cluster Neptunus pada VPC yang sama dengan instans Amazon EC2.
+ Siapkan [graph-explorer pada instans](https://github.com/aws/graph-explorer) Amazon EC2 dalam VPC Anda.
Untuk petunjuk terperinci tentang pengaturan paket [graph-notebook dan [graph-explorer](https://github.com/aws/graph-explorer)](https://github.com/aws/graph-notebook) open-source, lihat dokumentasi dan repositori resmi berikut: AWS GitHub
+ [https://docs.aws.amazon.com//neptune/latest/userguide/graph-notebooks.html#graph-notebooks-local](https://docs.aws.amazon.com//neptune/latest/userguide/graph-notebooks.html#graph-notebooks-local)
+ [https://docs.aws.amazon.com//neptune/latest/userguide/get-started-connect-ec2-same-vpc.html](https://docs.aws.amazon.com//neptune/latest/userguide/get-started-connect-ec2-same-vpc.html)
+ [https://github.com/aws/graph-notebook/tree/main/additional-databases/neptune](https://github.com/aws/graph-notebook/tree/main/additional-databases/neptune)
+ [https://github.com/aws/graph-explorer/blob/main/additionaldocs/getting-started/README.md#amazon-ec2-setup](https://github.com/aws/graph-explorer/blob/main/additionaldocs/getting-started/README.md#amazon-ec2-setup)
**Konfigurasi keamanan**
Saat menyiapkan lingkungan Anda, pastikan konfigurasi keamanan berikut diatur sesuai:
+ Grup **keamanan cluster Neptunus** - Izinkan lalu lintas TCP yang masuk pada port 8182 dari grup keamanan instans Amazon EC2 Anda.
+ **Grup keamanan instans Amazon EC2** - Konfigurasikan aturan HTTPS masuk untuk mengaktifkan akses Graph Explorer.
Sebaiknya gunakan satu grup keamanan untuk cluster Neptunus dan instans Amazon EC2 Anda. Ini menyederhanakan konfigurasi dan mengurangi potensi masalah konektivitas. Namun, ingatlah untuk menambahkan aturan referensi diri untuk memungkinkan komunikasi antar sumber daya dalam grup.