View a markdown version of this page

Utilizzo di Amazon Neptune con quaderni grafici - Amazon Neptune
Utilizzo di Neptune WorkbenchImplementa con CloudFormationAbilitazione dei CloudWatch logHosting locale JupyterLab Migrazione a 4Prerequisiticonfigurazione del ciclo di vitaSincronizzazione da uno snapshotDopo la creazione del notebookCrea il taccuinoConfigurazione manuale dei notebook Neptune

Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

Utilizzo di Amazon Neptune con quaderni grafici

Per lavorare con i grafici Neptune puoi usare un taccuino grafico Neptune o creare un nuovo database Neptune utilizzando un modello. CloudFormation Creazione di un cluster Amazon Neptune utilizzando AWS CloudFormation

Che tu sia un principiante dei grafici e desideri imparare e sperimentare, oppure sei esperto e desideri perfezionare le tue query, l'ambiente di lavoro Neptune offre un ambiente di sviluppo interattivo (IDE) che può aumentare la tua produttività durante la creazione di applicazioni grafiche. Il Workbench fornisce un'interfaccia intuitiva per interagire con il database Neptune, scrivere query e visualizzare i dati.

Utilizzando il CloudFormation modello per configurare il database Neptune e il Workbench per sviluppare le applicazioni grafiche, è possibile iniziare a utilizzare Neptune in modo rapido ed efficiente, senza la necessità di strumenti aggiuntivi. Ciò consente di concentrarsi sulla creazione delle applicazioni anziché sulla configurazione dell'infrastruttura sottostante.

Nota

I notebook Neptune, gestiti tramite Amazon SageMaker AI, non sono attualmente disponibili nella regione Asia Pacifico (Malesia) (ap-southeast-5). Tuttavia, puoi comunque distribuire i notebook Neptune tramite opzioni alternative non gestite. Per la distribuzione manuale dei notebook, fare riferimento a. Configurazione manuale dei notebook Neptune

Neptune fornisce Jupyter e notebook nel progetto open source Neptune JupyterLab Graph Notebook su e nel workbench Neptune. GitHub Questi notebook offrono tutorial per applicazioni di esempio e frammenti di codice in un ambiente di sviluppo interattivo in cui è possibile apprendere i concetti relativi alla tecnologia dei grafi e a Neptune. Puoi usarli per visualizzare le procedure di installazione, configurazione, popolamento ed esecuzione di query sui grafi con diversi linguaggi di query, diversi set di dati e persino diversi database sul back-end.

È possibile ospitare questi notebook in vari modi:

  • L'ambiente di lavoro Neptune ti consente di eseguire i notebook Jupyter in un ambiente completamente gestito, ospitato in Amazon AI, e carica automaticamente l'ultima versione del progetto Neptune Graph Notebook per te. SageMaker https://github.com/aws/graph-notebook Configurare Workbench nella console Neptune quando si crea un nuovo database Neptune è facile.

    Nota

    Quando crei un'istanza del notebook Neptune, ti vengono fornite due opzioni per l'accesso alla rete: accesso diretto tramite Amazon AI (impostazione predefinita) e accesso tramite un VPC. SageMaker In entrambe le opzioni, il notebook richiede l'accesso a Internet per recuperare le dipendenze dei pacchetti per l'installazione del workbench Neptune. La mancanza di accesso a Internet causerà il fallimento della creazione di un'istanza del notebook Neptune.

  • Puoi anche installare Jupyter in locale. Potrai così eseguire i notebook dal laptop, collegato a Neptune o a un'istanza locale di uno dei database a grafo open source. In quest'ultimo caso, avrai la possibilità sperimentare con la tecnologia dei grafi quanto desideri prima di spendere un centesimo. Quindi, quando sei pronto, puoi passare senza problemi all'ambiente di produzione gestito offerto da Neptune.

Utilizzo Neptune Workbench per ospitare i notebook Neptune

Per iniziare, Neptune offre tipi di istanze T3 e T4g a meno di 0,10 USD all'ora. Le risorse di workbench ti vengono fatturate tramite Amazon SageMaker AI, separatamente dalla fatturazione di Neptune. Consulta la pagina dei prezzi di Neptune. Jupyter e i JupyterLab notebook creati sul workbench Neptune utilizzano tutti un ambiente Amazon Linux 2 e 4. JupyterLab Per ulteriori informazioni sul supporto dei notebook, consulta la documentazione di Amazon AI JupyterLab . SageMaker

Puoi creare un Jupyter o un JupyterLab notebook utilizzando il workbench Neptune in due modi: Console di gestione AWS

  • Usa il menu Configurazione Notebook durante la creazione di un nuovo cluster database Neptune. A tale scopo, segui la procedura descritta in Avvio di un cluster Neptune DB utilizzando Console di gestione AWS.

  • Usa il menu Notebook nel riquadro di navigazione a sinistra dopo che il tuo cluster database è già stato creato. A tale scopo, attenersi alla procedura riportata di seguito.

Per creare un Jupyter o un notebook utilizzando JupyterLab Notebook menù

  1. Accedi alla console di AWS gestione e apri la console Amazon Neptune all'indirizzo. https://console.aws.amazon.com/neptune/home

  2. Nel riquadro di navigazione sinistro, scegliere Notebooks (Notebook).

  3. Seleziona Crea notebook.

  4. Scegli Database come servizio Neptune.

  5. Nell'elenco Cluster scegli il tuo cluster database Neptune. Se non si dispone ancora di un cluster DB, scegliere Create cluster (Crea cluster) per crearne uno.

  6. Seleziona un tipo di istanza Notebook.

  7. Fornire un nome al notebook e, facoltativamente, una descrizione.

  8. A meno che tu non abbia già creato un ruolo AWS Identity and Access Management (IAM) per i tuoi notebook, scegli Crea un ruolo IAM e inserisci un nome di ruolo IAM.

    Nota

    Se scegli di riutilizzare un ruolo IAM creato per un notebook precedente, la policy del ruolo deve contenere le autorizzazioni corrette per accedere al cluster Neptune DB che stai utilizzando. Puoi verificare controllando che i componenti nel nome ARN della risorsa nell'azione neptune-db:* corrispondano a quel cluster. Le autorizzazioni configurate in modo errato provocano errori di connessione quando si tenta di eseguire i comandi magic dei notebook.

  9. Seleziona Crea notebook. Il processo di creazione può richiedere da 5 a 10 minuti prima che tutto sia pronto.

  10. Dopo aver creato il notebook, selezionalo e scegli Apri Jupyter o Apri. JupyterLab

La console può creare un ruolo AWS Identity and Access Management (IAM) per i notebook o puoi crearne uno manualmente. Il criterio per questo ruolo dovrebbe includere quanto segue:

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/*"
      ]
    }
  ]
}

Tieni presente che la seconda istruzione nella policy precedente elenca uno o più ID risorsa del cluster Neptune.

Inoltre, il ruolo dovrebbe stabilire la seguente relazione di trust:

JSON
{
  "Version":"2012-10-17",
  "Statement": [
    {
      "Effect": "Allow",
      "Principal": {
        "Service": "sagemaker.amazonaws.com"
      },
      "Action": "sts:AssumeRole"
    }
  ]
}

Ancora una volta, la preparazione può richiedere da 5 a 10 minuti.

È possibile configurare il nuovo notebook per funzionare con Neptune ML, come spiegato in Configurazione manuale di un notebook Neptune per Neptune ML.

Usare Python per connettere un notebook AI generico SageMaker a Neptune

Collegare un notebook a Neptune è facile se hai installato Neptune magics, ma è anche possibile collegare un notebook SageMaker AI a Neptune usando Python, anche se non stai usando un notebook Neptune.

Passaggi da eseguire per connettersi a Neptune in un cellulare di notebook AI SageMaker

  1. Installa il client Gremlin Python:

    !pip install gremlinpython

    I notebook Neptune installano il client Gremlin Python al posto tuo, quindi questo passaggio è necessario solo se utilizzi un semplice notebook AI. SageMaker

  2. Per connetterti ed eseguire una query Gremlin, scrivi il codice seguente:

    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()
Nota

Se stai usando una versione del client Gremlin Python precedente alla 3.5.0, questa riga:

connection = DriverRemoteConnection(endpoint,'g',
                 transport_factory=lambda:AiohttpTransport(call_from_event_loop=True))

Sarà solo:

connection = DriverRemoteConnection(endpoint,'g')

Avvio di graph-notebook come Amazon Neptune Workbench tramite CloudFormation

Puoi distribuire i notebook Amazon Neptune workbench utilizzando. CloudFormation Il CloudFormation modello utilizza i notebook Neptune Workbench come risorse e include i notebook «Guida introduttiva» di base. Il workbench ti consente di lavorare con il tuo cluster di database Amazon Neptune utilizzando notebook Jupyter ospitati da Amazon. SageMaker Le risorse di workbench ti vengono fatturate tramite Amazon, separatamente dalla fatturazione di Neptune. SageMaker

Il CloudFormation modello e le istruzioni dettagliate, inclusi i requisiti e le autorizzazioni per i ruoli IAM, sono disponibili nel repository graph-notebook. GitHub

Abilitazione dei log CloudWatch su Neptune Notebooks

CloudWatch i log sono ora abilitati per impostazione predefinita per i notebook Neptune. Se hai un notebook più vecchio che non produce CloudWatch registri, segui questi passaggi per abilitarli manualmente:

  1. Accedi Console di gestione AWS e apri la console SageMaker AI.

  2. Nel riquadro di navigazione a sinistra scegli Notebook, quindi Istanze notebook. Cerca il nome del notebook Neptune per il quale desideri abilitare i log.

  3. Vai alla pagina dei dettagli selezionando il nome dell'istanza notebook.

  4. Se l'istanza notebook è in esecuzione, seleziona il pulsante Arresta in alto a destra nella pagina dei dettagli del notebook.

  5. In Autorizzazioni e crittografia è disponibile un campo per ARN del ruolo IAM. Seleziona il collegamento in questo campo per passare al ruolo IAM con cui viene eseguita questa istanza notebook.

  6. Crea la policy seguente:

    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": "*"
    }
  ]
}

  7. Salva questa nuova policy e collegala al ruolo IAM trovato nel passaggio 4.

  8. Fai clic su Start in alto a destra nella pagina dei dettagli dell'istanza del notebook SageMaker AI.

  9. Quando inizia il flusso dei log, visualizzerai un collegamento Visualizza log sotto il campo denominato Configurazione del ciclo di vita nella parte inferiore sinistra della sezione Impostazioni dell'istanza notebook della pagina dei dettagli.

Se un notebook non si avvia, nella pagina dei dettagli del notebook sulla console SageMaker AI verrà visualizzato un messaggio che indica che l'istanza del notebook ha impiegato più di 5 minuti per avviarsi. CloudWatch i log relativi a questo problema sono disponibili con questo nome:

(your-notebook-name)/LifecycleConfigOnStart

Configurazione dei notebook per grafi nel computer locale

Il progetto graph-notebook contiene le istruzioni per configurare i notebook Neptune nel computer locale:

È possibile connettere i notebook locali a un cluster database Neptune o a un'istanza locale o remota di un database a grafo open source.

Utilizzo dei notebook Neptune con i cluster Neptune

Se ti connetti a un cluster Neptune sul back-end, potresti voler eseguire i notebook in Amazon AI. SageMaker La connessione a Neptune tramite SageMaker AI può essere più comoda rispetto a un'installazione locale dei notebook e ti consentirà di lavorare più facilmente con Neptune ML. Amazon Neptune ML per machine learning sui grafi

Per istruzioni su come configurare i notebook in AI, consulta Launching graph-notebook using Amazon. SageMaker SageMaker

Per istruzioni su come installare e configurare Neptune stesso, consulta Configurare Amazon Neptune.

È inoltre possibile collegare un'installazione locale dei notebook Neptune a un cluster database Neptune. Questa operazione è leggermente più complessa perché i cluster database Amazon Neptune possono essere creati solo in un Amazon Virtual Private Cloud (Amazon VPC) che, per impostazione predefinita, è isolato dal mondo esterno. Esistono diversi modi per connettersi a un VPC dall'esterno. Uno consiste nell'utilizzare un sistema di bilanciamento del carico. Un altro metodo prevede l'uso del peering VPC (consulta la guida Amazon Virtual Private Cloud Peering).

La soluzione più pratica per la maggior parte delle persone, tuttavia, è connettersi per configurare un server proxy Amazon EC2 all'interno del VPC e quindi utilizzare il tunnelling SSH (denominato anche port fowarding) per connettersi ad esso. Puoi trovare istruzioni su come eseguire la configurazione in Connecting graph notebook localmente ad Amazon Neptune nella cartella del progetto graph-notebook. additional-databases/neptune https://github.com/aws/graph-notebook/ GitHub

Utilizzo dei notebook Neptune con database a grafo open source

Per iniziare a utilizzare gratuitamente la tecnologia dei grafi, puoi anche usare i notebook Neptune con vari database open source sul back-end. Esempi sono il server TinkerPop https://tinkerpop.apache.org/docs/current/reference/#gremlin-server Gremlin e il database https://blazegraph.com/ Blazegraph.

Per utilizzare Gremlin Server come database back-end, segui questi passaggi:

Per utilizzare un'istanza locale di Blazegraph come database back-end, segui questi passaggi:

Una volta che hai un'istanza Blazegraph locale in esecuzione, puoi integrarla con la tua applicazione come database di backend per i dati e le query basati su grafici. Fai riferimento alla documentazione e al codice di esempio forniti nel repository graph-notebook per scoprire come connettere l'applicazione all'istanza Blazegraph.

JupyterLab Migrazione dei notebook Neptune alla versione 4.x

Questa sezione illustra vari approcci per la migrazione dei notebook Neptune verso ambienti Amazon Linux 4.x e successivi. JupyterLab Per informazioni dettagliate sul controllo delle versioni, consulta Amazon AI Versioning. JupyterLab SageMaker JupyterLab

Approcci per la migrazione

Nuova installazione

Se non hai bisogno di conservare i file o le configurazioni dello spazio di lavoro esistenti, puoi:

  1. Crea una nuova istanza del notebook con JupyterLab 4.x (notebook-al2-v3)

  2. Verifica che la nuova configurazione funzioni come previsto

  3. Arresta ed elimina la vecchia istanza del notebook

Migrazione del trasferimento di file

Questo metodo utilizza il tuo sistema locale o Amazon S3 come storage intermedio.

Ideale per

Metodo 1: utilizzo dell'interfaccia utente JupyterLab
Ideale per

  • Numero ridotto di file

  • Migrazione selettiva dei file

  • Preferisci semplici operazioni drag-and-drop

Fasi

  1. Scarica i file dall'istanza sorgente: JupyterLab

    • Naviga e seleziona i file in cui desideri migrare nella nuova istanza JupyterLab

    • Right-click e seleziona Scarica

  2. Carica su una nuova JupyterLab istanza:

    • Usa il pulsante di caricamento JupyterLab e seleziona tutti i file che desideri copiare nella nuova istanza

    • (Oppure) trascina e rilascia direttamente i file

Metodo 2: utilizzo di Amazon S3
Ideale per

  • Numero elevato di file

  • Conservazione della struttura delle cartelle

  • Migrazioni in blocco

Prerequisiti

Assicurati che il ruolo associato al notebook disponga delle autorizzazioni appropriate per caricare e accedere al 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"]
}
Nota

AWS La CLI deve essere preinstallata sui notebook AI. SageMaker

Fasi

  1. Apri un terminale JupyterLab o digita i comandi del terminale in una cella del notebook con prefisso. !

  2. Copia i file dalla tua vecchia JupyterLab istanza su S3 utilizzando i comandi CLI di Amazon S3 cp o Amazon S3 sync: 

    # 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/

  3. Copia i file da S3 alla tua nuova JupyterLab istanza:

    # 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
Nota

Utilizzalo sync per mantenere le strutture delle cartelle e gli aggiornamenti incrementali e cp per i trasferimenti una tantum.

Migrazione ad Amazon EFS

Ideale per

  • VPC-onlyconfigurazione di rete

  • Grandi volumi di dati

Fasi

Segui il blog Mount an EFS file system to a Amazon SageMaker AI notebook per utilizzare un file system Amazon EFS con le istanze del tuo notebook.

Inoltre, esistono alcuni passaggi aggiuntivi che si applicano specificamente alla migrazione dei notebook Neptune al nuovo ambiente:

  1. Durante la creazione del notebook Neptune nella console, seleziona Crea una nuova configurazione del ciclo di vita in Configurazione del ciclo di vita

  2. Nella configurazione del ciclo di vita del modello, aggiungi il comando mount di Amazon EFS () dopo lo script install.sh sudo mount -t nfs ...

Ciò garantisce che il file system Amazon EFS venga montato automaticamente ogni volta che l'istanza del notebook viene avviata o riavviata. Per la risoluzione dei problemi di montaggio, consulta il documento di risoluzione dei problemi di Amazon EFS. https://docs.aws.amazon.com/efs/latest/ug/troubleshooting.html

Vantaggi

  • Accesso senza interruzioni ai file tra le istanze

  • Accesso diretto ai file senza trasferimenti intermediari

  • Gestione efficiente di set di dati di grandi dimensioni

Migrazione dei volumi Amazon EBS

Ideale per quando è necessario conservare

  • Configurazioni complete dell'area di lavoro

  • File nascosti

  • Impostazioni di sistema

  • Conservazione delle configurazioni complete dell'area di lavoro, dei file nascosti e delle impostazioni di sistema

Segui la guida alla migrazione AWS SageMaker AI per i volumi Amazon EBS per trasferire file dal volume Amazon EBS associato alle istanze del notebook.

Inoltre, ci sono altri passaggi che si applicano specificamente alla migrazione dei notebook Neptune nel nuovo ambiente.

Neptune-specific prerequisiti

Nel ruolo IAM del notebook Neptune di origine, aggiungi tutte le autorizzazioni seguenti:

{
  "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": [
    "*"
  ]
}

Assicurati di specificare il nome ARN corretto per il bucket S3 che verrà usato per il backup.

Neptune-specific configurazione del ciclo di vita

Quando si crea il secondo script di configurazione del ciclo di vita per il ripristino del backup (da on-create.sh) come descritto nel post del blog, il nome del ciclo di vita deve seguire il formato aws-neptune-*, ad esempio aws-neptune-sync-from-s3 Questo garantisce che sia possibile selezionare la configurazione del ciclo di vita durante la creazione del notebook nella console Neptune.

Neptune-specific sincronizzazione da un'istantanea a una nuova istanza

Nei passaggi descritti nel post del blog per la sincronizzazione da un'istantanea a una nuova istanza, ecco le modifiche: Neptune-specific

  • Al passaggio 4, scegli notebook-al2-v3.

  • Nel passaggio 5 riutilizza il ruolo IAM del notebook Neptune di origine.

  • Tra i passaggi 7 e 8:

    • In Impostazioni dell'istanza notebook imposta un nome con il formato aws-neptune-*.

    • Apri il gruppo di elementi comprimibili (accordion) delle impostazioni di Rete e per VPC, sottorete e gruppo di sicurezza seleziona gli stessi valori del notebook di origine.

Neptune-specific passaggi dopo la creazione del nuovo taccuino

  1. Seleziona il pulsante Apri Jupyter per il notebook. Una volta visualizzato il file SYNC_COMPLETE nella directory principale, procedi al passaggio successivo.

  2. Vai alla pagina dell'istanza del notebook nella console SageMaker AI.

  3. Arresta il notebook.

  4. Seleziona Edit (Modifica).

  5. Nelle impostazioni dell'istanza notebook modifica il campo Configurazione del ciclo di vita selezionando il ciclo di vita originale del notebook Neptune di origine. Tieni presente che questo non è il ciclo di vita del backup EBS.

  6. Seleziona Aggiorna impostazioni notebook.

  7. Riavvia il notebook.

Con le modifiche descritte qui ai passaggi descritti nel post del blog, i tuoi notebook Graph dovrebbero ora essere migrati su una nuova istanza del notebook Neptune che utilizza l'ambiente Amazon Linux 2 e 4. JupyterLab Verranno visualizzati per l'accesso e la gestione nella pagina Neptune nel Console di gestione AWS, e ora puoi continuare il lavoro da dove avevi interrotto selezionando Apri Jupyter o Apri. JupyterLab

Crea un notebook Neptune nelle istanze Amazon AI SageMaker

  1. Apri la console Amazon SageMaker AI all'indirizzo https://console.aws.amazon.com/sagemaker/.

  2. Nel pannello di navigazione, espandi Notebook, quindi scegli Istanze Notebook.

  3. Scegli Crea un'istanza del notebook.

  4. Nelle impostazioni dell'istanza di Notebook, in Nome dell'istanza di Notebook, assegna al taccuino un nome preceduto da aws-neptune- (ad esempio,aws-neptune-my-test-notebook).

  5. In Identificatore di piattaforma, seleziona Amazon Linux 2, JupyterLab 4.

  6. Seleziona Configurazione aggiuntiva.

  7. In Configurazione del ciclo di vita, scegli Crea una nuova configurazione del ciclo di vita.

  8. In Configurazione, in Nome, inserisci il nome dell'istanza del notebook indicato nel passaggio 4.

  9. In Scripts, in Avvia notebook, sostituisci lo script esistente con questo:

    #!/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

  10. Seleziona Create configuration (Crea configurazione).

  11. In Autorizzazioni e crittografia, in Ruolo IAM, seleziona il ruolo che hai creato sopra.

  12. In Rete, se utilizzi un endpoint grafico privato:

    1. In VPC, seleziona il VPC in cui risiede il grafico di Neptune Analytics.

    2. In Subnet, seleziona una sottorete associata al grafico di Neptune Analytics.

    3. In Gruppi di sicurezza, seleziona tutti i gruppi di sicurezza associati al grafico di Neptune Analytics.

  13. Scegli Crea un'istanza del notebook.

  14. Dopo 5 o 10 minuti, quando il nuovo notebook raggiunge Ready lo stato, selezionalo. Scegli Apri Jupyter o Apri. JupyterLab

Configurazione manuale dei notebook Neptune

Puoi anche utilizzare i pacchetti AWS open source disponibili per graph-notebook e graph-explorer per configurare un ambiente notebook Neptune. Sebbene esistano diversi modi per configurare un notebook utilizzando pacchetti open source, l'approccio consigliato è:

  • Configura graph-notebook sul tuo computer locale e un tunnel SSH Amazon EC2 che connette il tuo computer locale a un cluster Neptune sullo stesso VPC dell'istanza Amazon EC2.

  • Configura https://github.com/aws/graph-explorer graph-explorer su un'istanza Amazon EC2 all'interno del tuo VPC.

Per istruzioni dettagliate sulla configurazione dei pacchetti graph-notebooks e graph-explorer open source, consulta la documentazione e i repository ufficiali seguenti: AWS GitHub

Configurazione di sicurezza

Quando configuri il tuo ambiente, assicurati che le seguenti configurazioni di sicurezza siano impostate di conseguenza:

  • Gruppo di sicurezza del cluster Neptune: consenti il traffico TCP in entrata sulla porta 8182 dal gruppo di sicurezza della tua istanza Amazon EC2.

  • Gruppo di sicurezza delle istanze Amazon EC2: configura le regole HTTPS in entrata per abilitare l'accesso a Graph Explorer.

Ti consigliamo di utilizzare un singolo gruppo di sicurezza sia per il cluster Neptune che per l'istanza Amazon EC2. Ciò semplifica la configurazione e riduce i potenziali problemi di connettività. Tuttavia, ricorda di aggiungere una regola di autoreferenziazione per consentire la comunicazione tra le risorse all'interno del gruppo.