本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# （可选）迁移自定义映像和生命周期配置
<a name="studio-updated-migrate-lcc"></a>

您必须更新自定义映像和生命周期配置 (LCC) 脚本，才能在 Amazon SageMaker Studio 中使用简化的本地运行模型。如果您尚未在域中创建自定义映像或生命周期配置，请跳过此阶段。

Amazon SageMaker Studio Classic 在分体式环境中运行，
+ 运行 Jupyter Server 的 `JupyterServer` 应用程序。
+ 在一个或多个 `KernelGateway` 应用程序上运行的 Studio Classic 笔记本电脑。

Studio 已经摆脱了分离式环境。Studio 在本地运行时模型中运行基于 Code-OSS、Visual Studio Code-开源应用程序的 JupyterLab 和代码编辑器。有关架构变更的更多信息，请参阅在 [Amazon SageMaker Studio 上提高工作效率](https://aws.amazon.com/blogs//machine-learning/boost-productivity-on-amazon-sagemaker-studio-introducing-jupyterlab-spaces-and-generative-ai-tools/)。

## 迁移自定义映像
<a name="studio-updated-migrate-lcc-custom"></a>

您现有的 Studio Classic 自定义映像可能无法在 Studio 中使用。我们建议创建满足在 Studio 中使用要求的新自定义映像。Studio 的发布通过提供，简化了构建自定义映像的过程[SageMaker 工作室图片支持政策](sagemaker-distribution.md)。 SageMaker AI 分发图像包括用于机器学习、数据科学和数据分析可视化的常用库和软件包。有关基本 SageMaker 分发映像列表和 Amazon Elastic Container Registry 账户信息，请参阅[亚马逊 SageMaker 图片可用于 Studio Classic 笔记本电脑](notebooks-available-images.md)。

要构建自定义映像，请完成以下操作之一。
+ 使用自定义包和模块扩展 SageMaker 分发映像。这些图像预先配置了代码编辑器，基于 Code-OSS、Visual Studio Code-Open Source。 JupyterLab 
+ 按照 [自带映像（BYOI）](studio-updated-byoi.md) 中的说明创建自定义 Dockerfile 文件。您必须在映像上安装 JupyterLab 和开源 CodeServer，使其与 Studio 兼容。

## 迁移生命周期配置
<a name="studio-updated-migrate-lcc-lcc"></a>

由于 Studio 中简化了本地运行时模型，因此我们建议迁移现有 Studio Classic 的结构 LCCs。在 Studio Classic 中，您通常需要为 KernelGateway 和 JupyterServer 应用程序创建单独的生命周期配置。由于JupyterServer和KernelGateway应用程序在 Studio Classic 中的不同计算资源上运行，因此 Studio Classic LCCs 可以是以下任一类型：
+ JupyterServerLCC：它们 LCCs 主要控制用户的主控操作，包括设置代理、创建环境变量和自动关闭资源。
+ KernelGatewayLCC：这些 LCCs 控制了 Studio Classic 笔记本电脑环境的优化。这包括更新 `Data Science 3.0` 内核中的 numpy 软件包版本和在 `Pytorch 2.0 GPU` 内核中安装 snowflake 软件包。

在简化的 Studio 架构中，您只需要一个在应用程序启动时运行的 LCC 脚本。虽然 LCC 脚本的迁移因开发环境而异，但我们建议合并JupyterServer并KernelGateway LCCs 构建一个组合的 LCC。

LCCs 在 Studio 中可以与以下应用程序之一相关联：
+ JupyterLab 
+ 代码编辑器

用户可以在创建空间时为相应的应用程序类型选择 LCC，也可以使用管理员设置的默认 LCC。

**注意**  
现有的 Studio Classic 自动关闭脚本不能与 Studio 一起使用。有关 Studio 自动关闭脚本的示例，请参阅 [SageMaker Studio 生命周期配置示例](https://github.com/aws-samples/sagemaker-studio-apps-lifecycle-config-examples)。

### 重构时的注意事项 LCCs
<a name="studio-updated-migrate-lcc-considerations"></a>

在重构时，请考虑 Studio Classic 和 Studio 之间的以下区别。 LCCs
+ JupyterLab 而且，代码编辑器应用程序在创建后将`sagemaker-user`与`UID:1001`和一样运行`GID:101`。默认情况下，`sagemaker-user`具有承担权限的 sudo/root 权限。 KernelGateway应用程序`root`按默认方式运行。
+ SageMaker 内部运行的分发映像 JupyterLab 和代码编辑器应用程序使用Debian基于的包管理器`apt-get`。
+ Studio JupyterLab 和代码编辑器应用程序使用Conda包管理器。 SageMaker 启动 Studio 应用程序时，AI 会创建单一基础Python3Conda环境。有关更新基础 Conda 环境中的软件包和创建新 Conda 环境的信息，请参阅 [JupyterLab 用户指南](studio-updated-jl-user-guide.md)。相反，并非所有 KernelGateway 应用程序都使用 Conda 用作软件包管理器。
+ Studio JupyterLab 应用程序使用`JupyterLab 4.0`，而 Studio 经典应用程序使用`JupyterLab 3.0`。验证您使用的所有 JupyterLab 扩展程序是否与 `JupyterLab 4.0` 兼容。有关扩展的更多信息，请参阅[扩展与 JupyterLab 4.0 的兼容性](https://github.com/jupyterlab/jupyterlab/issues/14590)。