本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# (選用) 遷移自訂映像和生命週期組態
<a name="studio-updated-migrate-lcc"></a>

您必須更新自訂映像和生命週期組態 (LCC) 指令碼，才能在 Amazon SageMaker Studio 中使用簡化的本機執行模型。如果您尚未在網域中建立自訂映像或生命週期組態，請略過此階段。

Amazon SageMaker Studio Classic 在具有下列項目的分割環境中運作：
+ 執行 Jupyter Server 的 `JupyterServer` 應用程式。
+ 在一或多個 `KernelGateway` 應用程式上執行的 Studio Classic 筆記本。

Studio 已從分割環境轉移。Studio 會在本機執行時期模型中執行 JupyterLab 和程式碼編輯器 (以 Code-OSS、Visual Studio Code - Open Source 應用程式為基礎)。如需架構中變更的詳細資訊，請參閱[提高 Amazon SageMaker Studio 的生產力](https://aws.amazon.com/blogs//machine-learning/boost-productivity-on-amazon-sagemaker-studio-introducing-jupyterlab-spaces-and-generative-ai-tools/)。

## 遷移自訂映像
<a name="studio-updated-migrate-lcc-custom"></a>

您現有的 Studio Classic 自訂映像可能無法在 Studio 中運作。我們建議您建立新的自訂映像，以滿足 Studio 中使用的要求。Studio 的版本透過提供 [SageMaker Studio 映像支援政策](sagemaker-distribution.md) 來簡化建置自訂映像的程序。SageMaker AI Distribution 映像包括機器學習、資料科學和資料分析視覺化的熱門程式庫和套件。如需基本 SageMaker Distribution 映像和 Amazon Elastic Container Registry 帳戶資訊的清單，請參閱[Amazon SageMaker 映像可與 Studio Classic 筆記本搭配使用](notebooks-available-images.md)。

若要建置自訂映像，請完成下列其中一項動作。
+ 使用自訂套件和模組擴充 SageMaker Distribution 映像。這些映像預先設定了 JupyterLab 和程式碼編輯器，以 Code-OSS、Visual Studio Code - Open Source 為基礎。
+ 遵循 [自帶映像 (BYOI)](studio-updated-byoi.md) 中的指示建置自訂 Dockerfile 檔案。您必須在映像上安裝 JupyterLab 和開放原始碼 CodeServer，使其與 Studio 相容。

## 遷移生命週期組態
<a name="studio-updated-migrate-lcc-lcc"></a>

由於 Studio 中簡化的本機執行時期模型，因此我們建議您遷移現有 Studio Classic LCC 的結構。在 Studio Classic 中，您通常必須為 KernelGateway 和 JupyterServer 應用程式建立個別的生命週期組態。由於 JupyterServer 和 KernelGateway 應用程式在 Studio Classic 中的個別運算資源上執行，因此 Studio Classic LCC 可以是下列其中任一類型：
+ JupyterServer LCC：這些 LCC 主要控管使用者的主動作，包括設定 Proxy、建立環境變數，以及自動關閉資源。
+ KernelGateway LCC：這些 LCC 控管 Studio Classic 筆記本環境最佳化。這包括更新 `Data Science 3.0` 核心中的 numpy 套件版本，以及在 `Pytorch 2.0 GPU` 核心中安裝 snowflake 套件。

在簡化的 Studio 架構中，您只需在應用程式啟動時執行一個 LCC 指令碼。雖然 LCC 指令碼的遷移會根據開發環境而有所不同，但我們建議您結合 JupyterServer 和 KernelGateway LCC 來建置合併的 LCC。

Studio 中的 LCC 可以與下列其中一個應用程式相關聯：
+ JupyterLab 
+ 程式碼編輯器

使用者可以在建立空間或使用管理員設定的預設 LCC 時，選取個別應用程式類型的 LCC。

**注意**  
現有的 Studio Classic 自動關閉指令碼不適用於 Studio。如需 Studio 自動關閉指令碼的範例，請參閱 [SageMaker Studio 生命週期組態範例](https://github.com/aws-samples/sagemaker-studio-apps-lifecycle-config-examples)。

### 重構 LCC 時的考量
<a name="studio-updated-migrate-lcc-considerations"></a>

重構 LCC 時，請考慮以下 Studio Classic 與 Studio 之間的差異。
+ JupyterLab 和程式碼編輯器應用程式在建立時，會以 `sagemaker-user` 搭配 `UID:1001` 和 `GID:101` 執行。根據預設，`sagemaker-user` 具有擔任 sudo/root 角色的許可。`root` 應用程式預設會以 KernelGateway 執行。
+ 在 JupyterLab 和程式碼編輯器應用程式內執行的 SageMaker Distribution 映像會使用 Debian 型套件管理員 `apt-get`。
+ Studio JupyterLab 和程式碼編輯器應用程式會使用 Conda 套件管理員。SageMaker AI 會在 Studio 應用程式啟動時建立單一基礎 Python3 Conda 環境。如需在基礎 Conda 環境中更新套件和建立新 Conda 環境的相關資訊，請參閱 [JupyterLab 使用者指南](studio-updated-jl-user-guide.md)。相反地，並非所有 KernelGateway 應用程式都使用 Conda 作為套件管理員。
+ Studio JupyterLab 應用程式使用 `JupyterLab 4.0`，而 Studio Classic 使用 `JupyterLab 3.0`。驗證您使用的所有 JupyterLab 延伸模組是否與 `JupyterLab 4.0` 相容。如需延伸模組的詳細資訊，請參閱 [JupyterLab 4.0 的延伸模組相容性](https://github.com/jupyterlab/jupyterlab/issues/14590)。