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。 # 搭配 RStudio on SageMaker AI 的自訂映像 SageMaker 映像是一個檔案，可識別執行 RStudio on Amazon SageMaker AI 所需的語言套件和其他相依項。SageMaker AI 會使用這些映像來建立您執行 RStudio 的環境。Amazon SageMaker AI 提供內建的 RStudio 映像供您使用。如果您需要不同的功能，則可以攜帶您自己的自訂映像。此頁面提供有關搭配 RStudio on SageMaker AI 使用自訂映像的關鍵概念資訊。自帶映像以與 RStudio on SageMaker AI 搭配使用的程序需要三個步驟： 1. 從 Dockerfile 建置自訂映像，然後將其推送至 Amazon Elastic Container Registry (Amazon ECR) 中的儲存庫。 1. 建立一個指向 Amazon ECR 中容器映像的 SageMaker 映像，並將其連接到您的 Amazon SageMaker AI 網域。 1. 使用您的自訂映像在 RStudio 中啟動新工作階段。 您可以使用 SageMaker AI 控制面板、[適用於 Python (Boto3) 的 AWS SDK](https://boto3.amazonaws.com/v1/documentation/api/latest/reference/services/sagemaker.html) 和 [AWS Command Line Interface (AWS CLI)](https://docs.aws.amazon.com/cli/latest/reference/sagemaker/) 建立映像和映像版本，並將映像版本連接至您的網域。即使您尚未加入網域，也可以使用 SageMaker AI 主控台建立映像和映像版本。 下列主題示範如何透過建立、連接和啟動自訂映像，以自帶映像至 RStudio on SageMaker AI。 ## 重要術語 下節定義自帶映像以與 RStudio on SageMaker AI 搭配使用的重要術語。 + **Dockerfile：**一個 Dockerfile 是一個文件，標識語言包和 Docker 映像的其他依賴關係。 + **Docker 映像：**Docker 映像是一個內建的 Dockerfile。此映像已簽入至 Amazon ECR，並做為 SageMaker AI 映像的基礎。 + **SageMaker 映像：**SageMaker 映像是基於 Docker 映像的一組 SageMaker 映像版本的持有人。 + **映像版本：**SageMaker 映像的映像版本代表與 RStudio 相容並儲存於 Amazon ECR 儲存庫中的 Docker 映像。每個映像版本都不可變。這些映像版本可以連接至網域，並與 RStudio on SageMaker AI 搭配使用。 # 完成事前準備 自帶映像以與 RStudio on Amazon SageMaker AI 搭配使用之前，您必須完成下列先決條件。 + 如果您的現有網域擁有在 2022 年 4 月 7 日之前建立的 RStudio，您必須刪除您的 RStudioServerPro 應用程式並重新建立。如需有關如何刪除應用程式的資訊，請參閱[關閉並更新 Amazon SageMaker Studio Classic](studio-tasks-update-studio.md)。 + 安裝 Docker 應用程式。如需設定 Docker 的相關資訊，請參閱[方向與設定](https://docs.docker.com/get-started/)。 + 建立與 SageMaker AI 搭配使用的 RSTUDIO 相容 Dockerfile 的本機副本。如需建立範例 RStudio dockerfile 的詳細資訊，請參閱[使用自訂映像將您自己的開發環境帶到 RStudio on Amazon SageMaker AI](https://aws.amazon.com/blogs/machine-learning/use-a-custom-image-to-bring-your-own-development-environment-to-rstudio-on-amazon-sagemaker/)。 + 使用已連接 [AmazonSageMakerFullAccess](https://console.aws.amazon.com/iam/home?#/policies/arn:aws:iam::aws:policy/AmazonSageMakerFullAccess) 政策的 AWS Identity and Access Management 執行角色。如果您已加入網域，則可以從 SageMaker AI 控制面板的**網域摘要**區段取得角色。 新增以下許可，以存取 Amazon Elastic Container Registry (Amazon ECR) 服務至執行角色。 ------ #### [ JSON ] **** ``` { "Version":"2012-10-17", "Statement":[ { "Sid": "VisualEditor0", "Effect":"Allow", "Action":[ "ecr:CreateRepository", "ecr:BatchGetImage", "ecr:CompleteLayerUpload", "ecr:DescribeImages", "ecr:DescribeRepositories", "ecr:UploadLayerPart", "ecr:ListImages", "ecr:InitiateLayerUpload", "ecr:BatchCheckLayerAvailability", "ecr:PutImage" ], "Resource": "*" } ] } ``` ------ + AWS CLI 使用下列 （或更新版本） 安裝和設定 。如需安裝 的資訊 AWS CLI，請參閱[安裝或更新最新版本的 AWS CLI](https://docs.aws.amazon.com/cli/latest/userguide/getting-started-install.html)。 ``` AWS CLI v1 >= 1.23.6 AWS CLI v2 >= 2.6.2 ``` # 自訂 RStudio 映像規格 在本指南中，您將學習自攜您自己的映像時，要使用的自訂 RStudio 映像規格。您必須滿足兩組要求，您的自訂 RStudio 映像才能與 Amazon SageMaker AI 搭配使用。這些要求是由 RStudio PBC 和 Amazon SageMaker Studio Classic 平台所施加。如果未符合這兩組要求的其中之一，則您的自訂映像將無法正常運作。 ## RStudio PBC 要求 RStudio PBC 要求已配置在 [使用 Docker 映像搭配 RStudio Workbench/RStudio Server Pro、啟動器](https://support.rstudio.com/hc/en-us/articles/360019253393-Using-Docker-images-with-RStudio-Server-Pro-Launcher-and-Kubernetes)和 Kubernetes 文章中。請遵循本文中的指示建立自訂 RStudio 映像的基礎。 如需如何在自訂映像中安裝多個 R 版本的相關指示，請參閱[在 Linux 上安裝多個 R 版本](https://support.rstudio.com/hc/en-us/articles/215488098)。 ## Amazon SageMaker Studio Classic 要求 Amazon SageMaker Studio Classic 對您的 RStudio 映像施加下一組安裝要求。 + 您必須使用至少 `2025.05.1+513.pro3` 的 RStudio 基礎映像。如需詳細資訊，請參閱[RStudio 版本控制](rstudio-version.md)。 + 您必須安裝以下套件： ``` yum install -y sudo \ openjdk-11-jdk \ libpng-dev \ && yum clean all \ && /opt/R/${R_VERSION}/bin/R -e "install.packages('reticulate', repos='https://packagemanager.rstudio.com/cran/__linux__/centos7/latest')" \ && /opt/python/${PYTHON_VERSION}/bin/pip install --upgrade \ 'boto3>1.0<2.0' \ 'awscli>1.0<2.0' \ 'sagemaker[local]<3' ``` + 您必須提供 `RSTUDIO_CONNECT_URL` 和 `RSTUDIO_PACKAGE_MANAGER_URL` 環境值的預設值。 ``` ENV RSTUDIO_CONNECT_URL "YOUR_CONNECT_URL" ENV RSTUDIO_PACKAGE_MANAGER_URL "YOUR_PACKAGE_MANAGER_URL" ENV RSTUDIO_FORCE_NON_ZERO_EXIT_CODE 1 ``` 下列一般規格適用於以 RStudio 映像版本顯示的映像。 **執行映像** `ENTRYPOINT` 和 `CMD` 指示均已覆寫，使該映像作為 RSession 應用程式執行。 **停止映像** `DeleteApp` API 為發行與 `docker stop` 命令的等效的命令。容器中的其他程序將無法取得 SIGKILL/SIGTERM 訊號。 **檔案系統** `/opt/.sagemakerinternal` 和 `/opt/ml` 目錄已預留。執行期可能會看不到這些目錄中的任何資料。 **使用者資料** SageMaker AI 網域中的每個使用者都會取得一個使用者目錄，該目錄位於在映像中共用的 Amazon Elastic File System 磁碟區上。目前使用者目錄在 Amazon Elastic File System 磁碟區上的位置為 `/home/sagemaker-user`。 **中繼資料** 中繼資料檔案位於 `/opt/ml/metadata/resource-metadata.json`。映像中定義的變數不會新增其他環境變數。如需更多更多資訊，請參閱[取得應用程式中繼資料](notebooks-run-and-manage-metadata.md#notebooks-run-and-manage-metadata-app)。 **GPU** 在 GPU 執行個體上，會以 `--gpus` 選項執行映像。映像僅能納入 CUDA 工具包，而非 NVIDIA 驅動程式。如需詳細資訊，請參閱 [NVIDIA使用者指南](https://docs.nvidia.com/datacenter/cloud-native/container-toolkit/user-guide.html)。 **指標和日誌記錄** RSession 程序中的日誌會傳送至客戶帳戶中的 Amazon CloudWatch。日誌群組名稱為 `/aws/sagemaker/studio`。日誌串流名稱為 `$domainID/$userProfileName/RSession/$appName`。 **映像大小** 映像大小限制為 25 GB。若要檢視映像大小，請執行 `docker image ls`。 # 建立自訂 RStudio 映像 **重要** 允許 Amazon SageMaker Studio 或 Amazon SageMaker Studio Classic 建立 Amazon SageMaker 資源的自訂 IAM 政策也必須授與許可，才能將標籤新增至這些資源。需要將標籤新增至資源的許可，因為 Studio 和 Studio Classic 會自動標記它們建立的任何資源。如果 IAM 政策允許 Studio 和 Studio Classic 建立資源，但不允許標記，則在嘗試建立資源時可能會發生 "AccessDenied" 錯誤。如需詳細資訊，請參閱[提供標記 SageMaker AI 資源的許可](security_iam_id-based-policy-examples.md#grant-tagging-permissions)。 提供許可來建立 SageMaker 資源的 [AWS Amazon SageMaker AI 的 受管政策](security-iam-awsmanpol.md) 已包含建立這些資源時新增標籤的許可。 此主題說明如何使用 SageMaker AI 主控台和 AWS CLI建立自訂 RStudio 映像。如果您使用 AWS CLI，則必須從本機電腦執行這些步驟。下列步驟無法從 Amazon SageMaker Studio Classic 內運作。 當您建立映像時，SageMaker AI 也會建立一個初始映像版本。每個映像版本代表存放在 [Amazon Elastic 容器登錄檔 (ECR)](https://console.aws.amazon.com/ecr/) 中的容器映像。容器映像必須在 RStudio 中使用的要求。如需詳細資訊，請參閱[自訂 RStudio 映像規格](rstudio-byoi-specs.md)。 如需本機測試映像和解決常見問題的相關資訊，請參閱 [SageMaker Studio 自訂映像範例儲存庫](https://github.com/aws-samples/sagemaker-studio-custom-image-samples/blob/main/DEVELOPMENT.md)。 **Topics** + [將 SageMaker AI 相容 RStudio Docker 容器映像新增至 Amazon ECR](#rstudio-byoi-sdk-add-container-image) + [從主控台建立 SageMaker 映像](#rstudio-byoi-create-console) + [從 建立映像 AWS CLI](#rstudio-byoi-create-cli) ## 將 SageMaker AI 相容 RStudio Docker 容器映像新增至 Amazon ECR 請使用下列步驟，將 Docker 容器映像新增至 Amazon ECR： + 建立 Amazon ECR 儲存庫。 + 向 Amazon ECR 進行身分驗證。 + 建立 SageMaker AI 相容 RStudio Docker 映像檔。 + 將映像推送至 Amazon ECR 儲存庫。 **注意** Amazon ECR 儲存庫必須與網域 AWS 區域 位於相同的 中。 **若要建置並新增 Docker 映像至 Amazon ECR** 1. 使用 AWS CLI命令在 Amazon ECR 儲存庫中建立儲存庫。若要使用 Amazon ECR 主控台建立儲存庫，請參閱[建立儲存庫](https://docs.aws.amazon.com/AmazonECR/latest/userguide/repository-create.html)。 ``` aws ecr create-repository \ --repository-name rstudio-custom \ --image-scanning-configuration scanOnPush=true ``` 回應： ``` { "repository": { "repositoryArn": "arn:aws:ecr:us-east-2:acct-id:repository/rstudio-custom", "registryId": "acct-id", "repositoryName": "rstudio-custom", "repositoryUri": "acct-id.dkr.ecr.us-east-2.amazonaws.com/rstudio-custom", ... } } ``` 1. 使用從 `create-repository` 命令做為回應傳回的儲存庫 URI，向 Amazon ECR 進行身分驗證。確定 Docker 應用程式為執行中。如需詳細資訊，請參閱[登錄檔身分驗證](https://docs.aws.amazon.com/AmazonECR/latest/userguide/Registries.html#registry_auth)。 ``` aws ecr get-login-password | \ docker login --username AWS --password-stdin ``` 回應： ``` Login Succeeded ``` 1. 建置 Docker 影像。從包含 Dockerfile 的目錄執行以下命令。 ``` docker build . ``` 1. 使用唯一標籤標記您的建置映像。 ``` docker tag ":" ``` 1. 將容器映像推送至 Amazon ECR 儲存庫。如需詳細資訊，請參閱 [ImagePush](https://docs.docker.com/engine/api/v1.40/#operation/ImagePush) 和[推送映像](https://docs.aws.amazon.com/AmazonECR/latest/userguide/docker-push-ecr-image.html)。 ``` docker push : ``` 回應： ``` The push refers to repository [.dkr.ecr.us-east-2.amazonaws.com/rstudio-custom] r: digest: size: 3066 ``` ## 從主控台建立 SageMaker 映像 **建立映像** 1. 開啟 Amazon SageMaker AI 主控台，網址為 [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/)。 1. 在左側導覽窗格中，選擇**管理員組態**。 1. 在**管理員組態**下，選擇**映像**。 1. 在**自訂映像**頁面中，選擇**建立映像**。 1. 對於**映像來源**，請在 Amazon ECR 中輸入容器映像的登錄檔路徑。路徑格式如下。 ` acct-id.dkr.ecr.region.amazonaws.com/repo-name[:tag] or [@digest] ` 1. 選擇**下一步**。 1. 在**映像屬性**下，輸入下列內容： + 映像名稱 – 在目前 AWS 區域中，名稱必須是您帳戶中唯一的。 + (選用) 影像顯示名稱 – 顯示在網域使用者介面中的名稱。如果未提供，`Image name` 則會顯示出來。 + (選用) 描述 – 映像的一項描述。 + IAM 角色 – 該角色必須以連接 [AmazonSageMakerFullAccess](https://console.aws.amazon.com/iam/home?#/policies/arn:aws:iam::aws:policy/AmazonSageMakerFullAccess) 政策。使用下拉式選單，選取下列其中一個選項： + 建立新角色 — 指定您希望筆記本使用者可以存取的任何其他 Amazon Simple Storage Service (Amazon S3) 儲存貯體。如果您不想允許其他儲存貯體的存取，請選擇**無**。 SageMaker AI 會將 `AmazonSageMakerFullAccess` 政策連接到角色。此角色可讓您的筆記本使用者存取核取記號旁列出的 Amazon S3 儲存貯體。 + 輸入自訂 IAM 角色 ARN — 輸入 IAM 角色的 Amazon Resource Name (ARN)。 + 使用現有角色 — 從清單中選擇一個現有角色。 + (選用) 映像標籤 — 選擇**新增標籤**。您最多可以新增 50 個標籤。可以使用 SageMaker AI 主控台或 SageMaker AI `Search` API 來搜尋標籤。 1. 在**映像類型**下，選取 RStudio 映像。 1. 選擇**提交**。 新映像會顯示在**自訂映像**清單中並以重點標示。已成功建立映像後，您可以選擇映像名稱來檢視其屬性，或選擇**建立版本**建立其他版本。 **若要建立其他映像版本** 1. 在與映像相同的行上選擇**建立版本**。 1. 對於**映像來源**，請輸入 Amazon ECR 映像的登錄檔路徑。該映像不應與先前版本的 SageMaker AI 映像中使用的映像相同。 若要在 RStudio 中使用自訂映像，您必須將其連接至您的網域。如需詳細資訊，請參閱[連接自訂 SageMaker 映像。](rstudio-byoi-attach.md)。 ## 從 建立映像 AWS CLI 本節將示範如何使用 AWS CLI建立自訂 Amazon SageMaker 映像。 使用下列步驟建立 SageMaker 映像： + 建立 `Image`。 + 建立 `ImageVersion`。 + 建立一個程式組態檔案。 + 建立 `AppImageConfig`。 **若要建立 SageMaker 映像實體** 1. 建立一個 SageMaker 映像。角色 ARN 至少必須已連接 `AmazonSageMakerFullAccessPolicy` 政策。 ``` aws sagemaker create-image \ --image-name rstudio-custom-image \ --role-arn arn:aws:iam:::role/service-role/ ``` 回應： ``` { "ImageArn": "arn:aws:sagemaker:us-east-2:acct-id:image/rstudio-custom-image" } ``` 1. 從映像建立 SageMaker 映像版本。將映像推送到 Amazon ECR 時，傳遞您選擇的唯一標籤值。 ``` aws sagemaker create-image-version \ --image-name rstudio-custom-image \ --base-image : ``` 回應： ``` { "ImageVersionArn": "arn:aws:sagemaker:us-east-2:acct-id:image-version/rstudio-image/1" } ``` 1. 檢查映像版本是否已成功建立。 ``` aws sagemaker describe-image-version \ --image-name rstudio-custom-image \ --version 1 ``` 回應： ``` { "ImageVersionArn": "arn:aws:sagemaker:us-east-2:acct-id:image-version/rstudio-custom-image/1", "ImageVersionStatus": "CREATED" } ``` **注意** 如果回應為 `"ImageVersionStatus": "CREATED_FAILED"`，則回應也會包含失敗原因。許可問題是導致失敗的常見原因。您也可以檢查您的 Amazon CloudWatch Logs。日誌群組的名稱為 `/aws/sagemaker/studio`。日誌串流的名稱為 `$domainID/$userProfileName/KernelGateway/$appName`。 1. 建立名為 `app-image-config-input.json` 的組態檔案。應用程式映像組態用於配置做為核心閘道應用程式執行 SageMaker 映像。 ``` { "AppImageConfigName": "rstudio-custom-config" } ``` 1. 使用建立於上一步的檔案來建立 AppImaage 組態。 ``` aws sagemaker create-app-image-config \ --cli-input-json file://app-image-config-input.json ``` 回應： ``` { "AppImageConfigArn": "arn:aws:sagemaker:us-east-2:acct-id:app-image-config/r-image-config" } ``` # 連接自訂 SageMaker 映像。 **重要** 允許 Amazon SageMaker Studio 或 Amazon SageMaker Studio Classic 建立 Amazon SageMaker 資源的自訂 IAM 政策也必須授予許可，才能將標籤新增至這些資源。需要將標籤新增至資源的許可，因為 Studio 和 Studio Classic 會自動標記它們建立的任何資源。如果 IAM 政策允許 Studio 和 Studio Classic 建立資源，但不允許標記，則在嘗試建立資源時可能會發生 "AccessDenied" 錯誤。如需詳細資訊，請參閱[提供標記 SageMaker AI 資源的許可](security_iam_id-based-policy-examples.md#grant-tagging-permissions)。 提供許可來建立 SageMaker 資源的 [AWS Amazon SageMaker AI 的 受管政策](security-iam-awsmanpol.md) 已包含建立這些資源時新增標籤的許可。 本指南說明如何使用 SageMaker AI 主控台或 AWS Command Line Interface () 將自訂 RStudio 映像連接至 Amazon SageMaker AI 網域AWS CLI。 Amazon SageMaker 若要使用自訂 SageMaker 映像，您必須將自訂 RStudio 映像連接至您的網域。當您連接映像版本時，它會出現在 RStudio 啟動器中，並在**選取映像**下拉式清單中可用。您可以使用下拉式清單，變更 RStudio 所用的映像。 您可以連接的影像版本數目有數量限制。達到限制後，您必須先分開版本，才能連接不同版本的映像。 **Topics** + [使用主控台將映像版本連接到您的網域](#rstudio-byoi-attach-console) + [使用 將現有的映像版本連接至您的網域 AWS CLI](#rstudio-byoi-attach-cli) ## 使用主控台將映像版本連接到您的網域 您可以使用 SageMaker AI 主控台的控制面板，將自訂 SageMaker 映像版本連接至您的網域。您還可以建立自訂的 SageMaker 映像和映像版本，然後將該版本連接到您的網域。 **連接現有的映像** 1. 開啟 Amazon SageMaker AI 主控台，網址為 [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/)。 1. 在左側導覽窗格中，選擇**管理員組態**。 1. 在**管理員組態**下，選擇**網域**。 1. 選取所需的網域。 1. 選擇**環境**。 1. 在**連接至網域的自訂 SageMaker Studio Classic 映像**下，選擇**連接映像**。 1. 針對**映像來源**，選擇**現有映像**或**新映像**。 如果選取**現有映像**，請從 Amazon SageMaker 映像儲存空間中選擇映像。 如果選取**新映像**，請為您的 Docker 映像提供 Amazon ECR 登錄檔路徑。路徑必須與網域位於相同的 AWS 區域 。Amazon ECR 儲存庫必須與您的網域位於相同的帳戶，否則必須啟用 SageMaker AI 的跨帳戶許可。 1. 從清單中選擇現有的映像。 1. 從清單中選擇映像的版本。 1. 選擇**下一步**。 1. 輸入**映像名稱**、**映像顯示名稱**和**描述**的值。 1. 選擇 IAM 角色。如需詳細資訊，請參閱[建立自訂 RStudio 映像](rstudio-byoi-create.md)。 1. (選用) 新增映像的標籤。 1. (選用) 選擇**新增標籤**，然後新增組態標籤。 1. 對於**映像類型**，請選取 **RStudio 映像**。 1. 選擇**提交**。 等待映像版本連接到網域。連接至版本後，版本會顯示在**自訂映像**清單中並以重點標示。 ## 使用 將現有的映像版本連接至您的網域 AWS CLI 系統會呈現兩種方法，使用 AWS CLI將映像版本連接至您的網域。在第一種方法中，您建立一個已連接版本的新網域。此方法較容易使用，但您必須指定建立網域所需的 Amazon Virtual Private Cloud (Amazon VPC) 資訊和執行角色。 如果您已經加入網域，則可以使用第二種方法，將映像版本連接至您目前的網域。在此情況下，您不需要指定 Amazon VPC 資訊和執行角色。連接版本後，請刪除您網域中的所有應用程式，然後重新啟動 RStudio。 ### 將影 SageMaker 加至新網域 若要使用此方法，您必須指定具有已連接 [AmazonSageMakerFullAccess](https://console.aws.amazon.com/iam/home?#/policies/arn:aws:iam::aws:policy/AmazonSageMakerFullAccess) 政策的執行角色。 使用下列步驟建立網域並連接至自訂 SageMaker AI 映像： + 取得您的預設 VPC ID 和子網路 ID。 + 建立指定映像檔的網域的組態檔。 + 用組態檔案建立網域。 **若要將自訂 SageMaker 映像新增至您的網域** 1. 取得您的預設 VPC ID。 ``` aws ec2 describe-vpcs \ --filters Name=isDefault,Values=true \ --query "Vpcs[0].VpcId" --output text ``` 回應： ``` vpc-xxxxxxxx ``` 1. 使用上一步的 VPC ID 取得您的預設子網路 ID。 ``` aws ec2 describe-subnets \ --filters Name=vpc-id,Values= \ --query "Subnets[*].SubnetId" --output json ``` 回應： ``` [ "subnet-b55171dd", "subnet-8a5f99c6", "subnet-e88d1392" ] ``` 1. 建立一個名為 `create-domain-input.json` 的組態檔案。插入 VPC ID、子網路 ID、`ImageName` 和上一步的 `AppImageConfigName`。由於未指定 `ImageVersionNumber`，因此會使用最新版本的映像檔，這是此情況下的唯一版本。您的執行角色必須滿足 [完成事前準備](rstudio-byoi-prerequisites.md) 中的要求。 ``` { "DomainName": "domain-with-custom-r-image", "VpcId": "", "SubnetIds": [ "" ], "DomainSettings": { "RStudioServerProDomainSettings": { "DomainExecutionRoleArn": "" } }, "DefaultUserSettings": { "ExecutionRole": "", "RSessionAppSettings": { "CustomImages": [ { "AppImageConfigName": "rstudio-custom-config", "ImageName": "rstudio-custom-image" } ] } }, "AuthMode": "IAM" } ``` 1. 使用連接的自訂 SageMaker 映像建立網域。 ``` aws sagemaker create-domain \ --cli-input-json file://create-domain-input.json ``` 回應： ``` { "DomainArn": "arn:aws:sagemaker:region:acct-id:domain/domain-id", "Url": "https://domain-id.studio.region.sagemaker.aws/..." } ``` ### 將 SageMaker 映像連接至現有網域 此方法假設您已加入網域。如需詳細資訊，請參閱[Amazon SageMaker AI 網域概觀](gs-studio-onboard.md)。 **注意** 您必須刪除網域中的所有應用程式，才能使用新的映像版本更新網域。如需刪除應用程式的詳細資訊，請參閱[刪除 Amazon SageMaker AI 網域](gs-studio-delete-domain.md)。 請使用下列步驟將 SageMaker 映像新增至您目前的網域。 + 從 SageMaker AI 主控台取得 `DomainID`。 + 使用 `DomainID` 取得網域的 `DefaultUserSettings`。 + 將 `ImageName` 和 `AppImageConfig` 新增為 `CustomImage` 至 `DefaultUserSettings`。 + 更新您的網域以包含自訂映像檔。 **若要將自訂 SageMaker 映像新增至您的網域** 1. 開啟 Amazon SageMaker AI 主控台，網址為 [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/)。 1. 在左側導覽窗格中，選擇**管理員組態**。 1. 在**管理員組態**下，選擇**網域**。 1. 選取所需的網域。 1. 選擇**網域設定**。 1. 在**一般設定**下，找到**網域 ID**。ID 的格式如下：`d-xxxxxxxxxxxx`。 1. 使用網域 ID 來取得網域的描述。 ``` aws sagemaker describe-domain \ --domain-id ``` 回應： ``` { "DomainId": "d-xxxxxxxxxxxx", "DefaultUserSettings": { "KernelGatewayAppSettings": { "CustomImages": [ ], ... } } } ``` 1. 將回應 `DefaultUserSettings` 區段儲存於名為 `update-domain-input.json` 的檔案。 1. 插入上一步中的 `ImageName` 和 `AppImageConfigName` 做為自訂映像。由於未指定 `ImageVersionNumber`，因此會使用最新版本的映像檔，這是此情況下的唯一版本。 ``` { "DefaultUserSettings": { "RSessionAppSettings": { "CustomImages": [ { "ImageName": "rstudio-custom-image", "AppImageConfigName": "rstudio-custom-config" } ] } } } ``` 1. 使用網域 ID 和預設使用者設定檔案來更新您的網域。 ``` aws sagemaker update-domain \ --domain-id \ --cli-input-json file://update-domain-input.json ``` 回應： ``` { "DomainArn": "arn:aws:sagemaker:region:acct-id:domain/domain-id" } ``` 1. 刪除 `RStudioServerPro` 應用程式。您必須重新啟動 RStudio 啟動器使用者介面的 `RStudioServerPro` 網域共用應用程式，才能套用最新的變更。 ``` aws sagemaker delete-app \ --domain-id --user-profile-name domain-shared \ --app-type RStudioServerPro --app-name default ``` 1. 建立新的 `RStudioServerPro` 應用程式 您必須使用 AWS CLI建立此應用程式。 ``` aws sagemaker create-app \ --domain-id --user-profile-name domain-shared \ --app-type RStudioServerPro --app-name default ``` # 在 RStudio 中啟動自訂 SageMaker 影像 從主控台啟動 RStudio 應用程式時，您可以使用自訂影像。建立自訂 SageMaker 影像並將其附加至您的網域後，影像會顯示在 RStudio Launcher 的影像選取器對話方塊中。若要啟動新的 RStudio 應用程式，請依照[從 RStudio 啟動器啟動 RSessions](rstudio-launcher.md)中的步驟操作，並選取您的自訂影像，如下列影像所示。 ![\[帶有影像下拉清單的 RStudio 啟動器的螢幕擷取畫面。\]](http://docs.aws.amazon.com/zh_tw/sagemaker/latest/dg/images/rstudio-launcher-custom.png) # 清除映像資源 本指南說明如何清理您在上一節中建立的 RStudio 映像資源。若要刪除映像，請使用 SageMaker AI 主控台或 完成下列步驟 AWS CLI，如本指南所示。 + 從您的 Amazon SageMaker AI 網域中分離映像和映像版本。 + 刪除映像，映像版本和應用程式映像組態。 完成這些步驟後，您可以從 Amazon ECR 刪除容器映像和儲存庫。如需如何刪除容器映像和儲存庫的更多詳細資訊，請參閱[刪除儲存庫](https://docs.aws.amazon.com/AmazonECR/latest/userguide/repository-delete.html)。 ## 從 SageMaker AI 主控台清除資源 當您從區域中分離映像時，會分離映像的所有版本。分離映像後，網域的所有使用者都會失去對映像版本的存取權。 **若要分離映像** 1. 開啟 Amazon SageMaker AI 主控台，網址為 [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/)。 1. 在左側導覽窗格中，選擇**管理員組態**。 1. 在**管理員組態**下，選擇**網域**。 1. 選取所需的網域。 1. 選擇**環境**。 1. 在**連接至網域的自訂映像**下，選擇映像，然後選擇**分離**。 1. (選用) 若要從 SageMaker AI 刪除映像和所有版本，請選取**同時刪除選取的映像…**。這不會從 Amazon ECR 中刪除相關聯的映像。 1. 請選擇**分離**。 ## 從 清除資源 AWS CLI **清理資源** 1. 透過將空白的自訂映像清單傳送至網域，從網域中分離映像和映像版本。開啟您建立於 [將 SageMaker 映像連接到您目前的網域](studio-byoi-attach.md#studio-byoi-sdk-attach-current-domain) 的 `update-domain-input.json` 檔案。 1. 刪除 `RSessionAppSettings` 自訂映像，然後儲存檔案。請勿修改 `KernelGatewayAppSettings` 自訂映像。 ``` { "DomainId": "d-xxxxxxxxxxxx", "DefaultUserSettings": { "KernelGatewayAppSettings": { "CustomImages": [ ], ... }, "RSessionAppSettings": { "CustomImages": [ ], "DefaultResourceSpec": { } ... } } } ``` 1. 使用網域 ID 和預設使用者設定檔案來更新您的網域。 ``` aws sagemaker update-domain \ --domain-id \ --cli-input-json file://update-domain-input.json ``` 回應： ``` { "DomainArn": "arn:aws:sagemaker:us-east-2:acct-id:domain/d-xxxxxxxxxxxx" } ``` 1. 刪除應用程式映像組態。 ``` aws sagemaker delete-app-image-config \ --app-image-config-name rstudio-image-config ``` 1. 刪除 SageMaker 映像，此映像也會刪除所有映像版本。Amazon ECR 中以映像版本顯示的容器映像不會被刪除。 ``` aws sagemaker delete-image \ --image-name rstudio-image ```