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。
# RStudio on Amazon SageMaker AI 管理
下列主題提供管理 RStudio on Amazon SageMaker AI 的相關資訊。這包括 RStudio 環境組態、使用者工作階段和必要資源的相關資訊。如需如何使用 RStudio on SageMaker AI 的資訊，請參閱[RStudio on Amazon SageMaker AI 使用者指南](rstudio-use.md)。
如需如何建立已啟用 RStudio 的 Amazon SageMaker AI 網域的相關資訊，請參閱 [Amazon SageMaker AI 網域概觀](gs-studio-onboard.md)。
如需有關支援 RStudio on SageMaker AI AWS 的區域的資訊，請參閱 [支援的區域和配額](regions-quotas.md)。
**Topics**
+ [取得 RStudio 授權](rstudio-license.md)
+ [RStudio 版本控制](rstudio-version.md)
+ [網路和儲存](rstudio-network.md)
+ [RStudioServerPro 執行個體類型](rstudio-select-instance.md)
+ [新增 RStudio Connect URL](rstudio-configure-connect.md)
+ [更新 RStudio 套件管理員 URL](rstudio-configure-pm.md)
+ [使用 使用 RStudio 建立 Amazon SageMaker AI 網域 AWS CLI](rstudio-create-cli.md)
+ [將 RStudio 支援新增至現有的網域](rstudio-add-existing.md)
+ [搭配 RStudio on SageMaker AI 的自訂映像](rstudio-byoi.md)
+ [建立使用者以使用 RStudio](rstudio-create-user.md)
+ [以其他使用者身分登入 RStudio](rstudio-login-another.md)
+ [終止其他使用者的工作階段](rstudio-terminate-another.md)
+ [使用 RStudio 管理儀表板](rstudio-admin.md)
+ [關閉 RStudio](rstudio-shutdown.md)
+ [帳單與成本](rstudio-billing.md)
+ [診斷問題並取得支援](rstudio-troubleshooting.md)
# 取得 RStudio 授權
RStudio on Amazon SageMaker AI 是付費產品，每個使用者都必須獲得適當授權。Amazon SageMaker AI 上的 RStudio 授權可以直接從 RStudio PBC 取得，也可以透過在 AWS Marketplace 上購買 Posit Workbench 的訂閱來取得。對於 Posit Workbench 企業版的現有客戶，授權無需額外付費。若要搭配 Amazon SageMaker AI 使用 RStudio 授權，您必須先擁有向 AWS License Manager註冊的有效 RStudio 授權。對於直接透過 Rstudio PBC 購買的授權，必須為 AWS 您的帳戶建立授權授予。如需直接購買授權，或在 AWS License Manager中啟用現有授權，請聯絡 RStudio。如需使用 AWS License Manager註冊授權的更多相關資訊，請參閱 [AWS License Manager的賣方發行的授權](https://docs.aws.amazon.com/license-manager/latest/userguide/seller-issued-licenses.html)。
下列主題示範如何取得和驗證 RStudio PBC 授權的方式。
**取得 RStudio 授權**
1. 如果您沒有 RStudio 授權，您可以直接從 AWS Marketplace 或 RStudio PBC 購買。
+ 若要從 AWS Marketplace 購買訂閱，請搜尋 **Posit 平台 (RStudio on SageMaker)**，完成[訂閱 SaaS 合約](https://docs.aws.amazon.com/marketplace/latest/buyerguide/buyer-saas-products.html)的步驟。若要履行授權，系統會將您重新導向至 AWS Marketplace 外部表單。您必須提供其他資訊，包括您的公司名稱和電子郵件地址。如果您無法存取該表單以提供公司名稱和聯絡電子郵件，請透過 Posit Support (網址為 [https://support.posit.co/hc/en-us/requests/new](https://support.posit.co/hc/en-us/requests/new)) 建立票證，並附上您的購買詳細資訊。
+ [若要從 RStudio PBC 直接購買產品，請導覽至 [RStudio 定價](https://www.rstudio.com/pricing/)或聯絡 sales@rstudio.com](mailto:sales@rstudio.com)。購買或更新 RStudio 授權時，您必須提供將託管 Amazon SageMaker AI 網域 AWS 的帳戶。
如果您擁有現有 RStudio 授權，請聯絡您的 RStudio 銷售代表或 [sales@rstudio.com](mailto:sales@rstudio.com)，將 RStudio on Amazon SageMaker AI 新增至您現有的 Posit Workbench 企業版授權，或轉換您的 Posit Workbench 標準授權。RStudio 銷售代表會傳送適當的電子訂單給您。
1. RStudio 在美國東部 （維吉尼亞北部） AWS License Manager 區域透過 將 Posit Workbench 授權授予 AWS 您的帳戶。雖然 RStudio 授權是在美國東部 (維吉尼亞北部) 區域授予，但您的授權可用於 RStudio on Amazon SageMaker AI 支援的任何 AWS 區域中。您可以預期授權授予程序會在與 RStudio 共用 AWS 帳戶 ID 後的三個工作天內完成。
1. 授予授權後，您會收到 RStudio 銷售代表的電子郵件，其中包含接受授權授予的指示。
**驗證您的 RStudio 授權以與 Amazon SageMaker AI 搭配使用**
1. 登入與 Amazon SageMaker AI 網域位於相同區域的 AWS License Manager 主控台。如果您是 AWS License Manager 第一次使用 ， 會 AWS License Manager 提示您授予使用 的許可 AWS License Manager。
1. 選取**開始使用 AWS 授權管理員**。
1. 選取 `I grant AWS License Manager the required permissions` 並選取**授予許可**。
1. 導覽至左側面板上的**授予的授權**。
1. 選取授權 `RSW-SageMaker` 作為 `Product name`，並選取**檢視**。
1. 在授權詳細資訊頁面中，選取**接受並啟用授權**。
**RStudio 管理儀表板**
您可以遵循中 [使用 RStudio 管理儀表板](rstudio-admin.md) 的步驟使用 RStudio 管理儀表板，以查看授權上的使用者數目。
# RStudio 版本控制
**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。
本指南提供 RStudio on SageMaker AI `2025.05.1+513.pro3` 版本更新的相關資訊。從 2025 年 10 月 31 日開始，使用Posit Workbench版本 建立具有 RStudio 支援的新網域`2025.05.1+513.pro3`。這適用於 `RStudioServerPro` 應用程式和預設 `RSessionGateway` 應用程式。
下列各節提供 `2025.05.1+513.pro3`版本的相關資訊。
## 最新版本更新
最新的 RStudio 版本為 `2025.05.1+513.pro3`。
+ 支援的 R 版本：
+ 4.5.1
+ 4.4.3
+ 4.4.0
+ 4.3.3
+ 4.2.3
+ 4.2.1
+ 4.1.3
+ 4.0.2
如需此版本的詳細資訊，請參閱[https://docs.posit.co/ide/news/](https://docs.posit.co/ide/news/)。
**注意**
為了確保相容性，我們建議您使用 RSessions 搭配符合目前 Posit Workbench 版本的字首。
如果您看到下列警告，表示 `RSession` 的版本與 RStudio on SageMaker AI 中使用的 Posit Workbench 版本不相符。若要解決此問題，請更新網域的 RStudio 版本。如需更新 RStudio 版本的相關資訊，請參閱 [升級至新版本](rstudio-version-upgrade.md)。
```
Session version 2024.04.2+764.pro1 does not match server version 2025.05.1+513.pro3 - this is an unsupported configuration, and you may experience unexpected issues as a result.
```
## 版本控制
目前有兩個由 SageMaker AI 支援的 Posit Workbench 版本。
+ 最新版本： `2025.05.1+513.pro3`
棄用日期：2026 年 12 月 5 日
+ 先前版本： `2024.04.2+764.pro1`
棄用日期：2026 年 4 月 30 日
**注意**
雖然您可以在使用 CLI 建立網域時明確鎖定版本，以舊版本繼續建立新網域，`2024.04.2+764.pro1`直到 04/30/2026，但我們強烈建議客戶在所有網域中開始使用該`2025.05`版本。POSIT 已停止為 提供漏洞修正`2024.04.2+764.pro1`。
版本 `2023.03.2-547.pro5`和 `2022.02.2-485.pro2` 已棄用，不再支援。我們建議更新至最新版本。
SageMaker AI 選取的預設 Posit Workbench 版本取決於網域的建立日期。
+ 對於 2025 年 10 月 31 日之後建立的網域，版本`2025.05.1+513.pro3`是預設選取的版本。
+ 對於 2024 年 9 月 4 日之後和 2025 年 10 月 31 日之前建立的網域，版本`2024.04.2+764.pro1`是預設選取的版本。您可以將網域設定為網域預設版本，將網域更新為最新版本 (`2025.05.1+513.pro3`)。如需詳細資訊，請參閱[升級至新版本](rstudio-version-upgrade.md)。
**注意**
預設 `RSessionGateway` 應用程式版本與目前的 `RStudioServerPro` 應用程式版本相符。
下表列出兩個 AWS 區域版本的映像 ARN。這些 ARN 會做為 `update-domain` 命令的一部分傳遞，以設定所需的版本。
| Region | `2024.04.2+764.pro1` 映像 ARN | `2025.05.1+513.pro3` 映像 ARN |
| --- | --- | --- |
| us-east-1 | arn:aws:sagemaker:us-east-1:081325390199:image/rstudio-workbench-2024.04-sagemaker-1.1 | arn:aws:sagemaker:us-east-1:081325390199:image/rstudio-workbench-2025.05-sagemaker-1.0 |
| us-east-2 | arn:aws:sagemaker:us-east-2:429704687514:image/rstudio-workbench-2024.04-sagemaker-1.1 | arn:aws:sagemaker:us-east-2:429704687514:image/rstudio-workbench-2025.05-sagemaker-1.0 |
| us-west-1 | arn:aws:sagemaker:us-west-1:742091327244:image/rstudio-workbench-2024.04-sagemaker-1.1 | arn:aws:sagemaker:us-west-1:742091327244:image/rstudio-workbench-2025.05-sagemaker-1.0 |
| us-west-2 | arn:aws:sagemaker:us-west-2:236514542706:image/rstudio-workbench-2024.04-sagemaker-1.1 | arn:aws:sagemaker:us-west-2:236514542706:image/rstudio-workbench-2025.05-sagemaker-1.0 |
| af-south-1 | arn:aws:sagemaker:af-south-1:559312083959:image/rstudio-workbench-2024.04-sagemaker-1.1 | arn:aws:sagemaker:af-south-1:559312083959:image/rstudio-workbench-2025.05-sagemaker-1.0 |
| ap-east-1 | arn:aws:sagemaker:ap-east-1:493642496378:image/rstudio-workbench-2024.04-sagemaker-1.1 | arn:aws:sagemaker:ap-east-1:493642496378:image/rstudio-workbench-2025.05-sagemaker-1.0 |
| ap-south-1 | arn:aws:sagemaker:ap-south-1:394103062818:image/rstudio-workbench-2024.04-sagemaker-1.1 | arn:aws:sagemaker:ap-south-1:394103062818:image/rstudio-workbench-2025.05-sagemaker-1.0 |
| ap-northeast-2 | arn:aws:sagemaker:ap-northeast-2:806072073708:image/rstudio-workbench-2024.04-sagemaker-1.1 | arn:aws:sagemaker:ap-northeast-2:806072073708:image/rstudio-workbench-2025.05-sagemaker-1.0 |
| ap-southeast-1 | arn:aws:sagemaker:ap-southeast-1:492261229750:image/rstudio-workbench-2024.04-sagemaker-1.1 | arn:aws:sagemaker:ap-southeast-1:492261229750:image/rstudio-workbench-2025.05-sagemaker-1.0 |
| ap-southeast-2 | arn:aws:sagemaker:ap-southeast-2:452832661640:image/rstudio-workbench-2024.04-sagemaker-1.1 | arn:aws:sagemaker:ap-southeast-2:452832661640:image/rstudio-workbench-2025.05-sagemaker-1.0 |
| ap-northeast-1 | arn:aws:sagemaker:ap-northeast-1:102112518831:image/rstudio-workbench-2024.04-sagemaker-1.1 | arn:aws:sagemaker:ap-northeast-1:102112518831:image/rstudio-workbench-2025.05-sagemaker-1.0 |
| ca-central-1 | arn:aws:sagemaker:ca-central-1:310906938811:image/rstudio-workbench-2024.04-sagemaker-1.1 | arn:aws:sagemaker:ca-central-1:310906938811:image/rstudio-workbench-2025.05-sagemaker-1.0 |
| eu-central-1 | arn:aws:sagemaker:eu-central-1:936697816551:image/rstudio-workbench-2024.04-sagemaker-1.1 | arn:aws:sagemaker:eu-central-1:936697816551:image/rstudio-workbench-2025.05-sagemaker-1.0 |
| eu-west-1 | arn:aws:sagemaker:eu-west-1:470317259841:image/rstudio-workbench-2024.04-sagemaker-1.1 | arn:aws:sagemaker:eu-west-1:470317259841:image/rstudio-workbench-2025.05-sagemaker-1.0 |
| eu-west-2 | arn:aws:sagemaker:eu-west-2:712779665605:image/rstudio-workbench-2024.04-sagemaker-1.1 | arn:aws:sagemaker:eu-west-2:712779665605:image/rstudio-workbench-2025.05-sagemaker-1.0 |
| eu-west-3 | arn:aws:sagemaker:eu-west-3:615547856133:image/rstudio-workbench-2024.04-sagemaker-1.1 | arn:aws:sagemaker:eu-west-3:615547856133:image/rstudio-workbench-2025.05-sagemaker-1.0 |
| eu-north-1 | arn:aws:sagemaker:eu-north-1:243637512696:image/rstudio-workbench-2024.04-sagemaker-1.1 | arn:aws:sagemaker:eu-north-1:243637512696:image/rstudio-workbench-2025.05-sagemaker-1.0 |
| eu-south-1 | arn:aws:sagemaker:eu-south-1:592751261982:image/rstudio-workbench-2024.04-sagemaker-1.1 | arn:aws:sagemaker:eu-south-1:592751261982:image/rstudio-workbench-2025.05-sagemaker-1.0 |
| sa-east-1 | arn:aws:sagemaker:sa-east-1:782484402741:image/rstudio-workbench-2024.04-sagemaker-1.1 | arn:aws:sagemaker:sa-east-1:782484402741:image/rstudio-workbench-2025.05-sagemaker-1.0 |
### BYOI 映像的變更
如果您將 BYOI 映像與 RStudio 搭配使用，並將 `RStudioServerPro` 版本更新至 `2025.05.1+513.pro3`，則必須升級自訂映像檔以使用該 `2025.05.1+513.pro3` 版本，並重新部署現有的 RSession。如果您嘗試在使用 `2025.05.1+513.pro3` 版本的網域的 RSession 中載入不相容的映像，則 RSession 會失敗，因為它無法剖析其接收的參數。若要避免失敗，請更新現有 `RStudioServerPro` 應用程式中所有已部署的自訂映像。
Dockerfile 中的 `RSW_VERSION` 必須與 RStudio on SageMaker AI 中使用的 Posit Workbench 版本一致。您可以在 Posit Workbench 中驗證目前版本。若要這麼做，請使用位於 Posit Workbench 啟動器頁面左下角的版本名稱。
```
ARG RSW_VERSION=2025.05.1+513.pro3
ENV RSTUDIO_FORCE_NON_ZERO_EXIT_CODE="1"
ARG RSW_NAME=rstudio-workbench
ARG OS_CODE_NAME=jammy
ARG RSW_DOWNLOAD_URL=https://s3.amazonaws.com/rstudio-ide-build/server/${OS_CODE_NAME}/amd64
RUN RSW_VERSION_URL=`echo -n "${RSW_VERSION}" | sed 's/+/-/g'` \
&& curl -o rstudio-workbench.deb ${RSW_DOWNLOAD_URL}/${RSW_NAME}-${RSW_VERSION_URL}-amd64.deb \
&& gdebi -n ./rstudio-workbench.deb
```
# 升級至新版本
使用版本 `2024.04.2+764.pro1` 的現有網域可以透過下列兩種方式之一升級至 `2025.05.1+513.pro3` 版本：
+ 從已啟用 RStudio AWS CLI 的 建立新網域。
+ 更新現有網域，以使用 `2025.05.1+513.pro3` 版本。
下列程序示範如何刪除現有網域的 RStudio 應用程式、將預設版本設定為 `2025.05.1+513.pro3`，然後建立 RStudio 應用程式。
1. 刪除 `RStudioServerPro` 應用程式以及與現有網域相關聯的所有 `RSessionGateway` 應用程式。如需如何尋找網域 ID 的相關資訊，請參閱[檢視網域](domain-view.md)。如需刪除應用程式的更多相關資訊，請參閱[關閉 RStudio](rstudio-shutdown.md)。
```
aws sagemaker delete-app \
--region region \
--domain-id domainId \
--user-profile-name domain-shared \
--app-type RStudioServerPro \
--app-name default
```
1. 如果您的網域正在使用 RStudio 版本 `2024.04.2+764.pro1`，請更新網域以將 `2025.05.1+513.pro3` 設定為預設 Posit Workbench 版本。下列 `update-domain` 命令中的 `SageMakerImageArn` 值會將 RStudio `2025.05.1+513.pro3` 版本指定為預設值。此 ARN 必須與您的網域所在的 Region 相符。如需所有可用 ARN 的清單，請參閱[版本控制](rstudio-version.md#rstudio-version-new)。
為提供更新網域許可的網域傳遞執行角色 ARN。
```
aws sagemaker update-domain \
--region region \
--domain-id domainId \
--domain-settings-for-update "{\"RStudioServerProDomainSettingsForUpdate\":{\"DefaultResourceSpec\": {\"SageMakerImageArn\": \"arn-for-2025.05.1+513.pro3-version\", \"InstanceType\": \"system\"}, \"DomainExecutionRoleArn\": \"execution-role-arn\"}}"
```
1. 在現有網域中建立新的 `RStudioServerPro` 應用程式。
```
aws sagemaker create-app \
--region region
--domain-id domainId \
--user-profile-name domain-shared \
--app-type RStudioServerPro \
--app-name default
```
您的 `RStudioServerPro` 應用程式現已更新至版本 `2025.05.1+513.pro3`。您現在可以重新啟動 `RSessionGateway` 應用程式。
# 降級至先前的版本
您可以手動將現有 RStudio 應用程式的版本降級至 `2024.04.2+764.pro1` 版本。
**降級至先前的版本**
1. 請刪除與現有網域相關聯的 `RStudioServerPro` 應用程式。如需如何尋找網域 ID 的相關資訊，請參閱[檢視網域](domain-view.md)。
```
aws sagemaker delete-app \
--domain-id domainId \
--user-profile-name domain-shared \
--app-type RStudioServerPro \
--app-name default
```
1. 將 Region 的相應 `2024.04.2+764.pro1` ARN作為 `update-domain` 命令的一部分傳遞。如需所有可用 ARN 的清單，請參閱[版本控制](rstudio-version.md#rstudio-version-new)。您也必須為提供更新網域許可的網域傳遞執行角色 ARN。
```
aws sagemaker update-domain \
--region region \
--domain-id domainId \
--domain-settings-for-update "{\"RStudioServerProDomainSettingsForUpdate\":{\"DefaultResourceSpec\": {\"SageMakerImageArn\": \"arn-for-2024.04.2+764.pro1-version\", \"InstanceType\": \"system\"}, \"DomainExecutionRoleArn\": \"execution-role-arn\"}}"
```
1. 在現有網域中建立新的 `RStudioServerPro` 應用程式。RStudio 版本預設為 `2024.04.2+764.pro1`。
```
aws sagemaker create-app \
--domain-id domainId \
--user-profile-name domain-shared \
--app-type RStudioServerPro \
--app-name default
```
您的 `RStudioServerPro` 應用程式現在已降級為版本 `2024.04.2+764.pro1`。
# 網路和儲存
下列主題說明 RStudio 執行個體的網路存取和資料儲存考量事項。如需使用 Amazon SageMaker AI 時網路存取和資料儲存的一般資訊，請參閱 [Amazon SageMaker AI 中的資料保護](data-protection.md)。
**Amazon EFS 磁碟區**
RStudio on Amazon SageMaker AI 與網域中的 Amazon SageMaker Studio Classic 應用程式共用 Amazon EFS 磁碟區。當 RStudio 應用程式新增至網域時，SageMaker AI 會在 Amazon EFS 目錄中建立名為 `shared` 的資料夾。如果手動刪除或變更此 `shared` 資料夾，則 RStudio 應用程式可能無法再運作。如需 Amazon EFS 磁碟區的更多相關資訊，請參閱[在 Amazon SageMaker Studio Classic 中管理您的 Amazon EFS 儲存磁碟區](studio-tasks-manage-storage.md)。
**安裝套件和指令碼**
您從 RStudio 中安裝的套件的範圍為使用者設定檔層級。這表示安裝的套件透過 RSession 關閉、重新啟動和跨 RSession 來保留其所安裝的每個使用者設定檔。除存在 RSession 中的 R 指令碼的行為方式相同。套件和 R 指令碼都儲存在使用者的 Amazon EFS 磁碟區中。
**加密**
RStudio on Amazon SageMaker AI 支援靜態加密。
**在僅限 VPC 模式中使用 RStudio**
RStudio on Amazon SageMaker AI 支援 [AWS PrivateLink](https://docs.aws.amazon.com/vpc/latest/userguide/endpoint-services-overview.html) 整合。透過此整合，您可以在僅限 VPC 模式中使用 RStudio on SageMaker AI ，無需直接存取網際網路。當您在僅限 VPC 模式中使用 RStudio 時，服務會自動管理您的安全群組。這包括您的 RServer 和您的 RSession 之間的連接。
若要在僅限 VPC 模式中使用 RStudio，必須具備以下條件。如需選取 VPC 的更多資訊，請參閱[選擇一個 Amazon VPC](onboard-vpc.md)。
+ 可存取網際網路以呼叫 Amazon SageMaker AI & License Manager，或 Amazon SageMaker & License Manager 的 Amazon Virtual Private Cloud (Amazon VPC) 端點的私有子網路。
+ 網域不能有兩個以上相關聯的安全群組。
+ 與網域設定中的網域搭配使用的安全群組 ID。這必須允許所有外撥存取。
+ 與 Amazon VPC 端點搭配使用的安全群組 ID。此安全群組必須允許來自網域安全群組 ID 的傳入流量。
+ 適用於 `sagemaker.api`和 的 Amazon VPC 端點 AWS License Manager。這必須位於與私有子網路相同的 Amazon VPC。
# RStudioServerPro 執行個體類型
在決定要用於 RStudioServerPro 應用程式的 Amazon EC2 執行個體類型時，主要的考慮因素是頻寬。頻寬很重要，因為 RStudioServerPro 執行個體負責向所有使用者提供 RStudio 使用者介面。這包含大量使用使用者介面的工作流程，例如產生圖形、動畫和顯示許多資料列。因此，視所有使用者的工作負載而定，可能會出現一些使用者介面效能下降的情況。以下為可用於 RStudioServerPro 的執行個體類型。如需這些執行個體的定價資訊，請參閱 [Amazon SageMaker 定價](https://aws.amazon.com/sagemaker/pricing/)。
+ `system`：若為 UI 使用率偏低的網域，建議使用此執行個體類型。
**注意**
`system` 值會轉譯為 `ml.t3.medium`。
+ `ml.c5.4xlarge`：若為使用者介面使用率適中的網域，建議使用此執行個體類型。
+ `ml.c5.9xlarge`：若為使用者介面使用率偏高的網域，建議使用此執行個體類型。
**變更 RStudio 執行個體類型**
若要變更 RStudioServerPro 的執行個體類型，請將新執行個體類型作為呼叫 `update-domain` CLI 命令的一部分傳遞。然後，您需要使用 `delete-app` CLI 命令刪除現有的 RStudioServerPro 應用程式，並使用 `create-app` CLI 命令建立新的 RStudioServerPro 應用程式。
# 新增 RStudio Connect URL
RStudio Connect 是 Shiny 應用程式、R Markdown 報告、儀表板、繪圖等的發佈平台。RStudio Connect 讓託管內容變得簡單且可擴展，讓您輕鬆呈現機器學習和資料科學深入分析。如果您有 RStudio Connect 伺服器，則可以將伺服器設定為發佈應用程式的預設位置。 如需 RStudio Connect 的更多相關資訊，請參閱 [RStudio Connect](https://www.rstudio.com/products/connect/)。
當您登入 RStudio on Amazon SageMaker AI 網域時，不會建立 RStudio Connect 伺服器。您可以在 Amazon EC2 執行個體上建立 RStudio Connect 伺服器，才能使用 Connect 搭配 Amazon SageMaker AI 網域。如需如何設定 RStudio Connect 伺服器的詳細資訊，請參閱[在 RStudio on Amazon SageMaker AI 中託管 RStudio Connect 和套件管理員以進行 ML 開發](https://aws.amazon.com/blogs/machine-learning/host-rstudio-connect-and-package-manager-for-ml-development-in-rstudio-on-amazon-sagemaker/)。
**新增 RStudio Connect URL**
如果您有 RStudio Connect URL，您可以更新預設 URL，讓您的 RStudio 使用者可以發佈至該 URL。
1. 導覽至**網域**頁面。
1. 選取所需的網域。
1. 選擇**網域設定**。
1. 在**一般設定**之下，選取**編輯**。
1. 在新頁面中，選取左側的 **RStudio 設定**。
1. 在 **RStudio Connect URL** 下，輸入要新增的 RStudio Connect URL。
1. 選取**提交**。
**CLI**
建立您的網域時，您可以設定預設 RStudio Connect URL。從 更新您的 RStudio Connect URL 的唯一方法是 AWS CLI 刪除您的網域，並使用更新的 RStudio Connect URL 建立新的網域。
# 更新 RStudio 套件管理員 URL
RStudio 套件管理員是一個儲存庫管理伺服器，用來整理和集中整個組織中的套件。如需 RStudio 套件管理員的更多資訊，請參閱 [RStudio 套件管理員](https://www.rstudio.com/products/package-manager/)。如果您未提供自己的套件管理員 URL，當您按照 [Amazon SageMaker AI 網域概觀](gs-studio-onboard.md) 中的步驟加入 RStudio 時，Amazon SageMaker AI 網域會使用預設的套件管理員儲存庫。如需詳細資訊，請參閱[在 RStudio on Amazon SageMaker AI 中託管 RStudio Connect 和套件管理員以進行 ML 開發](https://aws.amazon.com/blogs/machine-learning/host-rstudio-connect-and-package-manager-for-ml-development-in-rstudio-on-amazon-sagemaker/)。下列程序說明如何更新套件管理員 URL。
**更新套件管理員 URL**
您可以更新用於已啟用 RStudio 網域的套件管理員 URL，如下所示。
1. 導覽至**網域**頁面。
1. 選取所需的網域。
1. 選擇**網域設定**。
1. 在**一般設定**之下，選取**編輯**。
1. 在新頁面中，選取左側的 **RStudio 設定**。
1. 在 **RStudio 套件管理員**下，輸入您的 RStudio 套件管理員 URL。
1. 選取**提交**。
**CLI**
從 更新 Package Manager URL 的唯一方法是 AWS CLI 刪除您的網域，並使用更新的 Package Manager URL 建立新的網域。
# 使用 使用 RStudio 建立 Amazon SageMaker AI 網域 AWS CLI
**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。
下列主題說明如何使用 AWS CLI加入已啟用 RStudio 的 Amazon SageMaker AI 網域。若要使用 加入 AWS 管理主控台，請參閱 [Amazon SageMaker AI 網域概觀](gs-studio-onboard.md)。
## 先決條件
+ 安裝與設定[AWS CLI 第 2 版](https://docs.aws.amazon.com/cli/latest/userguide/install-cliv2.html)
+ 使用 IAM 憑證 設定 [AWS CLI](https://docs.aws.amazon.com/cli/latest/userguide/cli-configure-quickstart.html#cli-configure-quickstart-config)
## 建立 `DomainExecution` 角色
若要啟動 RStudio 應用程式，您必須提供 `DomainExecution` 角色。此角色用來決定是否需要在建立 Amazon SageMaker AI 網域時啟動 RStudio。Amazon SageMaker AI 也會使用此角色存取 RStudio 授權和推送 RStudio 日誌。
**注意**
該 `DomainExecution` 角色至少應有存取 RStudio 授權的 AWS License Manager 許可，以及在您的帳戶中推送日誌的 CloudWatch 許可。
下列程序顯示如何使用 AWS CLI建立 `DomainExecution` 角色。
1. 建立名為 `assume-role-policy.json` 且具有下列內容的檔案。
------
#### [ JSON ]
****
```
{
"Version":"2012-10-17",
"Statement": [
{
"Action": "sts:AssumeRole",
"Effect": "Allow",
"Principal": {
"Service": [
"sagemaker.amazonaws.com"
]
}
}
]
}
```
------
1. 建立 `DomainExecution` 角色。`` 應是要在其中啟動您網域的 AWS 區域。
```
aws iam create-role --region --role-name DomainExecution --assume-role-policy-document file://assume-role-policy.json
```
1. 建立名為 `domain-setting-policy.json` 且具有下列內容的檔案。此政策允許 RStudioServerPro 應用程式存取必要的資源，並允許 Amazon SageMaker AI 在現有 RStudioServerPro 應用程式處於 `Deleted`或 `Failed` 狀態時自動啟動 RStudioServerPro 應用程式。
------
#### [ JSON ]
****
```
{
"Version":"2012-10-17",
"Statement": [
{
"Sid": "VisualEditor0",
"Effect": "Allow",
"Action": [
"license-manager:ExtendLicenseConsumption",
"license-manager:ListReceivedLicenses",
"license-manager:GetLicense",
"license-manager:CheckoutLicense",
"license-manager:CheckInLicense",
"logs:CreateLogDelivery",
"logs:CreateLogGroup",
"logs:CreateLogStream",
"logs:DeleteLogDelivery",
"logs:Describe*",
"logs:GetLogDelivery",
"logs:GetLogEvents",
"logs:ListLogDeliveries",
"logs:PutLogEvents",
"logs:PutResourcePolicy",
"logs:UpdateLogDelivery",
"sagemaker:CreateApp"
],
"Resource": "*"
}
]
}
```
------
1. 建立已連接至 `DomainExecution` 角色的網域設定政策。請注意回應中的 `PolicyArn`，您將需要在以下步驟中輸入該 ARN。
```
aws iam create-policy --region --policy-name domain-setting-policy --policy-document file://domain-setting-policy.json
```
1. 將 `domain-setting-policy` 附加至 `DomainExecution` 角色。使用在上一步中傳回的 `PolicyArn`。
```
aws iam attach-role-policy --role-name DomainExecution --policy-arn
```
## 使用 RStudio 應用程式建立 Amazon SageMaker AI 網域
當您使用已指定 `RStudioServerProDomainSettings` 參數的 `create-domain` CLI 命令建立 Amazon SageMaker AI 網域時，RStudioServerPro 應用程式會自動啟動。啟動 RStudioServerPro 應用程式時，Amazon SageMaker AI 會檢查帳戶中是否具備有效的 RStudio 授權，如果找不到授權，則無法建立網域。
Amazon SageMaker AI 網域的建立會根據驗證方法和網路類型而有所不同。這些選項必須一起使用，搭配所選取的一種驗證方法和一種網路連線類型。如需建立新網域之要求的詳細資訊，請參閱 [CreateDomain](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateDomain.html)。
支援下列身分驗證方法：
+ `IAM Auth`
+ `SSO Auth`
支援下列網路連線類型：
+ `PublicInternet`
+ `VPCOnly`
### 身分驗證方法
**IAM 身分驗證模式**
以下說明如何建立已啟用 RStudio 且網路類型為 `IAM Auth` 的 Amazon SageMaker AI 網域。如需詳細資訊 AWS Identity and Access Management，請參閱[什麼是 IAM？](https://docs.aws.amazon.com/IAM/latest/UserGuide/introduction.html)。
+ `DomainExecutionRoleArn` 應該是在上一步中建立之角色的 ARN。
+ `ExecutionRole` 是提供給 Amazon SageMaker AI 網域中使用者的角色 ARN。
+ `vpc-id` 應該是您的 Amazon Virtual Private Cloud 的 ID。`subnet-ids` 應該是由空格分隔的的子網路 ID 清單。如需 `vpc-id` 和 `subnet-ids` 的更多相關資訊，請參閱 [VPC 和子網路](https://docs.aws.amazon.com/vpc/latest/userguide/VPC_Subnets.html)。
+ `RStudioPackageManagerUrl` 和 `RStudioConnectUrl` 是選用的，應分別設為 RStudio 套件管理員和 RStudio Connect 伺服器的 URL。
+ `app-network-access-type` 應該是 `PublicInternetOnly` 或 `VPCOnly`。
```
aws sagemaker create-domain --region --domain-name \
--auth-mode IAM \
--default-user-settings ExecutionRole= \
--domain-settings RStudioServerProDomainSettings={RStudioPackageManagerUrl=<,RStudioConnectUrl=<,DomainExecutionRoleArn=} \
--vpc-id \
--subnet-ids \
--app-network-access-type
```
**建議使用 IAM Identity Center 的身分驗證**
以下說明如何建立已啟用 RStudio 和 `SSO Auth` Network Type 的 Amazon SageMaker AI 網域。 AWS IAM Identity Center 必須針對啟動網域的區域啟用 。如需 IAM Identity Center 的詳細資訊，請參閱[什麼是 AWS IAM Identity Center？](https://docs.aws.amazon.com/singlesignon/latest/userguide/what-is.html)。
+ `DomainExecutionRoleArn` 應該是在上一步中建立之角色的 ARN。
+ `ExecutionRole` 是提供給 Amazon SageMaker AI 網域中使用者的角色 ARN。
+ `vpc-id` 應該是您的 Amazon Virtual Private Cloud 的 ID。`subnet-ids` 應該是由空格分隔的的子網路 ID 清單。如需 `vpc-id` 和 `subnet-ids` 的更多相關資訊，請參閱 [VPC 和子網路](https://docs.aws.amazon.com/vpc/latest/userguide/VPC_Subnets.html)。
+ `RStudioPackageManagerUrl` 和 `RStudioConnectUrl` 是選用的，應分別設為 RStudio 套件管理員和 RStudio Connect 伺服器的 URL。
+ `app-network-access-type` 應該是 `PublicInternetOnly` 或 `VPCOnly`。
```
aws sagemaker create-domain --region --domain-name \
--auth-mode SSO \
--default-user-settings ExecutionRole= \
--domain-settings RStudioServerProDomainSettings={RStudioPackageManagerUrl=<,RStudioConnectUrl=<,DomainExecutionRoleArn=} \
--vpc-id \
--subnet-ids \
--app-network-access-type
```
### 連線類型
**PublicInternet/直接網際網路網路類型**
以下說明如何建立已啟用 RStudio 且網路類型為 `PublicInternet` 的 Amazon SageMaker AI 網域。
+ `DomainExecutionRoleArn` 應該是在上一步中建立之角色的 ARN。
+ `ExecutionRole` 是提供給 Amazon SageMaker AI 網域中使用者的角色 ARN。
+ `vpc-id` 應該是您的 Amazon Virtual Private Cloud 的 ID。`subnet-ids` 應該是由空格分隔的的子網路 ID 清單。如需 `vpc-id` 和 `subnet-ids` 的更多相關資訊，請參閱 [VPC 和子網路](https://docs.aws.amazon.com/vpc/latest/userguide/VPC_Subnets.html)。
+ `RStudioPackageManagerUrl` 和 `RStudioConnectUrl` 是選用的，應分別設為 RStudio 套件管理員和 RStudio Connect 伺服器的 URL。
+ `auth-mode` 應該是 `SSO` 或 `IAM`。
```
aws sagemaker create-domain --region --domain-name \
--auth-mode \
--default-user-settings ExecutionRole= \
--domain-settings RStudioServerProDomainSettings={RStudioPackageManagerUrl=<,RStudioConnectUrl=<,DomainExecutionRoleArn=} \
--vpc-id \
--subnet-ids \
--app-network-access-type PublicInternetOnly
```
**VPCOnly 模式**
以下說明如何啟動已啟用 RStudio 且網路類型為 `VPCOnly` 的 Amazon SageMaker AI 網域。如需使用 `VPCOnly` 網路存取類型的更多相關資訊，請參閱[將 VPC 中的 Studio 筆記本連線至外部資源](studio-notebooks-and-internet-access.md)。
+ `DomainExecutionRoleArn` 應該是在上一步中建立之角色的 ARN。
+ `ExecutionRole` 是提供給 Amazon SageMaker AI 網域中使用者的角色 ARN。
+ `vpc-id` 應該是您的 Amazon Virtual Private Cloud 的 ID。`subnet-ids` 應該是由空格分隔的的子網路 ID 清單。您的私有子網路必須能夠存取網際網路以呼叫 Amazon SageMaker AI 和 AWS License Manager ，或具有適用於 Amazon SageMaker AI 和 AWS License Manager的 Amazon VPC 端點。如需 Amazon VPC 端點的相關資訊，請參閱介面 [Amazon VPC 端點](https://docs.aws.amazon.com/vpc/latest/privatelink/vpce-interface.html)。如需 `vpc-id` 和 `subnet-ids` 的更多相關資訊，請參閱 [VPC 和子網路](https://docs.aws.amazon.com/vpc/latest/userguide/VPC_Subnets.html)。
+ `SecurityGroups` 必須允許對 Amazon SageMaker AI 和 AWS License Manager 端點的傳出存取。
+ `auth-mode` 應該是 `SSO` 或 `IAM`。
**注意**
使用 Amazon Virtual Private Cloud 端點時，連接到 Amazon Virtual Private Cloud 端點的安全群組必須允許來自做為 `create-domain` CLI 呼叫 `domain-setting` 參數一部分傳遞的安全群組傳入流量。
透過 RStudio，Amazon SageMaker AI 會為您管理安全群組。這表示 Amazon SageMaker AI 會管理安全群組規則，以確保 RSessions 可存取 RStudioServerPro 應用程式。Amazon SageMaker AI 會為每個使用者設定檔建立一個安全群組規則。
```
aws sagemaker create-domain --region --domain-name \
--auth-mode \
--default-user-settings SecurityGroups=,ExecutionRole= \
--domain-settings SecurityGroupIds=,RStudioServerProDomainSettings={DomainExecutionRoleArn=} \
--vpc-id \
--subnet-ids "" \
--app-network-access-type VPCOnly --app-security-group-management Service
```
請注意：RStudioServerPro 應用程式由名為 `domain-shared` 的特殊使用者設定檔啟動。因此，此應用程式不會作為任何其他使用者設定檔的 `list-app` API 呼叫的一部分傳回。
您可能需要增加帳戶中的 Amazon VPC 配額，以增加使用者數目。如需詳細資訊，請參閱 [Amazon VPC 配額](https://docs.aws.amazon.com/vpc/latest/userguide/amazon-vpc-limits.html#vpc-limits-security-groups)。
## 驗證網域建立
使用下列命令來驗證是否已建立您的網域，`Status` 為 `InService`。您的 `domain-id` 會附加至網域 ARN。例如 `arn:aws:sagemaker:::domain/`。
```
aws sagemaker describe-domain --domain-id --region
```
# 將 RStudio 支援新增至現有的網域
**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。
如果您已透過 新增 RStudio 授權 AWS License Manager，則可以建立支援 RStudio on Amazon SageMaker SageMaker AI 網域。如果您現有的網域不支援 RStudio，您可以將 RStudio 支援新增至該網域，無需刪除並重新建立網域。
下列主題概述如何新增此支援。
## 先決條件
您必須先完成下列步驟，然後才能更新目前的網域，以新增 RStudio on SageMaker AI 的支援。
+ 安裝與設定[AWS CLI 第 2 版](https://docs.aws.amazon.com/cli/latest/userguide/install-cliv2.html)
+ 使用 IAM 憑證 設定 [AWS CLI](https://docs.aws.amazon.com/cli/latest/userguide/cli-configure-quickstart.html#cli-configure-quickstart-config)
+ 請遵循[使用 AWS CLI搭配 RStudio 建立 SageMaker 網域](https://docs.aws.amazon.com/sagemaker/latest/dg/rstudio-create-cli.html#rstudio-create-cli-domainexecution)中的步驟，建立網域執行角色。RStudioServerPro 應用程式中需要這種網域層級的 IAM 角色。該角色需要 AWS License Manager 的存取權，才能驗證有效的 Posit Workbench 授權以及用於發佈伺服器日誌的 Amazon CloudWatch 日誌。
+ AWS License Manager 遵循 RStudio 授權中的步驟，將您的 [RStudio 授權](https://docs.aws.amazon.com/sagemaker/latest/dg/rstudio-license.html)帶到 。
+ (選用) 如果您想要在 `VPCOnly` 模式下使用 RStudio，請完成[僅限 VPC 下 RStudio ](https://docs.aws.amazon.com/sagemaker/latest/dg/rstudio-network.html)中的步驟。
+ 請確定網域中每個 [UserProfile](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateUserProfile.html) 所設定的安全群組都符合帳戶層級配額。在建立網域期間設定預設使用者設定檔時，您可以使用 [CreateDomain](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateDomain.html) API 的 `DefaultUserSettings` 參數新增 `SecurityGroups`，這些群組由網域中已建立的所有使用者設定檔所繼承。您也可以提供特定使用者額外的安全群組，做為 [CreateUserProfile](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateUserProfile.html) API `UserSettings` 參數的一部分。如果您已透過這種方式新增安全群組，則必須確定每個使用者設定檔的安全群組總數在 `VPCOnly` 模式下不會超出 2 個群組的配額上限，以及在 `PublicInternetOnly` 模式下不會超出 4 個群組的配額上限。如果任何使用者設定檔產生的安全群組總數超過該配額，您可以將多個安全群組規則合併為一個安全群組。
## 將 RStudio 支援新增至現有的網域
完成了先決條件後，您就可以將 RStudio 支援新增至現有網域。下列步驟概述如何更新現有網域，以新增 RStudio 的支援。
### 步驟 1：刪除網域中的所有應用程式
若要在您的網域中新增 RStudio 的支援，SageMaker AI 必須更新所有現有使用者設定檔的基礎安全群組。若要完成此操作，您必須刪除並重新建立網域中的所有現有應用程式。以下程序說明如何刪除所有應用程式。
1. 列出網域中的所有應用程式。
```
aws sagemaker \
list-apps \
--domain-id-equals
```
1. 刪除網域中每個使用者設定檔的每個應用程式。
```
// JupyterServer apps
aws sagemaker \
delete-app \
--domain-id \
--user-profile-name \
--app-type JupyterServer \
--app-name
// KernelGateway apps
aws sagemaker \
delete-app \
--domain-id \
--user-profile-name \
--app-type KernelGateway \
--app-name
```
### 步驟 2 — 使用新的安全群組清單更新所有使用者設定檔
當您已重構現有的安全群組時，這是您必須針對網域中所有現有使用者設定檔完成的一次性動作。這可讓您預防達到安全群組數量上限的配額。如果使用者具有任何處於 [InService](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_DescribeApp.html#sagemaker-DescribeApp-response-Status) 狀態的應用程式，則 `UpdateUserProfile` API 會呼叫失敗。刪除所有應用程式，然後呼叫 `UpdateUserProfile` API 更新安全群組。
**注意**
由於 SageMaker AI 服務管理 `AppSecurityGroupManagement`，因此新增 RStudio 支援時，不再需要以下 [將 VPC 中 Amazon SageMaker Studio Classic 筆記本連線到外部資源](https://docs.aws.amazon.com/sagemaker/latest/dg/studio-notebooks-and-internet-access.html#studio-notebooks-and-internet-access-vpc-only)中所概述的 `VPCOnly` 模式需求：
[安全群組內的 TCP 流量](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/security-group-rules-reference.html#sg-rules-other-instances)。JupyterServer 應用程式和 KernelGateway 應用程式之間的連線能力為必要。您必須至少允許存取範圍 `8192-65535` 內的連接埠。”
```
aws sagemaker \
update-user-profile \
--domain-id \
--user-profile-name \
--user-settings "{\"SecurityGroups\": [\"\", \"\"]}"
```
### 步驟 3 — 呼叫 UpdateDomain API 啟用 RStudio
1. 呼叫 [UpdateDomain](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_UpdateDomain.html) API 以新增 RStudio on SageMaker AI 的支援。只有在您已重構使用者設定檔的預設安全群組時，才需要 `defaultusersettings` 參數。
+ 針對 `VPCOnly` 模式：
```
aws sagemaker \
update-domain \
--domain-id \
--app-security-group-management Service \
--domain-settings-for-update RStudioServerProDomainSettingsForUpdate={DomainExecutionRoleArn=} \
--default-user-settings "{\"SecurityGroups\": [\"\", \"\"]}"
```
+ 針對 `PublicInternetOnly` 模式：
```
aws sagemaker \
update-domain \
--domain-id \
--domain-settings-for-update RStudioServerProDomainSettingsForUpdate={DomainExecutionRoleArn=} \
--default-user-settings "{\"SecurityGroups\": [\"\", \"\"]}"
```
1. 驗證網域狀態是否為 `InService`。在網域狀態為 `InService` 之後，就會新增 RStudio on SageMaker AI 的支援。
```
aws sagemaker \
describe-domain \
--domain-id
```
1. 使用以下命令驗證 RStudioServerPro 應用程式狀態是否為 `InService`。
```
aws sagemaker list-apps --user-profile-name domain-shared
```
### 步驟 4 — 新增現有使用者的 RStudio 存取權
此步驟為步驟 3 中更新的一部分，SageMaker AI 預設會將網域中所有現有使用者設定檔的 RStudio [AccessStatus](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_RStudioServerProAppSettings.html#sagemaker-Type-RStudioServerProAppSettings-AccessStatus) 標示為 `DISABLED`。這可讓您防止超出目前授權所允許的使用者數目。若要新增現有使用者的存取權，系統有一次性選擇加入的步驟。使用以下 [RStudioServerProAppSettings](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_UserSettings.html#sagemaker-Type-UserSettings-RStudioServerProAppSettings) 呼叫 [UpdateUserProfile](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_UpdateUserProfile.html) 來執行選擇加入：
+ `AccessStatus` = `ENABLED`
+ *選用* — `UserGroup` = `R_STUDIO_USER` 或 `R_STUDIO_ADMIN`
```
aws sagemaker \
update-user-profile \
--domain-id \
--user-profile-name \
--user-settings "{\"RStudioServerProAppSettings\": {\"AccessStatus\": \"ENABLED\"}}"
```
**注意**
根據預設，可以具有 RStudio 存取權的使用者數目為 60 名。
### 步驟 5 — 停用新使用者的 RStudio 存取權
除非在呼叫 `UpdateDomain` 時另有指定，否則新增 RStudio on SageMaker AI 的支援後，預設會為所有已建立的新使用者設定檔新增 RStudio 支援。若要停用新使用者設定檔的存取權，您必須明確設定 `AccessStatus` 參數為 `DISABLED`，做為 `CreateUserProfile` API 呼叫的一部分。如果沒有指定 `AccessStatus` 參數做為 `CreateUserProfile` API 的一部分，則預設存取狀態為 `ENABLED`。
```
aws sagemaker \
create-user-profile \
--domain-id \
--user-profile-name \
--user-settings "{\"RStudioServerProAppSettings\": {\"AccessStatus\": \"DISABLED\"}}"
```
# 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
```
# 建立使用者以使用 RStudio
**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。
已啟用 RStudio 的 Amazon SageMaker AI 網域執行後，您可以將使用者設定檔 (UserProfiles) 新增至網域。下列主題說明如何建立授權可使用 RStudio 的使用者設定檔，以及更新現有的使用者設定檔。如需如何刪除 RStudio 應用程式、UserProfile 或網域的詳細資訊，請遵循[刪除 Amazon SageMaker AI 網域](https://docs.aws.amazon.com/sagemaker/latest/dg/gs-studio-delete-domain.html)中的步驟。
**注意**
Amazon SageMaker AI 網域中 UserProfiles 的總數限制為 60。
有兩種使用者類型：
+ 未經授權：此使用者無法存取 RStudio 應用程式。
+ 已授權：此使用者可以存取 RStudio 應用程式，並使用其中一個 RStudio 授權基座。根據預設，如果網域已為 RStudio 啟用，則新使用者為 `Authorized`。
變更使用者的授權狀態僅從 `Unauthorized` 到 `Authorized` 有效。如果使用者獲得授權，他們可以取得下列 RStudio 存取層級之一。
+ RStudio 使用者：這是標準的 RStudio 使用者，可以存取 RStudio。
+ RStudio 管理員：Amazon SageMaker AI 網域的管理員能夠建立使用者、新增現有使用者，以及更新現有使用者的許可。管理員也可以存取 RStudio 系統管理儀表板。但是，此管理員無法更新由 Amazon SageMaker AI 管理的參數。
## 建立使用者的方法
下列主題示範如何在已啟用 RStudio 的 Amazon SageMaker AI 網域中建立使用者。
**建立使用者主控台**
若要從主控台在已啟用 RStudio 的 Amazon SageMaker AI 網域中建立使用者，請完成[新增使用者設定檔](domain-user-profile-add.md)中的步驟。
**建立使用者 CLI**
下列命令示範如何使用 IAM 驗證將使用者新增至 Amazon SageMaker AI 網域。使用者可以屬於 `R_STUDIO_USER` 或 `R_STUDIO_ADMIN` 使用者群組。
```
aws sagemaker create-user-profile --region \
--domain-id \
--user-profile-name \
--user-settings RStudioServerProAppSettings={UserGroup=}
```
下列命令顯示如何使用 IAM Identity Center 搭配驗證將使用者新增至 Amazon SageMaker AI 網域。使用者可以屬於 `R_STUDIO_USER` 或 `R_STUDIO_ADMIN` 使用者群組。
```
aws sagemaker create-user-profile --region \
--domain-id \
--user-profile-name \
--user-settings RStudioServerProAppSettings={UserGroup=} \
--single-sign-on-user-identifier UserName \
--single-sign-on-user-value
```
# 以其他使用者身分登入 RStudio
下列主題示範如何以另一個使用者身分登入 RStudio on Amazon SageMaker AI。
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. 選取包含使用者設定檔的網域。
1. 從使用者清單中選取使用者名稱。這將開啟新頁面，其中包含使用者設定檔和執行中的應用程式的詳細資訊。
1. 選取**啟動**。
1. 從下拉式清單中，選取 **RStudio**，以啟動 RStudio 執行個體。
# 終止其他使用者的工作階段
下列主題示範如何在 RStudio on Amazon SageMaker AI 中終止另一個使用者的工作階段。
1. 從執行中的應用程式清單中，識別您要刪除的應用程式。
1. 按一下要刪除的應用程式的相應**刪除應用程式**按鈕。
# 使用 RStudio 管理儀表板
本主題示範如何存取和使用 RStudio 系統管理儀表板。透過 RStudio 管理儀表板，管理員可以管理使用者和 RSession，以及檢視 RStudio 伺服器執行個體使用率和 Amazon CloudWatch Logs 的相關資訊。
## 啟動 RStudio 管理儀表板
`R_STUDIO_ADMIN` 授權允許使用者存取 RStudio 管理儀表板。`R_STUDIO_ADMIN` 使用者可以透過在 RStudio URL 中手動將 `workspaces` 取代為 `admin`，以存取 RStudio 管理儀表板。以下說明如何修改 URL，以存取 RStudio 系統管理儀表板。
例如，下列 RStudio URL：
```
https://.studio.us-east-2.sagemaker.aws/rstudio/default/s//workspaces
```
可以轉換為：
```
https://.studio.us-east-2.sagemaker.aws/rstudio/default/s//admin
```
## 儀表板索引標籤
此索引標籤提供 RStudio 伺服器執行個體使用率的概觀，以及作用中 RSession 數量的相關資訊。
## 工作階段索引標籤
此索引標籤提供作用中 RSession 的相關資訊，例如啟動 RSession 的使用者、RSession 的執行時間及其資源使用率。
## 使用者索引標籤
此索引標籤提供網域中 RStudio 授權使用者的相關資訊，例如上次 RSession 啟動的時間及其資源使用率。
## 統計資料索引標籤
此索引標籤提供 RStudio 伺服器執行個體使用率的相關資訊。
## 日誌索引標籤
此索引標籤顯示 RStudio 伺服器執行個體的 Amazon CloudWatch Logs。如需使用 Amazon CloudWatch Logs 記錄事件的更多相關資訊，請參閱[什麼是 Amazon CloudWatch Logs？](https://docs.aws.amazon.com/AmazonCloudWatch/latest/logs/WhatIsCloudWatchLogs.html)。
# 關閉 RStudio
**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。
若要關閉並重新啟動您的 Posit Workbench 和關聯的 RStudioServerPro 應用程式，您必須先關閉所有現有的 RSession。您可以從 RStudio 中關閉 RSessionGateway 應用程式。然後，您可以使用 AWS CLI關閉 RStudioServerPro 應用程式。關閉 RStudioServerPro 應用程式後，您必須透過 SageMaker AI 主控台重新開啟 RStudio。
過程中任何未儲存的筆記本資訊都會遺失。Amazon EFS 磁碟區中的使用者資料不會受到影響。
**注意**
如果您使用自訂映像搭配 RStudio，請確定您的 Docker 映像檔使用的是 RStudio 版本，此版本與您重新啟動 RStudioServerPro 應用程式之後 SageMaker AI 所使用的 Posit Workbench 版本相容。
下列主題示範如何關閉 RSESSIONGateway 和 RStudioServerPro 應用程式並重新啟動。
## 暫停 RSession
請完成下列程序以暫停所有 RSession。
1. 從 RStudio 啟動器中，識別您要暫停的 RSession。
1. 為工作階段選取**暫停**。
1. 針對所有 RSession 重複此動作。
## 刪除您的 RSession
請完成下列程序，以關閉所有 RSession。
1. 從 RStudio 啟動器，識別您要刪除的 RStudio。
1. 為工作階段選取**結束**。這會開啟新的**結束工作階段**視窗。
1. 從**結束工作階段**視窗中，選取**強制結束**，以結束工作階段中的所有子處理程序。
1. 選取**結束階段作業**，以確認刪除工作階段。
1. 針對所有 RSession 重複此動作。
## 刪除 RStudioServerPro 應用程式
從 執行下列命令 AWS CLI ，以刪除和重新啟動 RStudioServerPro 應用程式。
1. 透過使用您現有的網域 ID 刪除 RStudioServerPro 應用程式。
```
aws sagemaker delete-app \
--domain-id \
--user-profile-name domain-shared \
--app-type RStudioServerPro \
--app-name default
```
1. 重新建立 RStudioServerPro 應用程式。
```
aws sagemaker create-app \
--domain-id \
--user-profile-name domain-shared \
--app-type RStudioServerPro \
--app-name default
```
# 帳單與成本
若要追蹤與 RStudio 環境相關聯的成本，您可以使用 AWS 帳單與成本管理 服務。AWS 帳單與成本管理 提供實用工具，協助您收集成本與用量相關資訊、分析您的成本驅動因素和用量趨勢，以及採取行動來預算您的支出。如需詳細資訊，請參閱 [什麼是 AWS 帳單和成本？](https://docs.aws.amazon.com/awsaccountbilling/latest/aboutv2/billing-what-is.html) 。以下描述執行 RStudio on Amazon SageMaker AI 所需的元件，以及每個元件如何納入 RStudio 執行個體計費考量。
+ RStudio 授權 - 您必須購買 RStudio 授權。使用 RStudio 授權搭配 Amazon SageMaker AI 無需額外付費。如需 RStudio 授權的更多相關資訊，請參閱[取得 RStudio 授權](rstudio-license.md)。
+ RSession - 這些是由最終使用者啟動的 RStudio 處理中工作階段。RSession 執行中時，您需要支付費用。
+ RStudio 伺服器 - 多租用戶伺服器管理所有 RSession。您可以選擇用於執行 RStudio 伺服器的執行個體類型，並支付相關費用。預設執行個體 "system" 為免費，但您可以選擇付費使用較高層級。如需 RStudio 伺服器可用的執行個體類型的更多相關資訊，請參閱[RStudioServerPro 執行個體類型](rstudio-select-instance.md)。
**在使用者層級追蹤帳單**
若要使用成本分配標籤在使用者層級追蹤帳單，請參閱[使用成本分配標籤](https://docs.aws.amazon.com/awsaccountbilling/latest/aboutv2/cost-alloc-tags.html)。
# 診斷問題並取得支援
下列各節描述如何診斷 RStudio on Amazon SageMaker AI 的問題。若要取得 RStudio on Amazon SageMaker AI 的支援，請聯絡 Amazon SageMaker AI 支援。如需購買 RStudio 授權或修改授權基座數量的協助，請聯絡 [sales@rstudio.com](mailto:sales@rstudio.com)。
## 升級版本
如果您收到警告，指出您的 RSession 和 RStudioServerPro 應用程式的版本之間不相符，那麼您必須升級 RStudioServerPro 應用程式版本。如需詳細資訊，請參閱[RStudio 版本控制](rstudio-version.md)。
## 檢視指標與日誌
您可以在使用 RStudio on Amazon SageMaker AI 時監控工作流程效能。使用 RStudio 管理儀表板或 Amazon CloudWatch 檢視指標的資料日誌和資訊。
### 從 RStudio 管理儀表板檢視您的 RStudio 日誌
您可以直接從 RStudio 管理儀表板檢視指標和日誌。
1. 登入您的 **Amazon SageMaker AI 網域**。
1. 遵循 [使用 RStudio 管理儀表板](rstudio-admin.md) 的步驟導覽至 RStudio 管理儀表板。
1. 選取**日誌**索引標籤。
### 從 Amazon CloudWatch Logs 檢視您的 RStudio 日誌
Amazon CloudWatch AWS 會即時監控您的 AWS 資源和您在 上執行的應用程式。您可以使用 Amazon CloudWatch 收集和追蹤指標，這些是您可以為您的資源和應用程式測量的變數。若要確保您的 RStudio 應用程式具有 Amazon CloudWatch 許可，您必須包含[Amazon SageMaker AI 網域概觀](gs-studio-onboard.md)中所述的許可。您不需要執行任何設定即可收集 Amazon CloudWatch Logs。
下列步驟示範如何檢視 RSession 的 Amazon CloudWatch Logs。
您可以在 AWS CloudWatch 主控台的 `/aws/sagemaker/studio` 日誌串流中找到這些日誌。
1. 透過 [https://console.aws.amazon.com/cloudwatch/](https://console.aws.amazon.com/cloudwatch/) 開啟 CloudWatch 主控台。
1. 從左側選取 `Logs`。從下拉式選單中，選取 `Log groups`。
1. 在 `Log groups` 畫面上，搜尋 `aws/sagemaker/studio`。選取日誌群組。
1. 在 `aws/sagemaker/studio` `Log group` 畫面上，導覽至 `Log streams` 索引標籤。
1. 若要尋找網域的日誌，請使用下列格式搜尋 `Log streams`：
```
/domain-shared/rstudioserverpro/default
```