Le module complémentaire SageMaker AI Spaces apporte JupyterLab et un éditeur de code gérés à Amazon EKS
Amazon Web Services
Amazon SageMaker AI Spaces, un module complémentaire pour Amazon EKS, permet aux data scientists d'exécuter JupyterLab et l'éditeur de code directement sur le cluster EKS. Cela évite le besoin d'environnements JupyterHub ou d'ordinateurs portables séparés, maintient une utilisation élevée du GPU et peut réduire le temps de configuration de quelques jours à quelques minutes.
Le module complémentaire SageMaker AI Spaces pour Amazon EKS permet d'exécuter des IDE interactifs comme JupyterLab et Code Editor sur des clusters EKS existants, éliminant ainsi le besoin de basculer vers un JupyterHub autonome ou des ordinateurs portables locaux. Cela évite de perdre l'accès aux nœuds GPU, au stockage partagé et aux rôles IAM. Une configuration typique pour un JupyterHub autonome prend de 3 à 5 jours, tandis que le module complémentaire permet à un data scientist de lancer un Space entièrement configuré en environ cinq minutes. La solution s'exécute sur un seul cluster EKS avec des couches pour l'accès réseau, le routage et le calcul/stockage, notamment Route 53, ALB, Traefik, KMS pour le chiffrement JWT, EBS pour les volumes persistants et EFS/FSx pour le stockage partagé. Cette consolidation peut augmenter l'utilisation du GPU jusqu'à 30 pour cent et évite le coût d'un environnement GPU toujours actif qui peut s'élever à des milliers de dollars par mois. L'article explique en détail l'installation du module complémentaire, la mise en place des prérequis tels que les rôles IAM, le contrôleur AWS Load Balancer, le certificat TLS, la clé KMS et la configuration SSM. Les utilisateurs peuvent accéder aux Spaces via une URL pré-signée dans le navigateur ou depuis VS Code via SSH-over-SSM. L'article aborde également la migration des équipes vers la connexion OpenID Connect avec Amazon Cognito.
Source: AWS ML blog —
original