Come posso risolvere i problemi che si verificano quando utilizzo un'immagine personalizzata per il mio ambiente JupyterLab di SageMaker Studio?
Desidero risolvere i problemi che si verificano quando utilizzo un'immagine personalizzata per creare il mio ambiente Amazon SageMaker Studio JupyterLab.
Risoluzione
Nota: se ricevi errori quando esegui i comandi dell'Interfaccia della linea di comando AWS (AWS CLI), consulta Risoluzione degli errori per AWS CLI. Inoltre, assicurati di utilizzare la versione più recente di AWS CLI.
Verifica le autorizzazioni
Le policy IAM personalizzate degli utenti di SageMaker Studio devono includere l'autorizzazione sagemaker.ListImage per creare spazi, visualizzare ed elencare immagini.
Utilizza l'istruzione Dockerfile WORKDIR
Il volume Amazon Elastic Block Store (Amazon EBS) associato a SageMaker Studio è montato in /home/sagemaker-user. Non puoi cambiare il percorso di montaggio. Per assicurarti che l'immagine personalizzata funzioni all'interno di /home/sagemaker-user, aggiungi l'istruzione Dockerfile WORKDIR in una sottocartella all'interno di /home/sagemaker-user per impostare la directory di lavoro dell'immagine. Per ulteriori informazioni, consulta WORKDIR sul sito web Dockerdocs.
Nota: non utilizzare le directory riservate /opt/.sagemakerinternal, /opt/ml o /var/log/studio nelle immagini personalizzate. SageMaker AI utilizza queste directory per archiviare i metadati e i log.
Controlla la configurazione del Dockerfile
Il seguente esempio di file Docker installa i pacchetti Python e imposta l'ambito per gli utenti senza autorizzazioni:
FROM public.ecr.aws/amazonlinux/amazonlinux:2 ARG NB_USER="sagemaker-user" ARG NB_UID="1000" ARG NB_GID="100" RUN yum install —assumeyes python3 shadow-utils && \ useradd —create-home —shell /bin/bash —gid "${NB_GID}" —uid ${NB_UID} ${NB_USER} && \ yum clean all && \ python3 -m pip install jupyterlab RUN python3 -m pip install —upgrade pip RUN python3 -m pip install —upgrade urllib3==1.26.6 USER ${NB_UID} CMD jupyter lab —ip 0.0.0.0 —port 8888 \ --ServerApp.base_url="/jupyterlab/default" \ --ServerApp.token='' \ --ServerApp.allow_origin='*'
Analizza i log
Se il problema persiste quando crei o avvii l'immagine personalizzata, controlla i log di SageMaker AI Studio in Amazon CloudWatch Logs. Individua i messaggi di errore nel gruppo di log /aws/sagemaker/studio e nel flusso di log domain-id/app-name/JupyterLab/default.
Risolvi il problema in base al messaggio di errore che trovi nei log.
Risolvi il messaggio di errore "NotFoundError"
Quando le specifiche Docker dell'ID utente (UID) e dell'ID di gruppo (GID) e le definizioni delle immagini personalizzate non corrispondono, ricevi il seguente messaggio di errore:
"NotFoundError: SageMaker is unable to launch the app using the image [Image ARN]. Ensure that the UID/GID provided in the AppImageConfig matches the default UID/GID defined in the image."
Il file system supporta il nome utente sagemaker-user. SageMaker supporta un UID di 1000 e un GID di 100. Quando crei il Dockerfile, imposta UID su 1000 e GID su 100. Se necessario, concedi l'autorizzazione sudo agli utenti.
Per risolvere il problema, completa i seguenti passaggi:
-
Dopo aver creato l'immagine, esegui questo comando per verificare la configurazione utente:
docker run -it $IMAGE_URIOutput atteso:
UID=1000(sagemaker-user) GID=100(sagemaker-user) groups=100(sagemaker-user) -
Assicurati che il Dockerfile includa la configurazione necessaria per avviare un server JupyterLab. Aggiungi la seguente istruzione Dockerfile CMD al file:
CMD jupyter lab —ip 0.0.0.0 —port 8888 \ —ServerApp.base_url="/jupyterlab/default" \ —ServerApp.token='' \ —ServerApp.allow_origin='*'```Nota: per ulteriori informazioni sull'istruzione CMD, consulta CMD sul sito web Dockerdocs.
-
Esegui il comando AWS CLI describe-app-image-config per verificare che l'impostazione AppImageConfig dell'immagine personalizzata abbia l'UID e il GID corretti:
aws sagemaker describe-app-image-config —app-image-config-name APP-CONFIG-NAMENota: sostituisci APP-CONFIG-NAME con il nome di configurazione dell'immagine della tua app. Puoi inoltre utilizzare la console SageMaker AI per visualizzare la configurazione dell'immagine dell'app.
Risolvi il messaggio di errore "ContainerExecutionFailedError"
Se il Dockerfile non ha le configurazioni richieste quando utilizzi JupyterLab con SageMaker Studio, potresti ricevere il seguente messaggio di errore:
"Creating JupyterLab application for space: hc-test-new ContainerExecutionFailedError: SageMaker is unable to launch the app because the container entrypoint for image [43xxxxx0.dkr.ecr.eu-central-1.amazonaws.com/jupyterlab-custom-hc@sha256:bae93f0342ba56624b132159354a22d540d65d200a0624dae637a4c005b66789] is not configured correctly. Please change the entrypoint for the image or use a different image to launch the app. Output: [App container prematurely exited with status [exited], exit code [1], and error []."
Per risolvere il problema, aggiungi le seguenti configurazioni richieste al Dockerfile:
-
Utilizza un'immagine base che includa Python 3.x.
-
Esegui questo comando per installare JupyterLab:
pip install jupyterlab -
Imposta le seguenti variabili di ambiente obbligatorie:
ENV SHELL=/bin/bash ENV NB_USER=sagemaker-user ENV NB_UID=1000 ENV NB_GID=100 -
Se non hai già un utente SageMaker, esegui questo comando per crearne uno:
useradd -m -s /bin/bash -N -u ${NB_UID} ${NB_USER} -
Esegui questo comando per impostare la directory di lavoro:
WORKDIR ${HOME} -
Esegui questo comando per impostare l'utente:
USER ${NB_USER} -
Esegui questo comando per impostare il punto di ingresso per eseguire JupyterLab:
ENTRYPOINT ["jupyter-lab"]CMD ["—ServerApp.ip=0.0.0.0", "—ServerApp.port=8888", "—ServerApp.allow_origin=*", "—ServerApp.token=''", "—ServerApp.base_url=/jupyterlab/default"]
Risolvi il messaggio di errore "400 ResourceNotFound"
Se c'è una mancata corrispondenza dell'immagine in SageMaker Studio, potresti ricevere il seguente messaggio di errore:
"[400] ResourceNotFound: Image with ARN arn:aws:sagemaker:us-east-1:123456789:image/codeeditor-image"
L'errore precedente può verificarsi per i seguenti motivi:
- Hai eliminato la versione precedente dell'immagine ma non l'hai prima scollegata da SageMaker Studio.
- Il nome della risorsa Amazon (ARN) dell'immagine nelle impostazioni del dominio non corrisponde alle versioni dell'immagine disponibili.
- La versione dell'immagine di riferimento non esiste più nell'account AWS.
Per risolvere il problema, intraprendi le seguenti azioni:
- Verifica che la versione dell'immagine esista nell'account.
- Assicurati di aver collegato correttamente l'immagine a SageMaker Studio.
- Esegui questo comando update-domain per aggiornare all'ultima immagine di SageMaker Studio:
Nota: sostituisci example-domain-name, example-image-name, example-image-version-number e example-domain-app-config-name con i valori della tua configurazione.aws sagemaker update-domain \ --domain-id example-domain-name \ --default-user-settings '{ "JupyterLabAppSettings": { "CustomImages": [ { "ImageName": "example-image-name", "ImageVersionNumber": example-image-version-number, "AppImageConfigName": "example-domain-app-image-config-name" } ] }, "CodeEditorAppSettings": { "CustomImages": [ { "ImageName": "cbi-ds-sagemaker-base-code-editor-v1-image", "AppImageConfigName": "example-domain-app-image-config-name" } ] } }'
Informazioni correlate
- Argomenti
- Machine Learning & AI
- Lingua
- Italiano
