0 / 0
영어 버전 문서로 돌아가기
환경 템플리트 사용자 정의
환경 템플리트 사용자 정의

환경 템플리트 사용자 정의

프로젝트의 관리자 또는 편집자로, 사용자가 작성한 환경 템플리트의 이름, 설명 및 하드웨어 구성을 변경할 수 있습니다. 기존 환경 템플리트의 언어를 변경할 수 없습니다.

Conda 채널을 통해 또는 파이프를 사용하여 Jupyter 노트북 환경 템플리트의 소프트웨어 구성을 사용자 정의할 수 있습니다. 이는 conda 패키지 목록, pip 패키지 목록 또는 이들 조합을 제공하여 수행할 수 있습니다. conda 패키지 사용 시 패키지를 확보할 수 있는 추가 conda 채널 위치 목록을 제공할 수도 있습니다.

작성한 Spark 환경 템플리트의 소프트웨어 구성을 사용자 정의할 수 없습니다.

작성한 환경 템플리트를 사용자 정의하려면 다음을 수행하십시오.

  1. 프로젝트의 관리 탭에서 환경 페이지를 클릭하십시오.
  2. 활성 런타임 섹션에서 변경하려는 환경 템플리트에 대해 활성인 런타임이 없는지 확인하십시오.
  3. 환경 템플리트 섹션에서 사용자 정의할 환경 템플리트를 클릭하십시오.
  4. 변경을 수행하십시오.

    주문자 노트북 환경 템플리트의 경우, 사용자 정의를 작성하도록 선택하고 기본적으로 사용 가능한 표준 패키지에 추가할 라이브러리를 지정하십시오. 또한 사용자 정의를 사용하여 표준 소프트웨어 구성의 일부인 패키지를 업그레이드하거나 다운그레이드할 수도 있습니다.

    사용자 정의를 통해 환경 템플리트에 추가되는 라이브러리는 지속되지 않습니다. 그러나 환경 런타임이 시작될 때마다 자동으로 설치됩니다. 사용자 정의를 수행하지 않고 노트북 셀을 통해 pip install을(를) 사용하여 라이브러리를 추가하는 경우, 사용자만 이 라이브러리를 사용할 수 있습니다. 동일한 환경 템플리트를 사용하는 다른 사용자는 라이브러리를 사용할 수 없습니다.

    원하면 제공된 템플리트를 사용하여 사용자 정의 라이브러리를 추가할 수 있습니다. Python 및 R에 대해 다른 템플리트가 있습니다. 다음 예제는 Python 패키지를 추가하는 방법을 보여줍니다.

    # Modify the following content to add a software customization to an environment.
    # To remove an existing customization, delete the entire content and click Apply.
    
    # Add conda channels below defaults, indented by two spaces and a hyphen.
    channels:
      - defaults
    
    # To add packages through conda or pip, remove the comment on the following line.
    # dependencies:
    
    # Add conda packages here, indented by two spaces and a hyphen.
    # Remove the comment on the following line and replace sample package name with your package name:
    #  - a_conda_package=1.0
    
    # Add pip packages here, indented by four spaces and a hyphen.
    # Remove the comments on the following lines  and replace sample package name with your package name.
    #  - pip:
    #    - a_pip_package==1.0
    

    사용자 정의할 때 중요:

    • 패키지를 사용자 정의하기 전에 계획 중인 변경사항이 원하는 효과를 내는지 확인하십시오.
      • conda는 실제로 설치하지 않고 지정된 패키지 설치에 필요한 변경사항을 보고할 수 있습니다. 노트북에서 변경사항을 확인할 수 있습니다. 예를 들어, 고정 라이브러리의 경우 다음과 같습니다.
        • Python 노트북에서 !conda install --dry-run plotly을(를) 입력하십시오.
        • R 노트북에서 다음을 입력하십시오. print(system2("conda", args=c("install","--dry-run","r-plotly"), stdout=TRUE))
      • pip는 패키지를 설치합니다. 그러나 확인 후 런타임을 다시 다시 시작하면 패키지가 제거됩니다. 여기에서도 노트북의 변경사항을 확인합니다. 예를 들어, 고정 라이브러리의 경우 다음과 같습니다.
        • Python 노트북에서 !pip install plotly을(를) 입력하십시오.
        • R 노트북에서 다음을 입력하십시오. print(system2("pip", args="install plotly", stdout=TRUE))
    • 기본 채널에서 conda를 통해 그리고 PyPI의 pip를 통해 패키지를 확보할 수 있는 경우, 선호하는 방법은 기본 채널의 conda를 통하는 것입니다.
    • Conda는 사용자 정의에 많은 패키지를 추가하는 경우 메모리가 집약적일 수 있는 패키지를 설치할 때 종속성 검사를 수행합니다. 런타임을 시작할 때 종속성 확인이 가능하도록 RAM이 충분한 환경을 선택하는지 확인하십시오.
    • 한 Conda 채널의 패키지만 원하는 경우 불필요한 종속성 검사를 방지하려면 템플리트에 있는 채널 목록에서 defaults를 제거하고 nodefaults를 추가하여 기본 채널을 제외하십시오.
    • Anaconda 기본 채널 외에도 Anaconda의 R 채널에서도 R을 위한 많은 패키지들이 발견될 수 있습니다. R 환경에서 이 채널은 이미 기본 채널의 일부이므로 별도로 추가할 필요가 없습니다.
    • Pip를 통해서만 패키지를 추가하거나 사용자 정의 템플리트에 대해 conda를 통해서만 패키지를 추가하는 경우, dependencies 이 템플리트에서 주석 처리되지 않았는지 확인해야 합니다.
    • 패키지 버전을 지정하는 경우 conda 패키지의 경우 단일 =를 사용하고 pip 패키지의 경우 ==를 사용하십시오. 가능한 곳이면 어디서나 버전 번호를 지정하십시오. 그러면 설치 시간 및 메모리 소요량이 현저히 감소합니다. 버전을 지정하지 않으면 패키지 관리자가 사용 가능한 최신 버전을 선택하거나 패키지에서 사용 가능한 버전을 유지할 수 있습니다.
    • 노트북 확장은 미리 설치되어야 하므로 사용자 정의로서 임의의 노트북 확장을 추가할 수 없습니다.
  5. 변경사항을 적용하십시오.

자세히 보기

상위 주제: 계산 자원 관리