Gestión de entornos
Puede realizar tareas de administración de entornos, como crear o personalizar una plantilla de entorno, detener tiempos de ejecución y promover entornos a un espacio de implementación. Debes tener el rol de administrador o editor en un proyecto.
- Cambiar la plantilla de entorno de un cuaderno
- Promocionar una plantilla de entorno a un espacio
- Detener tiempos de ejecución activos
- Actualizar y eliminar definiciones de tiempo de ejecución personalizadas
- Migrar plantillas de entorno personalizadas de Runtime 24.1 a Runtime 25.1
Modificación del entorno de un cuaderno
Puede cambiar entornos por distintos motivos, por ejemplo, puede:
- Seleccionar un entorno con más potencia de proceso o más RAM
- Cambiar de un entorno sin Spark a un entorno de Spark
Solo puede cambiar el entorno de un cuaderno si el cuaderno está desbloqueado. Puede cambiar el entorno:
En el cuaderno abierto en modalidad de edición:
- Guarde sus cambios del cuaderno.
- Haga clic en el icono Información del cuaderno (
) de la barra de herramientas del cuaderno y, a continuación, haga clic en Entorno. - Seleccione otra plantilla con la potencia de cálculo y la capacidad de memoria de la lista.
- Seleccione Cambiar entorno. Esto detiene el tiempo de ejecución activo e inicia el entorno que acaba de seleccionar.
Desde la página Activos de su proyecto:
- Seleccione el cuaderno en la sección Cuadernos, pulse Acciones > Cambiar entorno y seleccione otro entorno. El kernel debe estar detenido para poder cambiar el entorno. La próxima vez que se abra el cuaderno para edición, se creará una instancia de este nuevo entorno de ejecución.
Promoción de una plantilla de entorno a un espacio
Si ha creado una plantilla de entorno y la ha asociado con un activo que ha promocionado a un espacio de despliegue, también puede promocionar la plantilla de entorno al mismo espacio. La promoción de la plantilla de entorno en el mismo espacio permite ejecutar el activo en el mismo entorno que se ha utilizado en el proyecto.
Solo puede promocionar las plantillas de entorno que ha creado. Sin embargo, no se puede promocionar una plantilla de entorno personalizada si utiliza una imagen de tiempo de ejecución personalizada. En esta situación, debe utilizar una imagen independiente para Watson Machine Learning creada por un administrador.
Para promocionar una plantilla de entorno asociada a un activo que ha promocionado a un espacio de implementación:
- En la pestaña Administrar de tu proyecto, en la página Entornos, en Plantillas, selecciona la plantilla de entorno personalizada y haz clic en Acciones > Promocionar.
- Seleccione el espacio al que ha promocionado su activo como espacio de implementación de destino y, si lo desea, añada una descripción y etiquetas.
Detención de entornos de tiempo de ejecución activos
Los tiempos de ejecución del cuaderno de Jupyter se inician por usuario y no por cuaderno. Al detener el kernel de un cuaderno, no se detiene el tiempo de ejecución del entorno en el que se inicia el kernel, ya que es posible que haya otros cuadernos iniciados en el mismo entorno. Solo detenga el tiempo de ejecución de un cuaderno si está seguro de que no hay otros núcleos de cuaderno activos.
Solo los tiempos de ejecución que se inician para trabajos se cierran automáticamente una vez finalizado el trabajo programado. Por ejemplo, si programa la ejecución de un cuaderno una vez al día durante dos meses, la instancia de tiempo de ejecución se activa todos los días mientras dura el trabajo programado y se desactiva de nuevo una vez finalizado el trabajo.
Los usuarios del proyecto con rol de Administrador pueden detener todos los tiempos de ejecución del proyecto. Los usuarios que se añaden al proyecto con el rol de editor pueden detener los tiempos de ejecución que ellos mismos han iniciado, pero no pueden detener los tiempos de ejecución de otros usuarios del proyecto. Los usuarios que se añaden al proyecto con el rol de espectador no pueden ver los tiempos de ejecución del proyecto.
Puede detener los tiempos de ejecución en Herramientas de tiempo de ejecución, en la página Entornos de la pestaña Administrar de su proyecto.
Tiempos de espera de inactividad predeterminados
Si no detienes un tiempo de ejecución activo cuando ya no lo necesitas, se detendrá automáticamente tras un tiempo de inactividad definido.
La siguiente tabla muestra los valores predeterminados del tiempo de espera de inactividad para los tiempos de ejecución por herramienta y tipo de tiempo de ejecución.
| Herramienta | Tiempo de espera de inactividad en tiempo de ejecución |
|---|---|
| Editor de cuaderno de Jupyter | Tiempo de ejecución de CPU y GPU: 18 horas. Tiempo de ejecución de Spark: 30 minutos |
| JupyterLab | Tiempo de ejecución de CPU y GPU: 18 horas. Tiempo de ejecución de Spark: 30 minutos |
| RStudio | 2 horas |
| SPSS Modeler | 15 minutos |
Los administradores de clústeres pueden desactivar el tiempo de espera de inactividad predeterminado para los tiempos de ejecución de CPU y GPU y Rstudio. Para obtener más información, consulte Desactivación del tiempo de espera predeterminado de la CPU y la GPU.
Cambiar este tiempo de espera de inactividad no afecta a los trabajos. Solo se aplica al contenido interactivo.
Migración de plantillas de entorno personalizadas de Runtime 24.1 a Runtime 25.1
En Runtime 25.1, en lugar de una combinación de entornos conda virtuales y conda gestor de paquetes, se utiliza una combinación de entornos virtuales Python y pip gestor de paquetes.
Si utiliza los paquetes predeterminados de un tiempo de ejecución, no notará ningún cambio. Sin embargo, si ha realizado algún tipo de personalización de paquetes (dentro de un cuaderno o a través de un entorno personalizado) en una plantilla de entorno basada en Runtime 24.1 y que utiliza conda, deberá migrarla antes de que se elimine Runtime 24.1.
Paquetes adicionales que se instalan en un cuaderno
| Antes | Después | Notas |
|---|---|---|
Estás utilizando pip para instalar paquetes adicionales |
No se requieren cambios | N/A |
Estás utilizando conda para instalar paquetes python adicionales |
Busca el paquete equivalente en PyPI y utiliza pip para instalarlo. |
Si el pip paquete requiere bibliotecas de sistema adicionales que no están incluidas en el paquete y que no se encuentran en las imágenes predeterminadas, recomendamos comprobar primero si existe una alternativa viable que no tenga requisitos adicionales para las bibliotecas de sistema. Si eso no es posible, ponte en contacto con el servicio de asistencia de IBM. |
Estás utilizando conda para instalar paquetes R adicionales |
Ya no se admite la instalación de paquetes R adicionales. |
Póngase en contacto con el servicio de asistencia de IBM si su caso empresarial requiere paquetes R adicionales. |
Paquetes adicionales que se instalan utilizando entornos personalizados
| Antes | Después | Notas |
|---|---|---|
Solo utilizaste la pip sección del conda.yaml |
Convertir a requirements.txt formato |
No se requieren cambios, salvo el cambio de formato. Ver ejemplo |
Tienes python entradas de paquetes fuera de la pip sección |
Busca sustitutos PyPI para conda los paquetes y añádelos a requirements.txt |
Si el pip paquete requiere bibliotecas de sistema adicionales que no están incluidas en el paquete y que no se encuentran en las imágenes predeterminadas, recomendamos comprobar primero si existe una alternativa viable que no tenga requisitos adicionales para las bibliotecas de sistema. Si eso no es posible, ponte en contacto con el servicio de asistencia de IBM. |
Tienes R entradas de paquetes fuera de la pip sección |
Ya no se admite la instalación de paquetes R adicionales. |
Póngase en contacto con el servicio de asistencia de IBM si su caso empresarial requiere paquetes R adicionales. |
Requisitos de traslado de conda.yaml a requirements.txt
Para mover los requisitos de conda.yaml a requirements.txt, extraiga todos los paquetes de la pip sección y, a continuación, enuméralos en el requirements.txt archivo (un paquete por línea):
Antiguo: conda.yaml
dependencies:
- pip:
- pandas==1.5.0
- numpy==1.23.0
- scikit-learn==1.1.0
Nuevo: requirements.txt
pandas==1.5.0
numpy==1.23.0
scikit-learn==1.1.0