インストール後にサービスのセットアップを終了するには、該当するタスクを実行します。

オプション・タスク

以下のオプション・タスクを実行して、Watson Studio の機能を拡張することができます。 OpenShift クラスターに適切なパーミッションを持つ必要があります。

タスク ユーザー役割
サービスのスケーリングを設定する プロジェクト管理者
各ユーザーが作成できるプロジェクト数の新しい制限を設定します プロジェクト管理者
マスター・ノードのタイム・ゾーンの設定 システム管理者
Visual Studio Code サポートの有効化 プロジェクト管理者およびシステム管理者
Python ベースのノートブック・ランタイム用の事前トレーニング済み NLP モデルのインストール プロジェクト管理者
Livy を使用した Spark クラスターへの接続 システム管理者
注:

Watson Studio がインストールされ、ファイアウォールの内側で実行されている場合、そのファイアウォールは WebSocket (wss://) 接続を許可するように構成されている必要があります。 ノートブックおよび RStudio を使用する場合は、WebSocket 接続を有効にする必要があります。

各ユーザーが作成できるプロジェクトの数の新しい制限を設定するには

デフォルトでは、各ユーザーが作成できるプロジェクトの数は 200 に制限されています。 この制限は、共通コア・サービス・オペレーターで数値またはストリングとして新しい制限値を指定することによって、増減できます。 <project_limit>を新しい制限値に置き換え、以下を実行します。

oc patch ccs ccs-cr -n ${CPD_INSTANCE_PROJECT} --type merge --patch '{"spec":{"projects_created_per_user_limit": <project_limit>}}'

サービスのインストール後にタイム・ゾーンを設定するには、以下のようにします。

マスター・ノードとは異なるタイム・ゾーンで稼働するリモート・マシンにサービスをインストールする場合、マスター・ノードのタイム・ゾーンはインストーラー・ノードのタイム・ゾーンで上書きされます。 このタイム・ゾーンの矛盾により、スケジュールされたジョブが正しい時刻に実行されなくなります。

  1. タイム・ゾーン configmap を編集し、タイム・ゾーン・ストリングをクラスター・タイム・ゾーンに変更します。

  2. configmap 内の data.masterTimezone を変更し、次のコマンドを使用します。

    oc edit configmap timezone

    マスター・ノードのタイム・ゾーンに関連付けられた tz database code format を追加します。

    注: Red Hat OpenShift Container Platform 4.xを使用している場合は、configmap の `data.masterTimezone` の値として協定世界時 (UTC) タイム・ゾーンを使用します。

  3. 既存のスケジュールがある場合は、UI の「ジョブ詳細」ページに移動し、スケジュールを 1 回編集して、更新されたタイム・ゾーンを選択します。

Visual Studio Code サポートを有効にする

VS Code サポートは、ストレージに関する追加要件があるため、デフォルトでは有効になっていません。 VS Code のサポートは、ws CR をパッチすることによって有効にできます。

oc patch -n ${PROJECT_CPD_INST_OPERANDS} ws/ws-cr --type=merge --patch '{"spec":{"tools":{"enable_vscode":true,"storage_size":"5Gi"}}}'
重要: PVC のサイズは、VS Code を使用してランタイムにアクセスするユーザーの数によって異なります。 インストール済みの拡張機能に使用できる十分なスペースを確保するために、ユーザーごとに少なくとも 500 から 600 MB を割り振ります。

パッチ適用が終了したかどうかを確認するには、次のコマンドを実行します。

cpd-cli manage get-cr-status \
--cpd_instance_ns=${PROJECT_CPD_INST_OPERANDS} \
--components=ws

必要なすべての変更が実行されるまで、5 分から 10 分かかります。

Python ベースのノートブック・ランタイム用の事前トレーニング済み NLP モデルのインストール

Python 3.11 上のランタイム 24.1 および Python 3.12 上のランタイム 25.1 は、デフォルトで Watson Studio とともにインストールされます。

オプションで、以下のコマンドを実行して、Watson Natural Language Processing ライブラリー の事前トレーニング済み NLP モデルをインストールできます。

ランタイムの場合 24.1:

oc patch -n ${PROJECT_CPD_INST_OPERANDS} NotebookRuntime ibm-cpd-ws-runtime-241-py --type=merge --patch '{"spec":{"install_nlp_models":true}}'

ランタイムの場合 25.1:

oc patch -n ${PROJECT_CPD_INST_OPERANDS} NotebookRuntime ibm-cpd-ws-runtime-251-py --type=merge --patch '{"spec":{"install_nlp_models":true}}'

事前トレーニングされた NLP モデルは、以下のオプションのランタイムでもサポートされます。

  • ibm-cpd-ws-runtime-241-pygpu
  • ibm-cpd-ws-runtime-251-pygpu

事前トレーニングされた NLP モデルは大きいため、インストールに時間がかかります。 以下のコマンドを使用して、ノートブック・ランタイムの状況を確認します。

oc get -n ${PROJECT_CPD_INST_OPERANDS} NotebookRuntime

事前トレーニングされた NLP モデルは、ノートブック・ランタイムの状況列が Completedに変わったときにのみ使用できます。

Livy を使用した Spark クラスターへの接続

FIPS 対応の Spark クラスターに接続するために livy を使用する必要がある場合は、sparklyr パッケージをロードする前に、ダイジェスト・パッケージをロードする必要があります。 ダイジェスト・パッケージをロードするには、次のコマンドを実行します。

重要: ダイジェスト・パッケージをロードすると、RStudio は FIPS 準拠ではなくなります。
library(digest, lib.loc='/opt/not-FIPS-compliant/R/library')
library(sparklyr)