JupyterLab Información general sobre la IU

JupyterLab es una interfaz de usuario basada en web para Project Jupytery está estrechamente integrada en Adobe Experience Platform. Proporciona un entorno de desarrollo interactivo para que los científicos de datos trabajen con Jupyter Notebooks, código y datos.

Este documento proporciona información general sobre JupyterLab y sus características, así como instrucciones para realizar acciones comunes.

JupyterLab en Experience Platform

La integración de JupyterLab de Experience Platform se acompaña de cambios de arquitectura, consideraciones de diseño, extensiones de bloc de notas personalizadas, bibliotecas preinstaladas y una interfaz temática de Adobe.

La siguiente lista describe algunas de las funciones exclusivas de JupyterLab en Platform:

Función Descripción
Kernels Los kernels proporcionan portátiles y otros JupyterLab front-end de la capacidad de ejecutar e introspeccionar código en diferentes lenguajes de programación. Experience Platform proporciona núcleos adicionales para admitir el desarrollo en Python, R, PySpark y Spark. Consulte la sección kernels para obtener más información.
Acceso a datos Acceda a los conjuntos de datos existentes directamente desde JupyterLab con compatibilidad total con capacidades de lectura y escritura.
Platformintegración de servicios Las integraciones integradas le permiten utilizar otros servicios Platform directamente desde JupyterLab. En la sección Integration with other Platform services se proporciona una lista completa de las integraciones compatibles.
Autenticación Además del modelo de seguridad integrado de JupyterLab, cada interacción entre su aplicación y el Experience Platform, incluida la comunicación de servicio a servicio de Platform, se cifra y autentica a través de Adobe Identity Management System (IMS).
Bibliotecas de desarrollo En Experience Platform, JupyterLab proporciona bibliotecas preinstaladas para Python, R y PySpark. Consulte el apéndice para obtener una lista completa de las bibliotecas admitidas.
Controlador de biblioteca Cuando faltan las bibliotecas preinstaladas para sus necesidades, se pueden instalar bibliotecas adicionales para Python y R, y se almacenan temporalmente en contenedores aislados para mantener la integridad de Platform y mantener los datos seguros. Consulte la sección kernels para obtener más información.
NOTA

Las bibliotecas adicionales solo están disponibles para la sesión en la que se instalaron. Debe volver a instalar las bibliotecas adicionales que necesite al iniciar nuevas sesiones.

Integración con otros Platform servicios

La estandarización y la interoperabilidad son conceptos clave detrás de Experience Platform. La integración de JupyterLab en Platform como un IDE integrado le permite interactuar con otros Platform servicios, lo que le permite utilizar Platform a todo su potencial. Los siguientes Platform servicios están disponibles en JupyterLab:

  • Catalog Service: Acceda y explore conjuntos de datos con funcionalidades de lectura y escritura.
  • Query Service: Acceda y explore conjuntos de datos mediante SQL, lo que proporciona un menor número de sobrecargas de acceso a los datos cuando se trata de grandes cantidades de datos.
  • Sensei ML Framework: Desarrollo de modelos con la capacidad de entrenar y puntuar datos, así como creación de fórmulas con un solo clic.
  • Experience Data Model (XDM): La estandarización y la interoperabilidad son conceptos clave detrás de Adobe Experience Platform. Experience Data Model (XDM), impulsado por el Adobe, es un esfuerzo por estandarizar los datos de experiencia del cliente y definir esquemas para la administración de experiencias del cliente.
NOTA

Algunas Platform integraciones de servicio en JupyterLab se limitan a núcleos específicos. Consulte la sección kernels para obtener más información.

Funciones principales y operaciones comunes

En las secciones siguientes se proporciona información sobre las características clave de JupyterLab e instrucciones para realizar operaciones comunes:

Acceso JupyterLab

En Adobe Experience Platform, seleccione Notebooks en la columna de navegación izquierda. Espere un tiempo para que JupyterLab se inicialice completamente.

JupyterLab interfaz

La interfaz JupyterLab consta de una barra de menús, una barra lateral izquierda contraíble y el área de trabajo principal que contiene pestañas de documentos y actividades.

Barra de menú

La barra de menús de la parte superior de la interfaz tiene menús de nivel superior que exponen las acciones disponibles en JupyterLab con sus métodos abreviados de teclado:

  • Archivo: Acciones relacionadas con archivos y directorios
  • Editar: acciones relacionadas con la edición de documentos y otras actividades
  • Vista: Acciones que modifican el aspecto de JupyterLab
  • Ejecutar: acciones para ejecutar código en diferentes actividades, como blocs de notas y consolas de código
  • Núcleo: Acciones para administrar núcleos
  • Pestañas: una lista de documentos y actividades abiertos
  • Configuración: configuración común y editor de configuración avanzada
  • Ayuda: Una lista de vínculos de ayuda JupyterLab y del núcleo

Barra lateral izquierda

La barra lateral izquierda contiene fichas en las que se puede hacer clic y que proporcionan acceso a las siguientes funciones:

  • Explorador de archivos: lista de documentos y directorios del bloc de notas guardados
  • Explorador de datos: Examinar, acceder y explorar conjuntos de datos y esquemas
  • Ejecución de kernels y terminales: una lista de sesiones activas del núcleo y de los terminales con capacidad para finalizar
  • Comandos: lista de comandos útiles
  • inspector de celdas: editor de celdas que proporciona acceso a herramientas y metadatos útiles para configurar un bloc de notas con fines de presentación.
  • fichas: una lista de fichas abiertas

Seleccione una ficha para exponer sus funciones o seleccione en una ficha expandida para contraer la barra lateral izquierda como se muestra a continuación:

Área de trabajo principal

El área de trabajo principal de JupyterLab le permite organizar documentos y otras actividades en paneles de pestañas que se pueden cambiar de tamaño o subdividir. Arrastre una pestaña al centro de un panel de pestañas para migrar la pestaña. Para dividir un panel, arrastre una ficha a la izquierda, la derecha, la parte superior o la parte inferior del panel:

Configuración de GPU y servidor de memoria en Python/R

En JupyterLab seleccione el icono de engranaje en la esquina superior derecha para abrir la Configuración del servidor de portátiles. Puede activar la GPU y asignar la cantidad de memoria que necesita mediante el control deslizante. La cantidad de memoria que puede asignar depende de cuánto haya proporcionado su organización. Seleccione Update configs para guardar.

NOTA

Solo se proporciona una GPU por organización para portátiles. Si la GPU está en uso, debe esperar a que el usuario que actualmente ha reservado la GPU la libere. Esto se puede hacer cerrando la sesión o dejando la GPU en estado inactivo durante cuatro o más horas.

Finalizar y reiniciar JupyterLab

En JupyterLab, puede finalizar la sesión para evitar que se utilicen más recursos. Comience por seleccionar el icono de energía icono de energía y, a continuación, seleccione Apagar en la ventana emergente que aparece para finalizar la sesión. Las sesiones de bloc de notas finalizan automáticamente después de 12 horas sin actividad.

Para reiniciar JupyterLab, seleccione el icono de reinicio icono de reinicio situado directamente a la izquierda del icono de energía y, a continuación, seleccione Restart en la ventana emergente que aparece.

terminar jupyterlab

Celdas de código

Las celdas de código son el contenido principal de los blocs de notas. Contienen código fuente en el idioma del núcleo asociado al bloc de notas y la salida como resultado de ejecutar la celda de código. Se muestra un recuento de ejecución a la derecha de cada celda de código que representa su orden de ejecución.

A continuación se describen las acciones comunes de las celdas:

  • Agregar una celda: haga clic en el símbolo más (+) del menú del bloc de notas para agregar una celda vacía. Las celdas nuevas se colocan debajo de la celda con la que se está interactuando o al final del bloc de notas si no hay ninguna celda en concreto enfocada.

  • Mover una celda: coloque el cursor a la derecha de la celda que desee mover y, a continuación, haga clic y arrastre la celda a una nueva ubicación. Además, al mover una celda de un bloc de notas a otro, se replica la celda junto con su contenido.

  • Ejecutar una celda: haga clic en el cuerpo de la celda que desea ejecutar y, a continuación, haga clic en el ​​icono de reproducción (▶) del menú del bloc de notas. Se muestra un asterisco (*) en el contador de ejecución de la celda cuando el núcleo está procesando la ejecución y se reemplaza con un número entero al completarse.

  • Eliminar una celda: haga clic en el cuerpo de la celda que desee eliminar y, a continuación, haga clic en el icono de ​​scissoricon.

Kernels

Los núcleos de los portátiles son los motores informáticos específicos del lenguaje para procesar las celdas de los portátiles. Además de Python, JupyterLab proporciona soporte de idioma adicional en R, PySpark y Spark (Scala). Cuando abre un documento de bloc de notas, se inicia el núcleo asociado. Cuando se ejecuta una celda de un bloc de notas, el núcleo realiza el cálculo y produce resultados que pueden consumir importantes recursos de CPU y memoria. Tenga en cuenta que la memoria asignada no se libera hasta que se apaga el núcleo.

Algunas funciones y funcionalidades se limitan a núcleos particulares, como se describe en la siguiente tabla:

Núcleo Compatibilidad con la instalación de bibliotecas Platform integraciones
Python Sí
  • Sensei ML Framework
  • Catalog Service
  • Query Service
R Sí
  • Sensei ML Framework
  • Catalog Service
Scala No
  • Sensei ML Framework
  • Catalog Service

Sesiones del núcleo

Cada bloc de notas o actividad activa en JupyterLab utiliza una sesión del núcleo. Para encontrar todas las sesiones activas, expanda la pestaña Running terminales and kernels desde la barra lateral izquierda. El tipo y estado del núcleo para un bloc de notas se puede identificar observando la parte superior derecha de la interfaz del bloc de notas. En el diagrama siguiente, el núcleo asociado del bloc de notas es Python3 y su estado actual está representado por un círculo gris a la derecha. Un círculo hueco implica un núcleo de ralentí y un círculo sólido implica un núcleo ocupado.

Si el núcleo está apagado o inactivo durante un período prolongado, entonces No Kernel! con un círculo sólido se muestra. Active un núcleo haciendo clic en el estado del núcleo y seleccionando el tipo de núcleo apropiado como se muestra a continuación:

Iniciador

El Iniciador personalizado le proporciona plantillas de bloc de notas útiles para sus núcleos compatibles que le ayudarán a iniciar su tarea, entre las que se incluyen:

Plantilla Descripción
En blanco Un archivo de bloc de notas vacío.
Inicio Un bloc de notas precargado que muestra la exploración de datos mediante datos de ejemplo.
Ventas minoristas Un bloc de notas precargado que presenta la fórmula de ventas minoristas utilizando datos de ejemplo.
Generador de fórmulas Una plantilla de bloc de notas para crear una fórmula en JupyterLab. Está precargada con código y comentarios que muestran y describen el proceso de creación de fórmulas. Consulte el tutorial bloc de notas a fórmula para obtener un tutorial detallado.
Query Service Un bloc de notas precargado que muestra el uso de Query Service directamente en JupyterLab con flujos de trabajo de muestra proporcionados que analizan los datos a escala.
Eventos XDM Un bloc de notas precargado que muestra la exploración de datos en datos de Evento de Experiencia después de un valor, centrado en características comunes en la estructura de datos.
Consultas XDM Un bloc de notas precargado que muestra consultas empresariales de muestra sobre datos de Experience Event.
Agregación Un bloc de notas precargado que muestra flujos de trabajo de ejemplo para acumular grandes cantidades de datos en trozos más pequeños y manejables.
Clustering Un bloc de notas precargado que muestra el proceso de modelado completo del aprendizaje automático mediante algoritmos de agrupación en clúster.

Algunas plantillas de bloc de notas están limitadas a ciertos núcleos. La disponibilidad de plantillas para cada núcleo se asigna en la siguiente tabla:

En blanco Inicio Ventas minoristas Generador de fórmulas Query Service Eventos XDM Consultas XDM Agregación Clustering
Python sí sí sí sí sí sí no no no
R sí sí sí no no no no no no
PySpark 3 (Spark 2.4) no sí no no no no sí sí no
Scala sí sí no no no no no no sí

Para abrir un nuevo Iniciador, haga clic en Archivo > Nuevo Iniciador. También puede expandir el File browser desde la barra lateral izquierda y hacer clic en el símbolo más (+):

Pasos siguientes

Para obtener más información sobre cada uno de los blocs de notas compatibles y cómo utilizarlos, visite la guía para desarrolladores de acceso a los datos de los blocs de notas de Jupyterlab. Esta guía se centra en cómo utilizar los blocs de notas de JupyterLab para acceder a sus datos, incluyendo lectura, escritura y consulta de datos. La guía de acceso a datos también contiene información sobre la cantidad máxima de datos que puede leer cada bloc de notas compatible.

Bibliotecas compatibles

Para obtener una lista de paquetes compatibles con Python, R y PySpark, copie y pegue !conda list en una celda nueva y, a continuación, ejecute la celda. Una lista de paquetes compatibles se rellena en orden alfabético.

ejemplo

Además, se utilizan las siguientes dependencias, pero no se enumeran:

  • CUDA 11.2
  • CUDNN 8.1

En esta página