JupyterLab UI 개요

JupyterLab 는 프로젝트 주피테레터용 웹 기반의 유저 인터페이스로 Adobe Experience Platform과 긴밀하게 통합되어 있습니다. 데이터 과학자들이 Jupiter 노트북, 코드 및 데이터와 함께 작업할 수 있는 인터랙티브한 개발 환경을 제공합니다.

이 문서에서는 JupyterLab 및 해당 기능에 대한 개요와 일반적인 작업을 수행하는 지침을 제공합니다.

JupyterLab on Experience Platform

Experience Platform의 JupiterLab 통합은 아키텍처 변경 사항, 디자인 고려 사항, 사용자 정의된 노트북 확장, 사전 설치된 라이브러리 및 Adobe 테마 인터페이스와 함께 제공됩니다.

다음 목록은 플랫폼의 JupiterLab에만 해당되는 일부 기능에 대해 간략하게 설명합니다.

기능 설명
커널 커널은 다른 프로그래밍 언어로 코드를 실행하고 검사할 수 있는 노트북 및 기타 JupyterLab 프런트 엔드를 제공합니다. Experience Platform 추가 커널을 제공하여 PythonR, PySpark 및 Spark에서 개발을 지원합니다. 자세한 내용은 커널 섹션을 참조하십시오.
데이터 액세스 읽기 및 쓰기 기능을 완벽하게 지원하므로 JupyterLab 내에서 바로 기존 데이터 세트에 액세스할 수 있습니다.
Platform서비스 통합 내장된 통합을 통해 JupyterLab 내에서 직접 다른 Platform 서비스를 이용할 수 있습니다. 지원되는 통합의 전체 목록은 다른 플랫폼 서비스와의 통합의 섹션에 제공됩니다.
인증 JupiterLab의 내장된 보안 모델 이외에도 플랫폼 서비스 간 통신(IMS)을 통해 응용 프로그램과 Experience Platform 간의 모든 상호 작용이 암호화되어 인증됩니다.Adobe Identity Management System
개발 라이브러리 Experience Platform에서 JupyterLab은 Python, R 및 PySpark용 사전 설치된 라이브러리를 제공합니다. 지원되는 라이브러리의 전체 목록은 부록을 참조하십시오.
라이브러리 컨트롤러 사전 설치된 라이브러리가 요구 사항에 맞지 않을 경우 Python 및 R에 추가 라이브러리를 설치할 수 있으며 Platform 무결성을 유지하고 데이터를 안전하게 유지하기 위해 격리된 컨테이너에 임시로 저장할 수 있습니다. 자세한 내용은 커널 섹션을 참조하십시오.
노트

추가 라이브러리는 설치된 세션에만 사용할 수 있습니다. 새 세션을 시작할 때 필요한 추가 라이브러리를 다시 설치해야 합니다.

다른 Platform 서비스와의 통합

표준화 및 상호 운용성은 Experience Platform의 주요 개념입니다. Platform에 포함된 IDE로 JupyterLab을 통합하면 다른 Platform 서비스와 상호 작용할 수 있으므로 Platform을(를) 최대한 활용할 수 있습니다. JupyterLab에서 다음 Platform 서비스를 사용할 수 있습니다.

  • Catalog Service데이터 세트 에 액세스하여 읽기 및 쓰기 기능을 사용하여 데이터 세트를 탐색할 수 있습니다.
  • Query Service: SQL을 사용하여 데이터 세트에 액세스하고 탐색할 수 있으므로 대량의 데이터를 처리할 때 낮은 데이터 액세스 오버헤드를 제공합니다.
  • Sensei ML Framework한 번의 클릭으로 레서피 제작뿐만 아니라 데이터 트레이닝 및 점수 지정 기능을 갖춘 모델 개발
  • Experience Data Model (XDM)Adobe Experience Platform의 이면에는 표준화 및 상호 운용성이 핵심 개념입니다. Adobe 기반의 XDM(Experience Data Model)은 고객 경험 데이터를 표준화하고 고객 경험 관리를 위한 스키마를 정의하는 것입니다.
노트

JupyterLab의 일부 Platform 서비스 통합은 특정 커널로 제한됩니다. 자세한 내용은 커널의 섹션을 참조하십시오.

주요 기능 및 일반 작업

JupyterLab의 주요 기능과 일반적인 작업 수행에 대한 지침은 아래 섹션에 제공됩니다.

액세스 JupyterLab

Adobe Experience Platform의 왼쪽 탐색 열에서 노트북​을 선택합니다. JupyterLab이(가) 완전히 초기화되는 데 약간의 시간이 소요됩니다.

JupyterLab 인터페이스

JupyterLab 인터페이스는 메뉴 막대, 축소 가능한 왼쪽 사이드바 및 문서 및 활동 탭이 포함된 기본 작업 영역으로 구성됩니다.

메뉴 막대

인터페이스 맨 위의 메뉴 모음에는 키보드 단축키와 함께 JupyterLab에서 사용할 수 있는 작업을 표시하는 최상위 메뉴가 있습니다.

  • 파일: 파일 및 디렉토리와 관련된 작업
  • 편집: 문서 및 기타 활동 편집 관련 작업
  • 보기: 의 모양을 변경하는 동작 JupyterLab
  • 실행: 전자 필기장 및 코드 콘솔과 같은 다른 활동에서 코드를 실행하는 작업
  • 커널: 커널 관리를 위한 동작
  • 탭: 열려 있는 문서 및 활동 목록
  • 설정: 일반 설정 및 고급 설정 편집기
  • 도움말: 커널 도움말 JupyterLab 링크 목록

왼쪽 세로 막대

왼쪽 사이드바에 다음과 같은 기능에 대한 액세스를 제공하는 클릭 가능한 탭이 포함되어 있습니다.

  • 파일 브라우저: 저장된 전자 필기장 문서 및 디렉토리 목록
  • 데이터 탐색기: 데이터 세트 및 스키마 찾아보기, 액세스 및 탐색
  • 커널 및 터미널 실행: 종료 가능한 활성 커널 및 터미널 세션 목록
  • 명령: 유용한 명령 목록
  • 셀 관리자: 프레젠테이션용 전자 필기장을 설정하는 데 유용한 도구 및 메타데이터에 대한 액세스를 제공하는 셀 편집기
  • 탭: 열린 탭 목록

탭을 클릭하여 해당 기능을 표시하거나, 확장된 탭을 클릭하여 아래 표시된 대로 왼쪽 사이드바를 축소합니다.

기본 작업 영역

JupyterLab의 기본 작업 영역을 사용하면 문서 및 기타 활동을 탭 패널로 크기를 조절하거나 세분할 수 있습니다. 탭을 마이그레이션하려면 탭을 탭 패널의 가운데로 드래그합니다. 탭을 패널의 왼쪽, 오른쪽, 위쪽 또는 아래쪽으로 드래그하여 패널을 나눕니다.

코드 셀

코드 셀은 전자 필기장의 기본 컨텐츠입니다. 이 파일에는 전자 필기장의 관련 커널의 언어로 된 소스 코드와 코드 셀을 실행한 결과로 출력된 소스 코드가 포함되어 있습니다. 실행 횟수는 실행 순서를 나타내는 모든 코드 셀의 오른쪽에 표시됩니다.

일반적인 셀 작업은 아래에 설명되어 있습니다.

  • 셀 추가: 노트북 메뉴에서 더하기 기호(+)를 클릭하여 빈 셀을 추가합니다. 새 셀은 현재 상호 작용하는 셀 아래에 놓이거나 특정 셀이 포커스가 있는 경우 전자 필기장의 끝에 배치됩니다.

  • 셀 이동: 이동할 셀 오른쪽에 커서를 놓고 셀을 클릭하고 새 위치로 드래그합니다. 또한 한 노트북에서 다른 노트북으로 셀을 이동하면 해당 컨텐트와 함께 셀이 복제됩니다.

  • 셀 실행: 실행할 셀의 본문을 클릭한 다음 ​노트북 메뉴에서 재생 아이콘()을 클릭합니다. 커널이 실행을 처리할 때 셀의 실행 카운터에 별표(*)가 표시되고 완료 시 정수로 대체됩니다.

  • 셀 삭제: 삭제할 셀의 본문을 클릭한 다음 ​스크롤 아이콘을 클릭합니다.

커널

노트북 커널은 노트북 셀을 처리하기 위한 언어별 컴퓨팅 엔진입니다. Python 외에도 JupyterLab은 R, PySpark 및 Spark (Scala)에서 추가 언어 지원을 제공합니다. 전자 필기장 문서를 열면 관련 커널이 실행됩니다. 노트북 셀이 실행되면 커널이 계산을 수행하고 상당한 CPU 및 메모리 리소스를 소모할 수 있는 결과를 생성합니다. 커널이 종료될 때까지 할당된 메모리는 해제되지 않습니다.

아래 표에 설명된 특정 기능과 기능은 특정 커널로 제한됩니다.

커널 라이브러리 설치 지원 Platform 통합
Python
  • Sensei ML Framework
  • Catalog Service
  • Query Service
R
  • Sensei ML Framework
  • Catalog Service
스칼라 아니요
  • Sensei ML Framework
  • Catalog Service

커널 세션

JupyterLab의 각 활성 노트북 또는 활동은 커널 세션을 사용합니다. 왼쪽 사이드바에서 Running terminal 및 kernels 탭을 확장하면 모든 활성 세션을 찾을 수 있습니다. 전자 필기장에 대한 커널의 유형 및 상태는 전자 필기장 인터페이스의 오른쪽 상단을 관찰하여 식별할 수 있습니다. 아래 다이어그램에서 노트북의 관련 커널은 Python3​이고 현재 상태는 오른쪽의 회색 원으로 표시됩니다. 빈 원은 유휴 커널을 의미하며 단색 원은 사용 중인 커널을 의미합니다.

커널이 장기간 종료되거나 비활성 상태인 경우 커널 없음! 단색 원이 표시됩니다. 커널 상태를 클릭하고 아래에 설명된 대로 적절한 커널 유형을 선택하여 커널을 활성화합니다.

시작 관리자

사용자 지정된 Launcher​는 다음을 포함하여 작업을 시작하는 데 도움이 되는 지원되는 커널에 대한 유용한 전자 필기장 템플릿을 제공합니다.

템플릿 설명
비어 있음 빈 전자 필기장 파일입니다.
스타터 샘플 데이터를 사용한 데이터 탐색을 보여 주는 미리 채워진 노트북입니다.
소매 판매 샘플 데이터를 사용하는 소매 영업 레서피가 포함된 미리 채워진 노트북입니다.
레서피 빌더 JupyterLab에서 레서피를 만들기 위한 전자 필기장 템플릿입니다. 레서피 작성 프로세스를 보여 주고 설명하는 코드와 해설이 미리 준비되어 있습니다. 자세한 연습은 전자 필기장에서 레서피 자습서를 참조하십시오.
Query Service 데이터를 규모에 맞게 분석하는 제공된 샘플 워크플로우와 함께 Query Service의 직접 사용을 시연하는 미리 채워진 노트북입니다.JupyterLab
XDM 이벤트 데이터 구조 전체에서 공통적인 기능에 초점을 맞춘 후값 경험 이벤트 데이터에 대한 데이터 탐색을 보여 주는 미리 채워진 노트북입니다.
XDM 쿼리 경험 이벤트 데이터에 대한 샘플 비즈니스 쿼리를 보여 주는 미리 채워진 전자 필기장입니다.
집계 많은 양의 데이터를 작고 관리하기 쉬운 청크로 취합하는 샘플 워크플로우를 보여주는 미리 채워진 노트북입니다.
클러스터링 클러스터링 알고리즘을 사용하여 엔드 투 엔드 머신 러닝 모델링 프로세스를 설명하는 미리 채워진 노트북입니다.

일부 전자 필기장 템플릿은 특정 커널로 제한됩니다. 각 커널에 대한 템플릿 가용성은 다음 표에 매핑됩니다.

비어 있음 스타터 소매 판매 레서피 빌더 쿼리 서비스 XDM 이벤트 XDM 쿼리 집계 클러스터링
Python yes yes yes yes yes yes 아니요 아니요 아니요
R yes yes yes 아니요 아니요 아니요 아니요 아니요 아니요
PySpark 3(Spark 2.4) 아니요 yes 아니요 아니요 아니요 아니요 yes yes 아니요
스칼라 yes yes 아니요 아니요 아니요 아니요 아니요 아니요 yes

론치​를 열려면 파일 > 새 론처​를 클릭합니다. 또는 왼쪽 사이드바에서 파일 브라우저​를 확장하고 더하기 기호(+)를 클릭합니다.

Python/R의 GPU 및 메모리 서버 구성

JupyterLab의 오른쪽 위 모서리에서 톱니바퀴 아이콘을 선택하여 노트북 서버 구성​을 엽니다. 슬라이더를 사용하여 GPU를 켜거나 필요한 메모리 양을 할당할 수 있습니다. 할당할 수 있는 메모리 양은 조직에서 프로비저닝한 양에 따라 다릅니다. 저장할 구성 업데이트​를 선택합니다.

노트

전자 필기장에 대해 조직당 하나의 GPU만 제공됩니다. GPU가 사용 중인 경우 현재 GPU를 출시하도록 예약한 사용자가 이를 해제할 때까지 기다려야 합니다. 이 작업은 4시간 이상 GPU를 유휴 상태로 전환하거나 로그아웃하여 수행할 수 있습니다.

다음 단계

지원되는 각 노트북에 대한 자세한 내용과 사용 방법에 대한 자세한 내용은 Jupiterlab 노트북 데이터 액세스 개발자 안내서를 참조하십시오. 이 안내서에서는 JupiterLab 전자 필기장을 사용하여 데이터 읽기, 쓰기 및 쿼리 등 데이터에 액세스하는 방법에 중점을 둡니다. 데이터 액세스 안내서에는 지원되는 각 노트북에서 읽을 수 있는 최대 데이터 양에 대한 정보도 포함되어 있습니다.

지원되는 라이브러리

Python / R

라이브러리 버전
노트북 6.0.0
요청 2.22.0
순순해 4.0.0
folio 0.10.0
ipywidgets 7.5.1
보케 1.3.1
겐심 3.7.3
이평행 0.5.2
jq 1.6
각선 2.2.4
nltk 3.2.5
판다 0.22.0
pandasql 0.7.3
베개 6.0.0
scikit 이미지 0.15.0
scikit 학습 0.21.3
혈통 1.3.0
스크랩하기 1.3.0
seaborn 0.9.0
stamsmodels 0.10.1
탄성 5.1.0.17
플롯 0.11.5
py-xgboost 0.90
opencv 3.4.1
불꽃 2.4.3
올림픽 1.0.1
wxpython 4.0.6
색칠가 0.3.0
지질학 0.5.1
피쉬 2.1.0
사철 1.6.4
rpy2 2.9.4
r-essentials 3.6
알갱이 1.6_3
r-fpc 2.2_3
r-e1071 1.7_2
r-gam 1.16.1
r-gbm 2.1.5
r-ggthemes 4.2.0
r-gvis 0.4.4
영어 1.2.4.1
벼락 3.0
r-조작 1.0.1
r-rocr 1.0_7
r-rmysql 0.10.17
r-rodbc 1.3_15
r-rsqlite 2.1.2
r-rstan 2.19.2
r-sqldf 0.4_11
생존율 2.44_1.1
r-동물원 1.8_6
r-stringdist 0.9.5.2
r-quadprog 1.5_7
r-rjson 0.2.20
r-forecast 8.7
r-rsolnp 1.16
망사 1.12
r-mlr 2.14.0
r-viridis 0.5.1
r-corrplot 0.84
r-fnn 1.1.3
r-lubridate 1.7.4
r-randomforest 4.6_14
역경 1.2.1
r-tree 1.0_39
피몬고 3.8.0
화살 0.14.1
boto3 1.9.199
ipyvolume 0.5.2
통나무 0.3.2
비단뱀 0.5.4
ipywbrtc 0.5.0
justyter_client 5.3.1
wordcloud 1.5.0
graphviz 2.40.1
python-graphviz 0.11.1
azure-storage 0.36.0
jupyterlab 1.0.4
판다 ml 0.6.1
tensorflow-gpu 1.14.0
nodejs 12.3.0
mock 3.0.5
점막 0.3.3
글꼴 아나콘드 1.0
syncopg2 2.8.3
1.3.7
autovizwidget 0.12.9
알토에어 3.1.0
bega_datets 0.7.0
종소 1.0.1
sql_magic 0.0.4
iso3166 1.0
nbimporter 0.3.1

PySpark

라이브러리 버전
요청 2.18.4
겐심 2.3.0
각선 2.0.6
nltk 3.2.4
판다 0.20.1
pandasql 0.7.3
베개 5.3.0
scikit 이미지 0.13.0
scikit 학습 0.19.0
혈통 0.19.1
스크랩하기 1.3.3
stamsmodels 0.8.0
탄성 4.0.30.44
py-xgboost 0.60
opencv 3.1.0
화살 0.8.0
boto3 1.5.18
azure-storage-blob 1.4.0
python 3.6.7
mkl-rt 11.1

이 페이지에서는

Adobe Summit Banner

A virtual event April 27-28.

Expand your skills and get inspired.

Register for free
Adobe Summit Banner

A virtual event April 27-28.

Expand your skills and get inspired.

Register for free