Jupyter 工作空间

最后更新于

最新版本的 BayesGear 将使用「Jupyter 工作空间」(后面也会直接称为「工作空间」)替换原有的「JupyterLab」,「Jupyter 工作空间」是对原有的「JupyterLab」的改进:

  • 所启动的依然是一个 JupyterLab 为入口的交互式环境,其体验与原来的「JupyterLab」没有任何区别。
  • 提供了「重启」的流程,即不再像原来的「JupyterLab」一样,每次启动(继续执行)后会创建一个新的执行。避免了「继续执行」导致的存储规模翻倍的问题。也易于新手用户理解
  • 每次启动都会绑定自己之前的「输出」内容,不再允许启动时更换绑定;但启动时依然可以对「算力」、「运行时环境」(镜像)、只读数据绑定(input 绑定)等配置做调整。

Jupyter 工作空间的创建

和之前创建「JupyterLab」的流程一样,只是在选择「接入方式」时,不再有原有的「JupyterLab」而是新的「工作空间」了:

在创建执行时的「数据绑定」阶段,「工作空间」依然可以做数据绑定,和「Python 脚本执行」以及之前的「JupyterLab」行为是一致的,文档见「数据绑定」

执行启动后,其界面与「JupyterLab」是一致的:

Jupyter 工作空间的重启

在「工作空间」关闭之后可以再次启动。目前工作空间支持两种模式的启动:「快速启动」和「修改配置并启动」。

快速启动

点击页面上的「启动」进行快速启动,默认保留上一次执行的「数据绑定」「算力」「运行时环境」(镜像),并自动绑定上一次运行时「输出」的数据。

修改配置并启动

如果需要修改配置可以点击「启动」右侧的箭头:

之后可以按照流程修改算力、运行时环境(镜像)、数据绑定等信息。

Jupyter 工作空间的限制

「工作空间」作为一个长时间周期的执行,其内部的数据存储与原有的「JupyterLab」不同。其创建后对应的数据绑定在其删除之前会长时间绑定,而不像之前每次关闭后释放。因此每个用户所能保留的「工作空间」是有限的。在设置 - 资源使用状况 - 额度限制中可以看到账号所能创建的「工作空间」个数。

当创建「工作空间」个数达到该上限后删除不再需要的「工作空间」才能创建新的。

是否还可以创建老版本的 JupyterLab?

「工作空间」为全平台自动开启。在更新之后,用户就不再能够创建老版本的「JupyterLab」了,如果希望迁移到新的「工作空间」只需要在创建「工作空间」时绑定原有的「输出」即可。