亚马逊AWS官方博客
基于 Amazon SageMaker 创建一套持久的定制化 R 环境
Original URL: https://aws.amazon.com/cn/blogs/machine-learning/creating-a-persistent-custom-r-environment-for-amazon-sagemaker/
Amazon SageMaker是一项全托管服务，可帮助您快速构建、训练以及部署机器学习（ML）模型。Amazon SageMaker消除了机器学习流程各步骤所涉及的繁重工作，极大降低了高质量模型的开发门槛。2019年8月，Amazon SageMaker宣布在全球各服务区域预装R内核。此项功能为开箱即用，同时预安装有reticulate库。该库负责为Amazon SageMaker Python SDK提供R接口，允许您直接从R脚本中调用Python模块。
本文讨论了如何在内置R内核之上，通过Amazon SageMaker创建自定义R环境（内核），以及如何在会话之间实现环境持久化。本文还解释了如何在R环境中安培新的软件包，如何在Amazon Simple Storage Service (Amazon S3)上保存这套新环境，以及如何使用它通过Amazon SageMaker生命周期配置创建新的Amazon SageMaker实例。本文也提供相应bash脚本，供您在创建或启动Amazon SageMaker notebook实例时配置生命周期。
背景介绍
Amazon SageMaker中的R内核以IRKernel 软件包构建而成，该软件包将在Jupyter环境中安装名为 ir且显示名称R的内核。
您可以使用Conda管理这套环境，并安装特定的软件包与依赖项。但在默认情况下，从notebook实例处安装的R内核无法持久至其他notebooke实例的会话当中。每当启动及停止Amazon SageMaker实例时，R内核都会返回其默认环境。
本文将引导大家使用以下资源在Amazon SageMaker中安装R软件包：
- Anaconda Cloud
- CRAN
- Github
在环境创建完成之后，您可以将其保存在实例的Amazon Elastic Block Store (Amazon EBS)存储当中以实现持久化。您也可以将该环境存储在Amazon S3上，并使用它为新的Amazon SageMaker实例构建自定义R环境。关于更多详细信息，请参阅使用生命周期配置脚本定制notebook实例。
创建一个基于R内核的Amazon SageMaker notebook实例
要创建一个基于R内核的Amazon SageMaker notebook实例，请完成以下操作步骤：
- 创建一个notebook实例。
- 当实例状态显示为
In Service时，打开Jupyter。 - 在New下拉菜单中，选择R。
在打开新的notebook后，我们将在notebook区域的右上角看到R徽标。
关于创建基于R内核的Amazon SageMaker notebook实例的更多详细信息，请参阅在Amazon SageMaker notebook实例上使用R代码。
在Amazon SageMaker 的R内核中安装软件包
Amazon SageMaker R内核提供超过140种标准软件包。要获取已安装软件包的清单，您可以在配合R内核的SageMaker notebook中运行以下脚本：
如果您需要安装其他软件包，则可以通过Anaconda Cloud、CRAN归档或者直接通过GitHub进行安装。
通过Anaconda Cloud安装
R软件包的首选安装方法，是从Anaconda Cloud存储库进行安装。您可以通过这种方式访问不同的通道（例如R与Conda Forge），从而安装软件包的特定版本。如果您使用R内核在Amazon SageMaker中执行此项操作，请使用system() 命令以提交conda install命令。
如果大家是在Amazon SageMaker Jupyter bash终端上进行安装，则可使用conda install，如下所示：
但在Amazon SageMaker中，请输入以下代码：
上述代码使用conda-forge 通道，此通道负责安装rJava的0.9_12版本（截至本文发布之时）。但如果您使用以下代码（使用r channel），则其将安装0.9_11版本（截至本文发布之时）：
要搜索特定软件包名称并为您的版本选择正确的通道，请访问Anaconda Cloud网站并搜索对应软件包。R软件包的命名格式为“r-<package_name>”。
Conda是安装软件包的首选方法，而Anaconda Cloud则凭借接入Conda环境最稳定版本的取向成为最佳归档选项。
通过CRAN归档安装
作为Anaconda的替代方案，大家也可以使用综合R归档网络（CRAN）归档完成安装。CRAN归档是一套由FTP与Web服务器组成的网络，分布于世界各地，其中保存有相同的R代码以及说明文档的最新版本。您可以使用此归档文件通过install.packages()在R中安装软件包，以保证安装的是软件包的最新版本。具体参见以下代码：
使用以下代码将该软件包导入您的R代码：
Amazon SageMaker实例使用Amazon Linux AMI，这是一套从与CentOS演变而来的发行版，可用于在Amazon Elastic Compute Cloud (Amazon EC2)实例当中运行Amazon SageMaker。如果您打算直接通过源代码安装软件包，请保证选择正确的操作系统。大家可以在Amazon SageMaker Jupyter bash终端中使用以下脚本检查操作系统：
输出结果如下所示（截至本文发布之时）：
通过 Github安装
您还可以使用devtools与install_github直接从软件包开发者的库中获取内容。具体参见以下代码：
上述代码将安装软件包及其依赖项。但请注意，我们不推荐您将此作为Amazon SageMaker当中的首选软件包安装方法。
在不同会话间实现自定义R环境持久化
在默认情况下，每当您停止及启动Amazon SageMaker实例时，Amazon SageMaker都会启动基础R内核。而在停止实例时，您所安装的所有其他软件包都将丢失，且再次启动实例时又需要重新安装各软件包——很明显，这种方式既费时又麻烦。解决方案是将环境保存在实例的EBS存储之上，并在启动时使用Amazon SageMaker生命周期配置脚本将EBS存储与自定义R内核相对接。关于更多说给诈，请参阅使用生命周期配置脚本实现notebook实例定制化。
本节将概述实现自定义R环境持久化的各个操作步骤。
将环境保存在Amazon SageMaker EBS之上
大家首先需要通过环境克隆操作，将当前环境保存在实例的EBS存储之上。您可以在Amazon Sagemaker Jupyter bash终端中运行以下脚本：
这将在您有权访问的实例EBS上的Amazon SageMaker文件夹下创建一个envs/custom-r 文件夹，具体参见以下截屏内容。
如果您希望稍后在同一Amazon SageMaker实例（注意，并非在其他不同实例中）中使用这套自定义环境，则可跳过生命周期配置部分内容，直接前往本文中的使用自定义R环境启动实例部分。
在Amazon S3中保存环境以创建新的Amazon SageMaker实例
如果需要在创建Amazon SageMaker实例时重复使用同一套自定义R环境（例如在您的开发团队内部），大家可以将该环境以.zip文件形式保存至Amazon S3，并在Create步骤中将其下载至实例当中。您可以在Amazon SageMaker Juypyter bash终端内运行以下脚本：
通过生命周期配置，使用自定义R环境创建新实例
要创建新实例，并在该实例中使用已有的自定义环境，大家需要将.zip环境从Amazon S3引入当前实例。您可以使用生命周期配置脚本在Amazon SageMaker控制台上自动执行此项操作。该脚本将.zip文件从Amazon S3下载至实例EBS上的/SageMaker/文件夹当中、解压该文件、重新创建/envs/文件夹，而后删除冗余文件夹。
- 在Amazon SageMaker控制台的Notebook之下，选择Lifecycle configurations。
- 选择Create Configuration。
- 将其命名为
Custom-R-Env。 - Create notebook选项卡中，输入以下脚本。
- 点击Create Configuration。
通过生命周期配置，使用自定义R环境启动实例
无论是在同一实例中创建自定义R环境并将其克隆至./envs/文件夹，还是在创建实例时从Amazon S3上下载.zip文件，此步骤的具体操作都完全相同。
此脚本将在./evns/文件夹（其中包含自定义R环境）与Anaconda Custom-R-Env环境之间创建一个链接，从而在Amazon SageMaker内核中列出该环境。
- 在Amazon SageMaker控制台的Notebook下，选择Lifecycle configurations。
- 选择Create Configuration。
- 将其命名为
Custom-R-Env(如果您已经在之前的步骤中创建了该配置，则可直接从列表中选定配置并选择Edit)。 - 在Start notebook选项卡上，输入以下脚本：
- 点击Create Configuration (如果要编辑现有配置，则点击Update)。
将生命周期配置指定给Amazon SageMaker实例
在创建notebook实例时，您可以为其指定生命周期配置。关于更多详细信息，请参阅使用生命周期配置脚本定制notebook实例。
要使用您的生命周期配置（Custom-R-Env）创建一个notebook，大家需要在Additional Configuration 部分将该脚本指定给当前notebook。其他操作步骤与创建常规Amazon SageMaker实例相同。
使用自定义R环境
在打开创建该自定义环境的现有实例时，您会看到各相关文件、代码以及/envs/文件夹已经存在。
但如果您创建了一个新实例，并使用生命周期脚本从Amazon S3处提取该环境，则需要完成以下操作步骤：
- 当您的实例状态显示为
In Service时，打开Jupyter。大家可以看到Amazon SageMaker文件中存在一个/envs/文件夹，这就是您的自定义环境。 - 在New下拉菜单当中，选择conda_r_custom-r。
现在，我们已经拥有一个包含自定义R环境的notebook。在此notebook中，我们会在Jupyter环境的右上角看到R徽标，这代表当前内核为R内核，内核名称应为conda_r_custom-r。要测试这套环境，请导入自定义环境中包含的某一套库（例如rJava）。
library(rJava)
现在，您的自定义R环境已经启动并在实例中正常运行，您可以使用reticulate 软件包在R中进行编程了。
结论
本文引导大家为Amazon SageMaker notebook实例创建自定义持久R环境。关于Amazon SageMaker上的R notebooks，请参阅Amazon SageMaker示例GitHub repo。关于创建基于R内核的Amazon SageMaker notebook实例的更多详细信息，请参考在Amazon SageMaker notebook实例上使用R代码博文。关于如何通过R使用Amazon SageMaker更多功能的详细信息，请访问Amazon SageMaker R用户指南。此外，您可以参考AWS机器学习博客获取关于Amazon SageMaker的更多专业扩展资源。