Amazon SageMaker Studio รองรับการจัดทำดัชนี SOCI เพื่อให้เริ่มต้นคอนเทนเนอร์ได้อย่างรวดเร็วขึ้น
วันนี้ AWS ประกาศการรองรับการจัดทำดัชนี SOCI (Seekable Open Container Initiative) สำหรับ Amazon SageMaker Studio ซึ่งจะลดเวลาเริ่มต้นคอนเทนเนอร์ลง 30-50% เมื่อใช้อิมเมจที่กำหนดเอง Amazon SageMaker Studio เป็นสภาพแวดล้อมที่ใช้เบราว์เซอร์ซึ่งผสานการทำงานอย่างสมบูรณ์สำหรับการพัฒนาแมชชีนเลิร์นนิงแบบครบวงจร SageMaker Studio ให้บริการอิมเมจคอนเทนเนอร์ที่สร้างไว้ล่วงหน้าสำหรับเฟรมเวิร์ก ML ยอดนิยม เช่น TensorFlow, PyTorch และ Scikit-learn ช่วยให้ตั้งค่าสภาพแวดล้อมได้อย่างรวดเร็ว แต่เมื่อจำเป็นต้องปรับแต่งสภาพแวดล้อมให้เหมาะสมกับกรณีการใช้งานที่เฉพาะเจาะจง โดยเพิ่มไลบรารี การขึ้นต่อกัน หรือการกำหนดค่าเพิ่มเติม นักวิทยาศาสตร์ข้อมูลสามารถสร้างและลงทะเบียนอิมเมจคอนเทนเนอร์ที่กำหนดเองด้วยส่วนประกอบที่กำหนดค่าไว้ล่วงหน้าให้สอดคล้องกันในทุกโปรเจกต์ เมื่อเวิร์กโหลด ML มีความซับซ้อนมากขึ้น อิมเมจคอนเทนเนอร์กำหนดเองเหล่านี้จะใหญ่ขึ้นไปด้วย ส่งผลให้ต้องใช้เวลาหลายนาทีในการเริ่มต้นระบบ กลายเป็นปัญหาคอขวดในการพัฒนาซ้ำ ML ซึ่งมีกุญแจสำคัญอยู่ที่การทดลองอย่างฉับไวและการสร้างต้นแบบอย่างรวดเร็ว
การจัดทำดัชนี SOCI ตอบโจทย์นี้โดยทำให้สามารถโหลดอิมเมจคอนเทนเนอร์แบบ Lazy Loading ได้ โดยดาวน์โหลดเฉพาะส่วนประกอบที่จำเป็นเพื่อเริ่มแอปพลิเคชัน แล้วจึงโหลดไฟล์อื่นๆ เพิ่มเติมตามความต้องการ แทนที่จะรอหลายนาทีให้ดาวน์โหลดอิมเมจกำหนดเองจนเสร็จ ผู้ใช้สามารถเริ่มทำงานจริงได้ในไม่กี่วินาทีในขณะที่สภาพแวดล้อมดำเนินการเริ่มต้นระบบให้เสร็จสมบูรณ์อยู่เบื้องหลัง หากต้องการใช้การจัดทำดัชนี SOCI ให้สร้างดัชนี SOCI สำหรับอิมเมจคอนเทนเนอร์กำหนดเองของคุณโดยใช้เครื่องมือเช่น Finch CLI, nerdctl หรือ Docker ด้วย SOCI CLI พุชอิมเมจที่จัดทำดัชนีไปยัง Amazon Elastic Container Registry (ECR) และอ้างอิง URI ดัชนีอิมเมจเมื่อสร้างทรัพยากรอิมเมจใน SageMaker
การจัดทำดัชนี SOCI พร้อมให้ใช้งานแล้วใน AWS Region ทุกแห่งที่ Amazon SageMaker Studio ให้บริการ เรียนรู้เพิ่มเติมเกี่ยวกับการใช้การจัดทำดัชนี SOCI สำหรับอิมเมจที่กำหนดเองใน SageMaker Studio ของคุณได้โดยดูที่หัวข้อนำอิมเมจ SageMaker ของคุณมาเองในคู่มือนักพัฒนา Amazon SageMaker