Dieser Artikel gibt einen Überblick über die Codeerfahrung für Datenwissenschaftler in Watson Studio on Cloud Pak for Data 4.6. Wir behandeln die neue verbesserte VS Code Desktop-Integration, JupyterLab- und RStudio-Integration. Mit der Desktop-Integration von VS Code können Datenwissenschaftler eine vertraute IDE verwenden, um Code auszuführen und zu debuggen, der auf dem Cloud Pak for Data-Cluster ausgeführt wird. Dadurch werden in Cloud Pak for Data definierte Berechtigungen und Datenschutzregeln erzwungen, beispielsweise bei der Verwendung integrierter Tools. Wir zeigen, wie die neue Watson Studio-Erweiterung für VS Code die einfache Verbindung mit Python-Laufzeitumgebungen innerhalb von Cloud Pak for Data-Projekten erleichtert. Wir erklären, wie man darin Code entwickelt und ausführt, mit sicherem Zugriff auf Daten im Kontext des Projekts.

Code-Erfahrung in Cloud Pak for Data

Mit Watson Studio auf Cloud Pak for Data unterstützen wir eine Reihe von Tools und IDEs, die in Projekte integriert sind. Datenwissenschaftler können mit Python und R arbeiten und dabei eine breite Palette von Bibliotheken nutzen. Watson Studio-Bibliotheken ermöglichen den Zugriff auf Datenverbindungen und Assets in einem Projekt. Sie ermöglichen auch das Speichern von Modell- oder Datenbeständen im Projekt und bieten Zugriff auf Räume und Kataloge. Das folgende Diagramm zeigt die Optionen für die Verwendung von IDEs mit Git-basierten Projekten auf Cloud Pak for Data.

JupyterLab und RStudio in Watson Studio ermöglichen Benutzern die Zusammenarbeit an Code in Git-basierten Projekten. Sie tauschen Code per Push/Pull zwischen benutzerspezifischen Umgebungen und dem Git Repo des Projekts aus. Sie können auch VS Code, PyCharm, JupyterLab usw. auf ihren Desktops verwenden, um Code zum Git-Repo eines Projekts beizutragen.

Neu in Cloud Pak for Data 4.6 bieten wir eine Watson Studio-Erweiterung für VS Code. Es ermöglicht die Verwendung des VS Code-Desktops als Benutzeroberfläche zum Ausführen und Debuggen von Code in Python-Laufzeitumgebungen in Projekten im Cloud Pak for Data-Cluster. Dies ermöglicht die Nutzung von Rechenleistung und den sicheren Zugriff auf Daten in diesem Zusammenhang. Wie bei der Verwendung integrierter Tools gelten Berechtigungen, Maskierung, Datenschutzregeln usw., die in Cloud Pak for Data definiert sind.

Datenwissenschaftler können Code über das zugehörige Git-Repository des Projekts veröffentlichen. Sie können Release-Tags für das Betriebspersonal oder CI/CD-Pipelines zur Nutzung erstellen. Verbraucher können Code für ein Release-Tag aus dem Repository extrahieren. Sie können es als Codepaket in einen Space auf Cloud Pak for Data importieren und den Code als Job oder Bereitstellung ausführen. Oder sie können den Code nach eigenem Ermessen an anderer Stelle bereitstellen und verwenden.

Notizbücher

Datenwissenschaftler können Notebooks verwenden, um Daten aufzubereiten und zu analysieren, Modelle zu trainieren und zu bewerten sowie Ergebnisse zu visualisieren. Notebooks bestehen aus einer Folge von Codezellen mit Python- oder R-Code, Ausgabezellen für Ergebnisse und Markupzellen zur Erläuterung.

JupyterLab

Für die Entwicklung größerer Mengen Python-Code mit vielen Dateien und/oder Notebooks bettet Watson Studio die JupyterLab-IDE ein. Im Kontext eines Projekts lässt es sich zur Codeverwaltung in das Git-Repository eines Projekts integrieren. Der folgende Bildschirm zeigt ein Notebook in JupyterLab in einem Projekt. Das Notebook enthält Code, der von Insert-to-Code aus der Seitenleiste generiert wurde, um auf ein Datenasset aus dem Projekt zuzugreifen und es anzuzeigen.

Kunden können JupyterLab in Cloud Pak for Data erweitern, indem sie benutzerdefinierte Images erstellen. Sie sind vom Watson Studio JupyterLab/Python-Basisimage abgeleitet und können nach Bedarf JupyterLab-Erweiterungen hinzufügen.

VS-Code

VS Code unterstützt die Python-Entwicklung mit Debugging, Code-Vervollständigung und vielen nützlichen Erweiterungen. Seine Git-Integration ermöglicht die Entwicklung und Bereitstellung von Code von VS Code zu Git-basierten Projekten in Cloud Pak for Data.

Die neue Watson Studio-Erweiterung für VS Code ermöglicht auch die Verbindung zur Python-Laufzeitumgebung in Git-basierten Projekten auf Cloud Pak for Data. Es erstellt eine sichere HTTPS-Verbindung vom Desktop des Benutzers zum Cloud Pak for Data-Cluster. Benutzer können in der vertrauten VS Code-IDE arbeiten. Über diese Benutzeroberfläche können sie ihren Code in Python-Laufzeitumgebungen – wie CPU, GPU, Spark, benutzerdefinierten Umgebungen – auf Cloud Pak for Data ausführen und debuggen. Wenn ihr Code in diesem Kontext ausgeführt wird, kann er die Watson Studio-Projektbibliothek verwenden, um auf Assets und Datenverbindungen innerhalb des Projekts zuzugreifen. Bei Bedarf können sie Laufzeitumgebungskonfigurationen mit großen Mengen an Rechenleistung und Speicher verwenden.

Da der Code des Benutzers im Kontext einer Python-Laufzeitumgebung in einem Projekt in Cloud Pak for Data ausgeführt wird, werden alle in Cloud Pak for Data definierten Berechtigungen, Maskierungen und Datenschutzregeln durchgesetzt.

Benutzer können die Watson Studio-Erweiterung für VS Code vom Cloud Pak for Data-Cluster herunterladen und über die Benutzeroberfläche zur Installation der VS Code-Erweiterung installieren.

Der Benutzer muss die Watson Studio-Erweiterung mit seiner Cloud Pak for Data-Cluster-URL, seinem persönlichen API-Schlüssel usw. konfigurieren.

Jetzt ermöglicht die Watson Studio-Erweiterung dem Benutzer eine Verbindung zu einer neuen oder laufenden Python-Laufzeitumgebung in jedem Git-Projekt, auf das er Zugriff hat. Der Benutzer wählt das zu verwendende Projekt und die Definition der Python-Laufzeitumgebung oder die darin enthaltene Python-Laufzeitumgebung aus.

­

Der Benutzer kann Python-Code direkt in dieser Laufzeitumgebung im Projekt im Cloud Pak for Data-Cluster entwickeln, ausführen und debuggen. Das folgende Bild zeigt das Debuggen von Python-Code, der im Kontext eines Projekts ausgeführt wird und über eine Cloud Pak for Data-Verbindung zu Db2 auf Daten zugreift. Ebenso ist es möglich, auf alle Daten aus einer der vielen anderen Datenquellen zuzugreifen, die Cloud Pak for Data unterstützt. Der Benutzer kann Code festschreiben und in das Git-Repository des Projekts übertragen, um mit Projektmitgliedern zusammenzuarbeiten und Code für die Bereitstellung verfügbar zu machen.

Das Obige funktioniert auch zusammen mit anderen VS Code-Erweiterungen. Beispielsweise können Entwickler GitHub Copilot im Zusammenhang mit der Entwicklung von Code verwenden, der in einer Python-Laufzeitumgebung auf Cloud Pak for Data ausgeführt wird.

Abschluss

Die Desktop-Integration von VS Code mit Python-Laufzeitumgebungen in Projekten trägt wesentlich zum Code-Erlebnis von Cloud Pak for Data bei. Es vereint das Beste von VS Code als führende IDE für Python mit der Möglichkeit, Code im sicheren Kontext von Projekten auf Cloud Pak for Data auszuführen und zu debuggen.

Wir ermutigen jeden, es auszuprobieren und uns Ihre Meinung mitzuteilen:

Cloud Pak for Data 4.6-Dokumente: Watson Studio-Erweiterung für VS-Code

https://www.ibm.com/docs/en/cloud-paks/cp-data/4.6.x?topic=models-visual-studio-code