Questo articolo offre una panoramica dell'esperienza di codice per i data scientist in Watson Studio su Cloud Pak for Data 4.6. Copriamo la nuova integrazione migliorata di VS Code Desktop, l'integrazione di JupyterLab e RStudio. L'integrazione desktop VS Code consente ai data scientist di utilizzare un IDE familiare per eseguire ed eseguire il debug del codice che viene eseguito nel cluster Cloud Pak for Data. Ciò applica le autorizzazioni e le regole sulla privacy definite in Cloud Pak for Data, come quando si utilizzano strumenti integrati. Mostriamo come la nuova estensione Watson Studio per VS Code semplifichi la connessione agli ambienti di runtime Python all'interno dei progetti Cloud Pak for Data. Spieghiamo come sviluppare ed eseguire il codice al suo interno, con accesso sicuro ai dati nel contesto del progetto.

Esperienza di codice in Cloud Pak per i dati

Con Watson Studio su Cloud Pak for Data, supportiamo una gamma di strumenti e IDE integrati con i progetti. I data scientist possono lavorare con Python e R, utilizzando un'ampia gamma di librerie. Le librerie Watson Studio danno accesso alle connessioni dati e alle risorse in un progetto. Consentono inoltre di salvare asset di dati o modelli nel progetto e forniscono l'accesso a spazi e cataloghi. Il diagramma seguente mostra le opzioni per l'utilizzo degli IDE con progetti basati su Git su Cloud Pak for Data.

JupyterLab e RStudio in Watson Studio consentono agli utenti di collaborare al codice in progetti basati su Git. Scambiano codice tramite push/pull tra gli ambienti per utente e il Git Repo del progetto. Possono anche usare VS Code, PyCharm, JupyterLab, ... sui loro desktop per contribuire con il codice al repository Git di un progetto.

Novità di Cloud Pak for Data 4.6, forniamo un'estensione Watson Studio per VS Code. Consente l'uso del desktop VS Code come interfaccia utente per eseguire ed eseguire il debug del codice all'interno degli ambienti di runtime Python nei progetti nel cluster Cloud Pak for Data. Ciò consente di utilizzare il calcolo e l'accesso sicuro ai dati in quel contesto. Come quando si utilizzano strumenti integrati, si applicano le autorizzazioni, il mascheramento, le regole sulla privacy, … definiti all'interno di Cloud Pak for Data.

I data scientist possono rilasciare il codice tramite il repository Git associato al progetto. Possono creare tag di rilascio per il personale operativo o pipeline CI/CD da utilizzare. I consumatori possono estrarre il codice per un tag di rilascio dal repository. Possono importarlo come pacchetto di codice in uno spazio su Cloud Pak for Data ed eseguire il codice come processo o distribuzione. Oppure possono distribuire e utilizzare il codice altrove come meglio credono.

I Quaderni

I data scientist possono utilizzare i notebook per preparare e analizzare i dati, addestrare e valutare i modelli e visualizzare i risultati. I notebook sono costituiti da una sequenza di celle di codice con codice Python o R, celle di output per i risultati e celle di markup per la spiegazione.

JupyterLab

Per lo sviluppo di grandi quantità di codice Python con molti file e/o notebook, Watson Studio incorpora JupyterLab IDE. Nel contesto di un progetto, si integra con il repository Git di un progetto per la gestione del codice. La schermata seguente mostra un notebook in JupyterLab in un progetto. Il Notebook contiene il codice generato da Insert-to-Code dalla barra laterale, per accedere e visualizzare un asset di dati dal progetto.

I clienti possono estendere JupyterLab in Cloud Pak for Data creando immagini personalizzate. Derivate dall'immagine di base Watson Studio JupyterLab/Python, possono aggiungere le estensioni JupyterLab secondo necessità.

Codice VS

VS Code supporta lo sviluppo di Python con debug, completamento del codice e molte estensioni utili. La sua integrazione con Git consente lo sviluppo e il contributo di codice da VS Code a progetti basati su Git in Cloud Pak for Data.

La nuova estensione Watson Studio per VS Code consente anche di connettersi all'ambiente di runtime Python in progetti basati su Git su Cloud Pak for Data. Crea una connessione HTTPS sicura dal desktop dell'utente al cluster Cloud Pak for Data. Gli utenti possono lavorare nel familiare IDE VS Code. Da quell'interfaccia utente possono eseguire ed eseguire il debug del loro codice in ambienti di runtime Python, come CPU, GPU, Spark, ambienti personalizzati, su Cloud Pak for Data. In esecuzione in tale contesto, il loro codice può utilizzare la libreria del progetto Watson Studio per accedere alle risorse e alle connessioni dati all'interno del progetto. Possono utilizzare configurazioni dell'ambiente di runtime con grandi quantità di calcolo e memoria, se necessario.

Poiché il codice dell'utente viene eseguito nel contesto di un ambiente di runtime Python in un progetto in Cloud Pak for Data, vengono applicati tutti i permessi, le maschere, le regole sulla privacy... come definito in Cloud Pak for Data.

Gli utenti possono scaricare l'estensione Watson Studio per VS Code dal cluster Cloud Pak for Data e installarla tramite l'interfaccia utente di installazione dell'estensione VS Code.

L'utente deve configurare l'estensione Watson Studio con l'URL del cluster Cloud Pak for Data, la chiave API personale, ecc.

Ora Watson Studio Extension consente all'utente di connettersi a un ambiente di runtime Python nuovo o in esecuzione in qualsiasi progetto Git a cui ha accesso. L'utente seleziona il progetto da utilizzare e la definizione dell'ambiente di runtime Python o l'esecuzione dell'ambiente di runtime Python al suo interno.

­

L'utente può sviluppare, eseguire ed eseguire il debug del codice Python, direttamente in quell'ambiente di runtime nel progetto sul cluster Cloud Pak for Data. L'immagine seguente mostra il debug del codice Python eseguito nel contesto di un progetto, l'accesso ai dati tramite una connessione Cloud Pak for Data a Db2. Allo stesso modo, è possibile accedere a tutti i dati da una qualsiasi delle molte altre origini dati supportate da Cloud Pak for Data. L'utente può eseguire il commit e inviare il codice al repository Git del progetto, per collaborare con i membri del progetto e rendere il codice disponibile per la distribuzione.

Quanto sopra funziona anche insieme ad altre estensioni VS Code. Ad esempio, gli sviluppatori possono utilizzare GitHub Copilot nel contesto dello sviluppo di codice che viene eseguito in un ambiente di runtime Python su Cloud Pak for Data.

Conclusione

L'integrazione desktop di VS Code con gli ambienti di runtime Python nei progetti aggiunge un elemento chiave all'esperienza di codice di Cloud Pak for Data. Riunisce il meglio di VS Code come IDE leader per Python con possibilità di eseguire ed eseguire il debug del codice nel contesto sicuro dei progetti su Cloud Pak for Data.

Incoraggiamo tutti a provarlo e a farci sapere cosa ne pensate:

Documenti di Cloud Pak for Data 4.6: Watson Studio Extension per VS Code

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