AWS在SageMaker Studio内上线HyperPod Spaces管理界面
数据科学家可直接在SageMaker Studio的IDE and Notebooks标签页创建、启停和打开HyperPod EKS集群上的JupyterLab与Code Editor环境，无需使用CLI或kubectl。
AI解读：此前Space的创建与管理主要依赖HyperPod CLI或kubectl。
通过Studio的HyperPod集群详情页新增的IDE and Notebooks标签页，数据科学家可创建、配置、启动、停止和打开Space，并在浏览器中运行JupyterLab或Code Editor，或通过SSH-over-SSM连接到本地VS Code。
管理员需先完成一次性设置：安装Spaces插件（浏览器访问须选Custom install）、为数据科学家的IAM角色附加三个托管策略、并在 2024 年前创建的Studio域上启用per-user identity propagation。
AWS称配置Spaces插件不额外收费，用户需支付HyperPod集群计算资源和用于SSH-over-SSM的AWS Systems Manager Advanced On-Premises Instance按小时费用；若使用预热节点过度配置，还会产生额外成本。
启用Karpenter过度配置后，Space启动时间可从冷启动的 5–7 分钟降至约 30–40 秒。AWS公布的实测数据基于ml.m5.12xlarge的CPU镜像（约 3.5 GB），GPU场景需另行配置占位Pod和预热GPU节点。
AWS宣布，数据科学家和机器学习工程师现在可以直接在SageMaker Studio用户界面中创建和管理Amazon SageMaker HyperPod EKS集群上的SageMaker Spaces，无需使用命令行工具或kubectl。
该功能通过HyperPod集群详情页新增的IDE and Notebooks标签页提供，用户可在浏览器内启动JupyterLab或Code Editor环境，也可通过VS Code远程连接。
Studio内新增的Space管理能力
AWS表示，新界面提供完整的Space管理UI，涵盖创建、配置、启动、停止和打开Space，消除了日常Space操作对CLI工具的依赖。
- 通过引导式表单创建Space，可配置计算资源、命名空间、存储、HyperPod Task Governance计算配额管理和镜像设置。
- 以可搜索表格查看所有Space的名称、应用类型、状态、访问类型、存储、GPU和vCPU分配情况。
- 选中后一键启动或停止Space，在不用时释放计算资源。
- 在浏览器中直接打开JupyterLab或Code Editor，或通过所选远程IDE（如VS Code）连接。
管理员与数据科学家的分工
AWS说明，启用该功能需要管理员完成一次性准备工作，之后数据科学家才能创建和打开Space。
- 管理员安装Spaces插件：从SageMaker AI控制台进入HyperPod集群的IDE and Notebooks标签页，选择Quick install（一键使用优化默认值）或Custom install（启用浏览器访问时必须选择此项）。
- 为数据科学家的IAM角色附加三个托管策略：AmazonSagemakerHyperpodSpacePolicy、AmazonSagemakerHyperpodUserClusterPolicy和AmazonSagemakerHyperpodSpaceTemplatePolicy。
- 若Studio域创建于该集成推出之前，需通过命令启用per-user identity propagation，将用户在集群上的操作归属到其EKS access entries和AWS CloudTrail用户配置文件，并强制执行Space所有权规则。
- 现有运行中的应用不受影响，用户下次登录时应用新设置。
- 数据科学家在SageMaker Studio中进入Compute → HyperPod，选择IDE and Notebooks标签页，即可看到Space管理界面。Space状态显示Running后，可打开JupyterLab、Code Editor，或在VS Code中连接。
开发环境与可选能力
AWS介绍，JupyterLab Space提供Python 3笔记本、Glue PySpark和Spark控制台、终端、文件浏览器、内置聊天和上下文帮助，工作内容持久保存在挂载的Amazon EBS卷上，停止后重启不会丢失。Code Editor Space提供带语法高亮、IntelliSense、集成终端、扩展支持和Git集成的浏览器内IDE，并可直接访问集群文件系统和挂载的Amazon FSx卷。
通过Open in VS Code连接时，内部使用SSH-over-SSM隧道，无需管理SSH密钥或暴露 22 端口，本地VS Code的扩展、主题和快捷键均可使用。
- 可选能力包括：浏览器访问（需ALB和Route 53自定义DNS，远程IDE连接不需要）、管理员定义的Space模板、基于Kueue的Task Governance多租户配额与优先级、Karpenter自动扩缩、预热节点过度配置、EFS/FSx持久卷、ECR自定义镜像、空闲自动关闭、NVIDIA MIG分数GPU分配。
- AWS称这些能力均为可选且可组合使用。
启动延迟与计费
AWS公布，使用Karpenter自动扩缩的冷启动延迟为 5–7 分钟，主要耗时在EC2实例启动、Kubernetes节点注册和SageMaker Distribution镜像拉取。使用标准Kubernetes过度配置模式维持预热且已缓存镜像的节点池后，启动时间可降至约 30–40 秒。
AWS提供的实测数据显示：在ml.m5.12xlarge（24 vCPU可分配、占位Pod 2 vCPU、8 GiB内存）搭配约 3.5 GB的sagemaker-distribution:latest-cpu镜像时，Space与占位Pod共存约 14 秒，Space抢占占位Pod约 35 秒，冷启动为 5–7 分钟。AWS注明该数据仅限CPU，GPU Space需单独的占位Deployment预拉取约 10 GB的GPU镜像，否则GPU节点保持冷状态。
- AWS说明，配置Spaces插件本身不产生额外费用；用户支付Space消耗的HyperPod集群计算资源，以及用于SSH-over-SSM远程连接的AWS Systems Manager Advanced On-Premises Instance按小时费用。
- 使用过度配置时，每个预热节点保持一台EC2实例处于Running状态，按需实例会产生额外成本。
- AWS建议用户查阅AWS Systems Manager定价页面了解详情。