使用自定义 Amazon EFS 实例实现 Amazon SageMaker 域跨区域灾难恢复
在本文中，我们将指导您完成分步过程，以无缝地将您的 SageMaker 域从一个活动区域迁移到另一个被动或活动区域，包括所有相关的用户配置文件和文件。
来源:亚马逊云科技 _机器学习Amazon SageMaker是AWS生态系统中基于云的机器学习（ML）平台，可为开发人员提供一种无缝且方便的方式来构建，训练和部署ML模型。该强大的工具由数据科学家和ML工程师广泛使用，可为用户提供高可用性和不间断的访问权限。与SageMaker合作时，您的环境位于SageMaker域中，该域涵盖了关键组件，例如Amazon Elastic File System（Amazon EFS），用于存储，用户配置文件和各种安全配置。这种全面的设置可以通过允许用户存储，共享和访问笔记本电脑，Python文件和其他基本工件来实现协作努力。
Amazon Sagemaker Amazon弹性文件系统在2023年，萨格马克（Sagemaker）宣布发布了新的Sagemaker Studio，该工作室提供了两种新型应用程序：Jupyterlab和Code Editor。旧的Sagemaker Studio被更名为Sagemaker Studio Classic。与其他在SageMaker Studio Classic中共享一个单个存储量的应用程序不同，每个Jupyterlab和Code Editor实例都有其自己的Amazon Elastic Block Store（Amazon EBS）卷。有关此体系结构的更多信息，请参见New - Code Editor，基于Code-Oss VS代码开源，现已在Amazon Sagemaker Studio中获得。另一个新功能是能够携带自己的EFS实例，使您可以连接和分离自定义EFS实例。
Amazon Elastic Block Store 新的 - 代码编辑器，基于代码vs代码开源，现已在Amazon Sagemaker Studio新的SageMaker Studio独有的萨格人域由以下实体组成：
- 用户profilesapplications，包括jupyterlab，代码编辑器，rstudio，canvas和mlflowa的安全性，应用程序，策略和亚马逊虚拟私有云（Amazon VPC）配置
图1：