在 Amazon EKS 上使用 SageMaker AI 运行交互式 IDE，增强 AI 工作流
摘要
AWS 官方博客介绍如何通过 SageMaker AI Spaces 插件在 Amazon EKS 上运行 JupyterLab 和 Code Editor，使数据科学家无需离开集群即可使用 GPU、存储和 IAM 角色。
核心要点
- SageMaker AI Spaces 附加组件需 0.1.4 或更高版本，仅支持 Kubernetes 1.30+ 且需禁用 EKS Auto Mode。
- 相比独立 JupyterHub 需 3-5 天搭建，该插件约 5 分钟即可生成完整 Space。
- 将交互与训练负载整合到同一集群，GPU 利用率可比专用笔记本机群提升最高 30%。
- 支持通过预签名 URL 在浏览器访问，并支持 VS Code 经 SSH-over-SSM 连接。
- 架构使用 Route 53、ALB、Traefik、KMS 和 EKS Pod Identity 实现认证与路由。
原文佐证
- Standing up a standalone JupyterHub environment with GPU access, storage, and authentication typically takes a platform team 3–5 days. With the add-on, a data scientist launches a fully configured Space in about 5 minutes.
- This can lift GPU utilization by up to 30 percent compared with a dedicated notebook fleet.
- Consolidating interactive and training workloads on one cluster keeps GPU nodes busy between jobs.
AI 洞察
这一方案反映了云厂商正将 AI 开发工具深度绑定到 Kubernetes 基础设施，以降低数据科学家在不同环境间切换的摩擦。通过将交互式 IDE 与训练集群统一，既能提高 GPU 利用率，也可能重塑团队的平台运维模式。未来，这类整合能力可能成为云厂商在 AI 开发平台竞争中的差异化优势。