Workbook 환경과 프로필

Workbook의 environment는 계산에 사용하는 Conda 패키지 집합과 Spark 설정입니다. Workbook을 열 때 Spark 모듈을 확보하는 동안 Waiting for resources 또는 Initializing Environment가 표시됩니다. 모듈을 얻기 전에는 콘솔이나 변환을 실행할 수 없습니다.

같은 사용자가 같은 프로젝트에서 같은 환경을 사용하는 Workbook들은 Spark 모듈을 공유합니다. 서로 다른 사용자끼리는 모듈을 공유하지 않습니다. 대화형 실행과 batch build는 별도 모듈 배정 규칙을 사용합니다.

프로필 선택

프로필은 특정 업무나 사용자 집단에 맞춰 관리자가 정한 Conda 패키지와 Spark 설정입니다. 예를 들어 모델 개발용 패키지와 더 큰 드라이버 메모리를 가진 프로필을 만들 수 있습니다.

Environment > Customize Spark environment에서 프로필을 선택하고 Update Spark environment를 누릅니다.

사용자는 프로필의 Conda 패키지를 조정할 수 있지만 Spark 설정을 직접 바꾸지는 못합니다. 프로필별로 미리 시작한 모듈을 준비하여 대기 시간을 줄일 수도 있습니다.

프로필 권한의 프로젝트 경계

프로필에 Viewer 접근이 있으면 프로젝트로 가져올 수 있습니다. 가져온 뒤에는 그 프로젝트에서 Code Workbook을 사용하는 모든 사용자가 해당 프로필을 사용할 수 있습니다.

Artifacts 기반 프로필에는 요청한 패키지와 이를 제공하는 backing repository 목록이 있습니다. 사용하려면 모든 backing repository를 Workbook 프로젝트에 참조로 추가해야 합니다. 필요한 저장소를 가져올 권한이 하나라도 없으면 그 프로필로 환경을 설정할 수 없습니다.

나중에 이 참조를 제거해도 환경을 얻을 수 없게 되며 UI에서 다시 가져오도록 안내합니다.

기본 프로필 수정과 Workbook별 사용자 지정

Control Panel에서 기본 프로필을 수정하면 그 프로필을 사용하는 모든 Workbook의 패키지 구성에 영향을 줍니다. 새 공통 프로필도 Control Panel에서 만듭니다.

한 Workbook에만 필요한 변경은 Environment > Configure environment > Customize profile을 사용합니다. 기존 패키지는 -로 제거하거나 요청 버전을 바꾸고, Packages sidebar에서 검색한 패키지는 +로 추가합니다.

버전은 특정 버전, AUTOMATIC 또는 Conda 버전 제약으로 지정합니다. 사용자 지정 환경은 미리 준비된 기본 프로필보다 초기화가 느릴 수 있습니다.

Artifacts 사용자 지정 환경의 공유 목록

사용자 지정 Artifacts 프로필은 기본 프로필의 목록 대신 Workbook 자체의 backing repository 목록을 사용합니다. 새 Workbook의 목록은 비어 있으며 사용자가 사용자 지정 환경을 이용하면서 필요한 저장소들이 추가됩니다.

이 목록은 Workbook의 모든 브랜치와 사용자 사이에서 공유됩니다. 어느 브랜치에서 추가한 저장소도 같은 목록에 들어가며, Workbook 목록의 모든 저장소가 프로젝트에 참조되어 있어야 합니다. 하나라도 빠지면 다시 가져올 때까지 환경을 얻을 수 없습니다.

새 Control Panel 프로필은 Artifacts 기반으로 만들며 shared 채널에 발행하지 않은 Foundry Python 라이브러리도 보안 통제에 따라 사용할 수 있습니다. 기존의 모든 프로필과 환경을 Artifacts로 옮기는 것은 향후 이전 계획이며 이미 전부 완료된 상태로 가정하지 않습니다.

버전 제약

Conda 버전은 3.6 같은 특정 버전 표기나 >=3.6 같은 비교 조건으로 쓸 수 있습니다. 허용 비교 연산자는 =, ==, >=, >, <=, <입니다. 이 숫자는 문법 예시이며 현재 지원하는 Python 버전을 뜻하지 않습니다. 실제 언어 버전은 Workbook 지원 범위에 맞춥니다.

Spark, Python, NumPy, Pandas와 Arrow 같은 구성 요소는 서로 호환되는 조합이어야 합니다. 각각의 최신 버전을 독립적으로 선택한다고 함께 동작하는 것은 아닙니다. 특히 Spark의 Pandas API는 NumPy의 주요 버전 변경에도 영향을 받을 수 있으므로 프로필의 해석 결과와 해당 런타임의 지원 조합을 함께 유지합니다.

실제 설치 패키지 확인

환경을 얻은 뒤 Environment > View resolved packages에서 직접 및 전이 의존성을 확인합니다.

직접 의존성은 사용자가 명시적으로 요청한 패키지입니다. 전이 의존성은 그 패키지가 다시 요구한 패키지입니다. 예를 들어 statsmodels는 NumPy, SciPy, Matplotlib 및 이들의 의존성을 함께 가져올 수 있습니다.

같은 요청을 다시 해석해도 채널의 새 버전에 따라 결과가 달라질 수 있습니다. 세션 이력에서 이전에 성공한 실제 버전과 비교하고, 초기화 과정과 문제 해결로 원인을 좁힙니다.