Code Workspaces 개요

Code Workspaces는 Foundry 안에서 JupyterLab, RStudio Workbench와 VS Code를 실행하는 개발 환경입니다. 익숙한 IDE로 데이터 분석, 통계, 모델과 앱을 만들면서 Foundry의 데이터 권한, 버전 관리, 빌드와 자원 관리 기능을 사용합니다.

작업공간 컨테이너는 플랫폼의 보안 통제와 연결됩니다. Foundry 데이터의 접근 제한은 IDE에서도 적용되며 조직의 거버넌스 및 준수 요구를 해당 통제와 함께 운영합니다. 설치한 임의의 코드가 모든 정책 요구를 자동으로 충족한다고 간주하지 않습니다.

제공하는 기능

• 보안: 현재 사용자의 권한과 세션 자격 증명 범위, 데이터 입력 계보 및 출력 통제
• 환경과 자원: CPU/메모리 및 GPU와 자동 종료, 관리형 라이브러리 환경
• Git 기반 작업: 브랜치, 커밋, 병합과 협업
• 코드 뷰어: 편집기를 실행하지 않고 커밋한 파일을 검색, 비교 및 공유
• JupyterLab: Dash/Streamlit 앱 게시, TensorBoard 미리보기와 notebook transform
• RStudio: Shiny, R transform 및 Markdown HTML 보고서
• 모델: 작업공간에서 모델 산출물을 만들고 여러 모델을 버전 관리하거나 추론
• 데이터: 데이터셋과 테이블 읽기/쓰기, SQL 및 파일과 필터
• 온톨로지: 생성 OSDK로 객체, 링크와 액션 및 시계열 속성 사용
• 외부 시스템: 소스의 비밀, egress와 내보내기 통제로 외부 연결

JupyterLab과 RStudio의 AIP 보조 기능은 지원 LLM을 사용하여 코드 생성/설명, 데이터 분석, 패키지 설치 및 반복 작업과 앱 개발을 도울 수 있습니다. AIP가 활성화되어야 하며 도구 및 승인 흐름은 환경에 따라 다릅니다. 에이전트의 세션 권한을 확인합니다.

도구 선택

코드 없이 데이터셋을 탐색하는 분석에는 Contour 같은 분석 앱을 사용할 수 있습니다. 대규모 파이프라인은 Pipeline Builder, 데이터 연결 설정은 Data Connection, 스트리밍 데이터 처리는 Foundry Streaming의 기능을 먼저 검토합니다.

Code Workspaces는 단일 노드입니다. 대규모 분산 데이터 변환에는 Pipeline Builder 또는 Code Repositories의 Spark transform을 사용합니다. 작업공간의 PySpark local 모드는 분산 클러스터와 다릅니다.

VS Code, JupyterLab 또는 RStudio에서 Foundry 데이터와 서비스를 사용하여 개발할 수 있습니다. 코드 내용만 검토하거나 정확한 커밋 위치를 공유한다면 코드 뷰어가 편집기 세션 없이도 동작합니다.

시작과 운영

시작하기에서 작업공간을 만들고 코드 동기화 및 체크포인트를 구분합니다. 자주 묻는 질문은 로컬 Spark, 조직 패키지, 렌더링 폰트, 장시간 셀과 파일 내보내기를 설명합니다. 오류가 나면 문제 해결에서 세션, 의존성, 저장소와 브라우저 출력 문제를 구분합니다.

Palantir 제공 LLM은 모델 바인딩을 통해 호출하며, 사용자 모델의 어댑터 학습과 게시 경로와는 별도입니다.