DataON CANVAS

Data를 CANVAS 위(ON)에 놓고 마음껏 분석해보세요!

Conda 가상환경 이용 가이드

Conda 가상환경 이용 가이드

가. DataON의 분석환경

DataON의 분석환경은 JupyterLab기반의 분석환경과 Workflow기반 분석환경으로 구성된다.
JupyterLab 개발환경은 웹 기반으로 코드를 작성하고 실행할 수 있는 대화식 개발환경이다.
본 문서에서는 Python을 기반으로 프로그램을 개발하고, 개발된 프로그램을 DataON의 구성요소의 하나인 Workflow환경에서 활용하고, 다른 사용자와의 개발환경을 공유하기 위한 방법의 하나로서 Conda 가상환경에 대하여 설명한다.

나. 가상환경이란?

가상환경은 프로젝트별로 필요한 모듈 및 필요한 버전만을 설치하여 독립적인 환경을 구축하는 것을 말한다.
다수의 사용자가 혹은 개인이 각각 다른 프로젝트를 수행할 경우 서로 다른 환경이 필요하게 된다.
이렇게 프로젝트별로 다른 모듈 및 버전을 유지하고 관리할 수 있도록 한다.
본 문서에서는 Conda를 이용한 Python 가상환경을 구축하는 것을 다룬다.

다. Conda와 Pip

Conda는 오픈소스, 크로스플랫폼, 언어에 구애받지 않는 패키지 관리자 및 환경관리 시스템이다.
원래 Python 데이터과학자가 직면한 어려운 패키지 관리문제를 해결하기 위해 개발되었으며 오늘날 Python 및 R에서 널리 사용되는 패키지 관리자이다.
Conda는 Python뿐만 아니라 R, Ruby, C, Java 등의 다양한 언어의 애플리케이션, 환경 및 패키지를 관리하고 배포하기 위한 도구이다.
Pip (Package installer for Python)는 Python에 한정된 패키지 관리자이다.

개인 가상환경과 공개 가상환경

DataON은 Conda기반으로 애플리케이션과 workflow를 실행하는 시스템 구조이고, JupyterLab에서 사용자는 필요시 프로젝트별로 해당 프로젝트에 필요한 모듈로 구성된 Conda 가상환경을 생성할 수 있다.
이렇게 개인이 필요에 따라서 생성한 가상환경을 개인 가상환경이라고 하고, 가상환경을 생성할 때 다른 사용자들이 사용할 수 있도록 만든 가상환경을 공개 가상환경이라고 한다.

가상환경의 생성 및 관리 (개인 가상환경/공개 가상환경)

가. 개인 가상환경 생성 및 및 관리

1) 버전확인

▷ conda --version
(base) test01@jupyter-test01:~$ conda --version conda 4.9.2
2)가상환경 만들기

▷ conda create -n [가상환경 이름] python=3.8
※ 가상환경 생성시, python 버전을 지정해야합니다.
conda create –n 가상환경이름 python=3.8
(base) test01@juptyer-test01:~$ conda create -n testconda python=3.8 Collecting package metadata (current_repodata.json): done Solving environment: done ==> WARNING: A newer version of conda exists. <== current version : 4.9.2 latest version : 4.11.0 Please update conda by running $ conda update -n base conda ## Package Plan ## environment location: /home/test01/miniconda3/envs/testconda Proceed ([y]/n)? y Preparing transaction : done Verifying transaction : done Executing transaction : done # # To activate this environmet, use # # $ conda activate testconda # # To deactivate an active environment, use # # $ conda deactivate
3) 가상환경 확인

▷ conda env list
(base) test01@juptyer-test01:~$ conda env list # conda environments: # day1 /home/test01/miniconda3/envs/day1 base * /opt/conda testconda /home/test01/miniconda3/envs/testconda CanvasPublic /opt/conda/pubenvs/CanvasPublic MyNorberg /opt/conda/pubenvs/MyNorberg NorbergAngle /opt/conda/pubenvs/NorbergAngle ParallelCanvasPublic /opt/conda/pubenvs/ParallelCanvasPublic PyTorch /opt/conda/pubenvs/PyTorch
4) 가상환경 활성화

▷ conda activate [가상환경 이름]
(base) test01@juptyer-test01:~$ conda_activate testconda
5) 가상환경 비활성화

▷ conda deactivate
(testconda) test01@juptyer-test01:~/workspace$ conda deactivate (base) test01@juptyer-test01:~/workspace$
6) 가상환경 지우기

▷ conda env remove –n [가상환경 이름]
(base) test01@juptyer-test01:~/workspace$ conda env remove –n testconda Remove all packages in environment /home/test01/miniconda3/envs/testconda:
7) 가상환경 캐시 지우기

▷ conda clean --all 또는 conda clean –a
(testconda) test01@jupyter-test01:~/workspace$ conda clean --all Cache location: /opt/conda/pkgs Will remove the following tarballs: /opt/conda/pkgs ------------------------ ld_impl_linux-64-2.36.1-hea4e1c9_2.tar.bz2 667 KB wcwidth-0.2.5-pyh9f0ad1d_2.tar.bz2 33 KB bzip2-1.0.8-h7f98852_4.tar.bz2 484 KB backcall-0.2.0-pyh9f0ad1d_0.tar.bz2 13 KB python-dateutil-2.8.2-pyhd8ed1ab_0.tar.bz2 240 KB
8) 가상환경에 패키지 설치

▷ conda install 패키지 이름 (pip install 명령어도 적용 가능)
(testconda) test01@jupyter-test01:~/workspace$ conda install tensorflow==2.6 Collecting package metadata (current_repodata.json): done Solving environment : failed with initial frozen solve. Retrying with flexible solve. Solving environment : failed with repodata from current repodata.json, will retry with next repodata source. Collecting package metadata (repodata.json): done Solving environment : done ==> WARNING : A newer version of conda exists. <== current version : 4.9.2 latest version : 4.11.0 Please update conda by running $ conda update -n base conda ## Package Plan ## enviroment location: /home/test01/miniconda3/envs/testconda added / updated specs: -tensorflow==2.6 The following packages will be downloaded: package ㅣ build -------------------------------ㅣ------------------------------------------ abseil-cpp-20210324.2 ㅣ h9c3ff4c_0 1010 KB conda-forge absl-py-0.15.0 ㅣ pyhd8ed1ab_0 98 KB conda-forge aiohttp-3.8.1 ㅣ py39h3811e60_0 588 KB conda-forge aiosignal-1.2.0 ㅣ pyhd8ed1ab_0 12 KB conda-forge astunparsw-1.6.3 ㅣ pyhd8ed1ab_0 15 KB conda-forge async-timeout-4.0.1 ㅣ pyhd8ed1ab_0 9 KB conda-forge attrs-21.2.0 ㅣ pyhd8ed1ab_0 44 KB conda-forge blinker-1.4 ㅣ py_1 13 KB conda-forge brotlipy-0.7.0 ㅣpy39h3811e60_1003 342 KB conda-forge The following NEW packages will be INSTALLED: _libgcc_mutex conda-forge/linux-64::_libgcc_mutex-0.1-conda_forge _openmp_mutex conda-forge/linux-64::_openmp_mutex-4.5-1_gnu abseil-cpp conda-forge/linux-64::abseil-cpp-20210324.2-h9c3ff4c_0 absl-py conda-forge/noarch::absl-py-0.15.0-pyhd8ed1ab_0 aiohttp conda-forge/linux-64::aiohttp-3.8.1-py39h3811e60_0 aiosignal conda-forge/noarch::aiosignal-1.2.0-pyhd83d1ab_0 astunparse conda-forge/noarch::astunparse-1.6.3-pyhd8ed1ab_0 async-timeout conda-forge/noarch:: async-timeout-4.0.1-pyhd83d1ab_0 attrs conda-forge/noarch::attrs-21.2.0-pyhd8ed1ab_0 Blinker conda-forge/noarch::blinker-1.4-py_1 brotlopy conda-forge/linux-64::brotlopy-0.7.0-py39h3811e60_1003 c-ares conda-forge/linux-64:: c-ares-1.18.1-h7f98852_0 ca-certificates conda-forge/linux-64::ca-certificates-2021.10.8-ha87854 cached-property conda-forge/noarch::cached-property-1.5.2-hd8ed1ab_1 Preparing transaction : done Verifying transaction : done Executing transaction : - By downloading and using the CUDA Toolkit conda packages, you accedex.html / By downloading and using the cuDNN conda packages, you accept the terms and conditions of https://doces.nvidia.com/deeplearning/cudnn/sla/index.html done
9) 가상환경에 패키지 삭제

▷ conda uninstall 패키지 이름
(testconda) test01@jupyter-test01:~/workspace$ conda uninstall tensorflow Collecting package metadata (repodata.json) : done Solving environment : done ==> WARNING : A newer version of conda exists. <== current version : 4.9.2 latest version : 4.11.0 Please update conda by running $ conda update -n base conda ## Package Plan ## enviroment location: /home/test01/miniconda3/envs/testconda removed specs: - tensorflow The following packages will be downloaded: package ㅣ build --------------------------ㅣ-------------------------------------------------------- python-3.9.7 ㅣhf930737_3_cpython 27.5 MB conda-forge ------------------------------------------------------------------------------------- Total: 27.5 MB The following packages will be REMOVED: abseil-cpp-20210324.2-h9c3ff4c_0 absl-py-0.15.0-pyhd8ed1ab_0 aiohttp-3.8.1-py39h3811e60_0 The following packages will be UPDATED: openssl 1.1.1l-h7f98852_0 --> 3.0.0-h7f98852 The following packages will be DOWNGRADED: python 3.9.7-hb7a2778_3_cpython --> 3.9.7-hf930737 Proceed ([y]/n)? Y Downloading and Extracting Packages python-3.9.7 ㅣ27.5 MB ㅣ ###################################### Preparing Preparing transaction : done Verifying transaction : done Executing transaction : done
10) 가상환경 복사

▷ conda create -n 새 가상환경 이름 --clone 복제할 가상환경 이름
(testconda) test01@jupyter-test01:~/workspace$ conda create -n testconda2 --clone testconda Source : /home/test01/miniconda3/envs/testconda Destination : /home/test01/miniconda3/envs/testconda2 Packages : 22 Files : 0 Preparing transaction : done Verifying transaction : done Executing transaction : done # # To activate this environment, use # # $ conda activate testconda2 # # To deactivate an active environment, use # # $ conda deactivate

나. 공개 가상환경 생성 및 관리

1) 가상환경 만들기

▷ conda create –p /opt/conda/pubenvs/새로운 conda 이름
2) 가상환경 활성화

▷ conda activate 새로운conda명
3) 가상환경에 패키지 설치

▷ pip install 필요한 라이브러리

기타 (conda 명령어 옵션)

- 가상환경 목록 보기
$ conda env list

- 가상환경 생성
$ conda create -n "가상환경이름" python=3.7

- 가상환경 활성화
$ conda activate "가상환경이름"

- 가상환경 비활성화
$ conda deactivate

- 가상환경 삭제
$ conda env remove -n "가상환경이름"

- 가상환경에서 패키지 설치
$ pip install 패키지명

- 가상환경에서 패키지 삭제
$ pip uninstall 패키지명

- 가상환경에 설치된 패키지 보기
$ pip freezeconda

- 가상환경 export(배포용 yaml 생성)
$ conda env export > "가상환경이름.yaml"

- export한 가상환경 import하기
$ conda env create -f "가상환경이름.yaml"

- JupyterLab의 laucher에 가상환경 등록
$ python -m ipykernel install --user --name "가상환경이름" --display-name "화면에 표시될 이름"

- JupyterLab의 laucher에 가상환경 등록시, ipykernel 없으면 설치
$ conda install ipykernel

1. 개요

DataON에서 애플리케이션은 여러 분야 연구자들이 다양한 주제의 데이터를 분석하여 원하는 결과를 도출해내는 알고리즘을 프로그램화하여 특정 기능을 수행하기 위해 만든 응용프로그램을 말한다.

CANVAS 분석서비스를 사용하는 다른 사용자들과 공유 및 활용하기 때문에 개발된 애플리케이션을 다른 사용자가 자신의 데이터를 이용하여 실행해 볼 수 있도록 애플리케이션에 입/출력 argument를 지정해 주어야 한다.

따라서, 일반적인 개인 코드의 경우 입/출력에 관한 정보를 프로그램의 코드에 강제 삽입하여 작성하면 임의의 다른 데이터로 실행이 불가능하므로, DataON의 환경에서는 python기반의 명령형 인터페이스 라이브러리인 Argparse를 통해서 입/출력에 대한 argument를 입력받는 형식으로 코딩해야 한다.

위에 대한 자세한 설명은 다음 예제를 통하여 설명하였다.

2. 예제 코드

2.1 일반적인 환경에서의 코드 작성 예시

- argparse 라이브러리를 사용하지 않고 애플리케이션을 개발할 경우 :

1) 메서드 선언 및 구현
2) 메서드 구현 시 외부 argument와 상관없이 입/출력에 관한 정보를 강제 삽입
3) main() 내에서 구현한 메서드 호출하여 기능 실행
※ CANVAS 분석서비스를 사용하는 다른 사용자들과 애플리케이션 공유 및 활용 불가.

2.2 DataON 환경에서의 코드 작성 예시

- argparse 라이브러리를 사용하여 애플리케이션을 개발할 경우 :

1) argparse 라이브러리를 import
2) argparse를 이용하여 argument를 변수에 담을 수 있도록 매핑 정의
3) 메서드 구현부에서 argparse 객체를 이용하여 기능 구현
4) main() 내에서 구현한 메서드 호출하여 기능 실행
5) 사용자 라이브러리를 별도 파일로 생성 및 import

# CSV TO TSV 소스
import pandas as pd
import sys,argparse,os
import time

# argparse 생성
parser = argparse.ArgumentParser(prog ='CSVtoTSV'
   , formatter_class =argparse.RawTextHelpFormatter
   , description =
     'File format transform \n '
     'CSV to TSV : convert CSV to TSV \n '
)

# 파라미터 정의
parser.add_argument('-import',help ='import',metavar ='IMPORT',dest ='IMPORT')              			# 패키지 경로
parser.add_argument('-inpfile',help ='path and file full name',metavar ='INPUTFILE',dest ='INPUTFILE')  # 샘플 파일 경로
parser.add_argument('-prePath',help ='path of output file',metavar ='PREPATH',dest ='PREPATH')      	# 상대 경로
parser.add_argument('-outpfile',help ='convert_result_.csv',metavar ='OUTPUTFILE',dest ='OUTPUTFILE')   # 결과 파일 경로
parser.add_argument('-outpfolder',help ='convert_result/',metavar ='OUTPUTFOLDER',dest ='OUTPUTFOLDER')	# 결과 폴더 경로

# argparse에 파라미터 추가
args = parser.parse_args()

# 사용자 라이브러리 추가
importPath = args.IMPORT   # -import 파라미터로 받은 경로 설정
sys.path.append(importPath)
import sample_function

# 메인 함수 선언 및 구현
def main (argv ):
   
   start = time.time()
   try :
     print ('[START:{}]'.format(time.strftime('%Y-%m-%d %H:%M:%S')))
     sample_function.Convert_CsvToTsv(argv)
     print ('[STATUS:SUCCESS]')
   except Exception as e:
     print ('[STATUS:FAILED]')
     print ('[ERROR:{}]'.format(e))
   finally :
     end = time.time()
     print ('[DONE:{}]'.format(time.strftime('%Y-%m-%d %H:%M:%S')))
     print ('[RUN TIME:{}]'.format(end - start))

if __name__=='__main__':
   main(args)

3. argparse 설명

3.1 argparse란?

- 프로그램에 필요한 인자를 사용자 친화적인 명령형 인터페이스로 쉽게 작성하도록 도와주는 python기반의 명령형 인터페이스 라이브러리다.
(즉, command line interface에서 인자를 받아서 실행할 수 있게 만들어 놓은 라이브러리임.)

3.2 argparse 라이브러리를 이용한 코드 예시

1) argparse 라이브러리를 이용하여 ArgumentParser 객체 생성
2) ArgumentParser 객체에 외부에서 전달된 argument 추가
3) ArgumentParser 객체에 추가된 argument들을 args변수에 할당

3.3 argparse.ArgumentParser() 객체 설명

- prog: 프로그램의 이름 (default: sys.argv[0])
- formatter_class: 도움말 출력을 사용자 정의하기 위한 클래스

argparse.RawDescriptionHelpFormatter	description이 이미 올바르기 때문에 줄바꿈이 유지되지 않도록 제어
argparse.RawTextHelpFormatter	description에서 줄바꿈이 유지되도록 제어
argparse.ArgumentDefaultsHelpFormatter	기본값에 대한 정보를 각각의 argument 도움말 메시지에 자동으로 추가
argparse.MetavarTypeHelpFormatter	각 argument 값의 표시 이름으로 (일반 포매터처럼 dest 를 사용하는 대신에) type argument의 이름을 사용

- description: argument 도움말 전에 표시할 텍스트 (default: none)

3.4 parser.add_argument() 메서드의 파라미터 설명

- argument(선택 인자)
  parse_args() 가 호출 되면 argument는 ‘-’ 접두사로 식별, 그 밖의 argument는 위치 인자로 간주하기 때문에 argument 명의 처음은 ‘-’로 설정해야 함.

- help
  argument가 하는 일에 대한 간단한 설명

- metavar
  사용 메시지에 사용되는 argument의 이름

- dest
  parse_args()가 반환하는 객체에 추가될 속성의 이름

3.5 parser.parse_args() 메서드 설명

위와 같이 parser객체에 담겨진 argument들을 parse_args()를 호출하여 args변수에 할당한다.

4. 코드 작성 방법

4.1 커멘드 라인 인터페이스에서 argument를 전달받기 위하여 argparse.ArgumentParser() 호출하여 parser 객체를 생성한다.
(이때, 3.3번 내용을 참고하여 객체를 정의함.)

4.2 parser.add_argument()를 이용하여 커멘드 라인에서 전달받은 argument값을 parser 객체에 추가한다.
(이때, 3.4번 내용을 참고하여 argument명을 정의함.)

※ -outputFile의 default 값은 애플리케이션 결과파일명으로 반드시 설정해야 한다.
※ 애플리케이션 등록과정에서 출력포트로 사용되는 출력을 지정하기 위한 아규먼트로써 -prePath 아규먼트는 반드시 설정해야 한다.

4.3 parser객체의 parse_args() 메서드를 호출하여 argument들을 args변수에 할당한다.

4.4 사용자 라이브러리 추가 선언 및 4.2번에서 설정한 args를 메서드에서 사용할 수 있도록 사용자 함수를 호출하는 코드를 작성한다.
(이때, improtPath는 사용자 경로에 맞게 import 될 수 있도록 아래와 같은 코드로 작성해야 함.)

4.5 사용자 함수를 선언 후 구현하려는 기능을 코드로 작성한다.
(이때, prePath와 inputFile, outputFile 경로 등은 4.2번에서 받은 정보 args 매개변수에서 꺼내어 각각의 변수에 저장함.)

4.6 메인 함수를 선언 후 4.5번에서 구현한 메서드를 호출하여 기능을 수행할 수 있도록 코드를 작성한다.
(이때, debugging을 위해 print문을 작성함.)

5. 애플리케이션 개발 및 실행 방법

JupyterLab에서 애플리케이션을 개발하기 위해서는 JupyterLab의 Launcher에서 Terminal을 선택한 후 Terminal에 진입하여 conda를 선택한 후 해당 conda기반에서 프로그램을 개발하고, 실행하여야 한다.

5.1 jupyterlab terminal 경로

1) 아래와 같이 dataON CANVAS 사이트 상단 메뉴에서 “JupyterLab”클릭한다.
guide_app

2) Jupyterhub에 로그인한다.
guide_app

3) Jupyterhub 로그인 후 아래와 같이 기본값으로 시작한다.
guide_app

4) Launcher 맨 아래 Terminal에 접속한다.
guide_app

5.2 Conda 가상환경 목록 조회

Conda는 오픈소스, 크로스플랫폼, 언어에 구애받지 않는 패키지 관리자 및 환경관리 시스템으로 원래 Python 데이터과학자가 직면한 어려운 패키지 관리문제를 해결하기 위해 개발되었으며, 오늘날 Python 및 R에서 널리 사용되는 패키지 관리자이다.

Conda는 Python뿐만 아니라 R, Ruby, C, Java 등의 다양한 언어의 애플리케이션, 환경 및 패키지를 관리하고 배포하기 위한 도구로 사용되고 있다.

아래 명령어로 Conda 가상환경 목록을 조회한다.
▷ conda env list
guide_app

5.3 conda 가상환경 activate(선택)

▷ conda activate CanvasPublic guide_app

※ 개인 가상환경 구성하여 사용할 경우 "Conda 가상환경 이용 가이드" 탭을 참고하세요

5.4 python 프로그램 실행

1) 명령어 형식
▷ python [python 파일 경로]/[python 실행 파일] -inputFile [input 파일 경로]/[input 파일] -prePath [결과파일 경로]/result

-inputFile : python 실행 파일에서 argparse로 값을 받아와서 입력 파일을 ‘-inputFile’이라는 argument로써 사용된다.
-prePath : python 실행 파일에서 argparse로 값을 받아와서 출력 파일이 저장될 위치를 ‘-preFile’이라는 argument로써 사용된다.
※ argparse에 대한 자세한 설명은 본 가이드의 “3. argparse 설명”을 참고

2) 예시
▷ python Convert_TSVtoCSV.py –inputFile sample.csv –prePath result
위의 예시처럼 터미널에 입력하여 아래와 같이 python 프로그램을 실행한다.

5.5 python 프로그램 실행 결과

5.4번처럼 python 프로그램을 실행하면 터미널에 아래와 같은 실행 결과가 출력된다.
guide_app

위 예시처럼 terminal에서 애플리케이션 실행 및 결과 확인하며 Debugging 작업을 진행한다.

6. argparse 매핑 설명

6.1 입력포트

CANVAS 사이트 내 애플리케이션 등록 과정 중 “4번 포트 정보” 단계에서 입력포트 정보를 입력해야 한다.
guide_argparse

이때, 포트명은 반드시 ‘-’를 앞에 붙여서 “-[포트명]”과 같이 입력해주어야 하며, 입력된 포트명은 애플리케이션 실행 시 코드 내 argparse의 argument와 매핑되어 동작된다.
또한, 사용자 라이브러리를 추가해야 할 경우, 아래와 같이 포트명 “-import”, 포트 타입 “Folder”, 샘플 파일 “사용자 라이브러리 폴더 경로 지정”을 입력한다.
(※ 입력포트 예약어 : -import)
guide_argparse

※ argparse와 관련된 추가적인 설명은 “3. argparse 설명”을 참조

6.2 출력포트

CANVAS 사이트 내 애플리케이션 등록 과정 중 “4번 포트 정보” 단계에서 출력포트 정보를 입력해야 한다.
guide_argparse

애플리케이션 실행파일에서 작성한 출력포트 -prePath는 워크플로우에서 애플리케이션 실행 시 생성되는 결과물이 저장되는 상위 경로(~/workspace/MyCanvas/workflow/애플리케이션_이름_version_VERIFY/애플리케이션_이름_version/result)로 시스템에서 자동으로 생성된다.
(※ 출력포트 예약어 : -prePath)
guide_argparse

※ argparse와 관련된 추가적인 설명은 “3. argparse 설명”을 참조

애플리케이션 실행결과는 "결과 파일명 또는 폴더명" 항목에 작성자가 지정해야한다.
(이때, 포트명은 반드시 ‘-’를 앞에 붙여서 “-[포트명]”과 같이 입력해주어야 하며, 입력된 포트명은 애플리케이션 실행 시 코드 내 argparse의 argument와 매핑되어야 함.)
guide_argparse

※ 예시) 결과물이 파일 또는 폴더인 경우
- 결과 파일 또는 폴더가 여러개 인 경우, 위와 같이 각 결과물에 대한 Port 설정이 필요하다.

Docker Image 신청 가이드
Image Vocabulary 설명
- Image Vocabulary 구축 시 이미지명, 이미지 상세 정보(OS 및 Python 주요 패키지에 대한 정보), 생성일시, 수정일시, 생성자 등의 정보 제공
  Image Vocabulary 구축 시 이미지명, 이미지 상세 정보(OS 및 Python 주요 패키지에 대한 정보),
  생성일시, 수정일시, 생성자 등의 정보 제공
- 상단 “①My CANVAS” 메뉴를 클릭하면 신청∙승인된 서비스(분석자원)현황, SW 등록현황, 분석 작업 수행 현황,
  Docker Image 관리 등을 모니터링 할 수 있는 페이지로 이동한다.
사용자 Image Vocabulary 관리

Docker Image 목록 확인
- “My CANVAS” 페이지에서 하단으로 스크롤하여 이동하면 “①Docker Image 관리” 영역이 보이는데, 사용자가 등록한 Docker Image의
  “②이미지명”, “③설명”, “④신청일”, “⑤접수일”, “⑥빌드일”, “⑦상태” 정보를 확인할 수 있는 이미지 목록 조회 화면을 볼 수 있다.
- “⑦상태” 정보는 신청완료, 신청취소, 접수완료, 빌드중, 빌드완료, 빌드실패, 반려의 7가지 상태정보가 제공된다.
  신청완료 : 등록 요청이 완료된 상태
  신청취소 : 등록 신청이 취소된 상태
  접수완료 : 관리자가 등록 요청을 접수한 상태
  빌드중 : 사용자가 신청한 Docker Image 정보를 바탕으로 관리자가 Docker Image 파일 빌드를 진행중인 상태
  빌드완료 : 사용자가 신청한 Docker Image 정보를 바탕으로 관리자가 Docker Image 파일 빌드를 완료한 상태
  빌드실패 : 사용자가 신청한 Docker Image 정보를 바탕으로 관리자가 Docker Image 파일 빌드가 실패한 상태
  반려 : 사용자가 신청한 Docker Image 빌드 신청을 반려한 상태
Docker Image 등록
- “Docker Image 관리”에서 “①등록” 버튼을 클릭시 사용자가 Docker Image 정보를 등록할 “②Docker Image 신청” 페이지가 팝업으로 출력된다.
- “①Docker Image 신청” 폼에서 사용자가 등록할 이미지에 대한 정보를 입력한다.
- ②는 필수 항목으로 등록자, 이미지명, OS정보, SW정보, GPU 사용여부를 반드시 작성해야 한다.
- ③는 선택 항목으로 이메일, 이미지설명 항목은 작성하지 않아도 등록할 수 있다.
- 신청 정보를 입력 후 “④저장”버튼을 클릭 시 Docker Image에 대한 등록 신청이 완료된다.
- 이때, 신청 상태 정보는 “신청 완료”가 된다.
Docker Image 상세 정보 확인 및 수정
- “Docker Image 관리” 목록에서 “이미지명” 버튼을 클릭시 사용자가 등록한 Docker Image에 대한 상세 정보를 확인 할 수 있는 ②영역이 출력된다.
- 신청 상태 정보가 “신청완료”일 경우에만 Docker Image 신청에 대한 “③신청취소”, “③저장”, “③삭제”버튼이 활성화 된다.
- “③신청취소” 버튼을 클릭할 경우, 사용자가 요청한 Docker Image 등록 신청이 취소처리가 되고 상태 정보는 “취소완료“로 변경 된다.
- Docker Image 정보 중에서 등록자, 상태값을 제외한 이메일, 이미지명, 이미지설명, OS정보, SW정보, GPU 사용여부 정보를 변경한 후
  ”저장“ 버튼을 클릭 시 Docker Image 정보가 수정이 된다.
- ”③삭제“ 버튼을 클릭할 경우, 사용자가 등록한 Docker Image 정보가 삭제된다.
Docker Image 질의응답
- “Docker Image 관리” 목록에서 “질의응답” 버튼을 클릭시 관리자와 소통할 수 있는 “질의 및 응답” 팝업이 출력된다.
- 채팅창에 질의를 등록 후 “전송” 버튼을 클릭시 관리자에게 질의가 전송이 된다.
- 사용자는 관리자가 질의에 대한 응답을 확인할 수 있다.

소개 및 신청

Conda 가상환경 이용 가이드

가. DataON의 분석환경

나. 가상환경이란?

다. Conda와 Pip

개인 가상환경과 공개 가상환경

가상환경의 생성 및 관리 (개인 가상환경/공개 가상환경)

가. 개인 가상환경 생성 및 및 관리

나. 공개 가상환경 생성 및 관리

기타 (conda 명령어 옵션)