日志服务Jupyter Lab是日志服务与机器学习PAI联合推出的开箱即用的云上开发IDE，集成开源Jupyter Lab和日志服务Python SDK。您无需任何运维配置，即可编写、调试及运行日志服务Python代码。
在PAI-DSW功能的基础上，日志服务Jupyter Lab进行深度定制化开发，为您提供多种场景开发模板（包括配置管理、任务管理、探索性数据分析和AIops功能体验场景）。您可以根据实际业务需求，参考日志服务提供的模板样例快速实现功能开发。
功能优势
- 开箱即用，免运维，无需部署即可进行对应的开发及调试工作。
- 预置日志服务Python SDK，全面实现开发工具与日志服务功能的无缝衔接。
- 内置丰富的业务场景模板和样例，引用便捷，可以快速构建功能需求。
- Jupyter Lab实例资源支持启用和停止操作，实例停止后不再产生费用，有效降低使用成本。
- 支持数据永久化保存。您可以将开发代码保存到Jupyter Lab实例挂载的NAS文件系统中，一次开发多次使用。
支持的日志服务功能场景
| 类别 | 子类 | 支持功能 |
|---|---|---|
| 资源管理 | 批量创建Project和Logstore | 支持通过模板批量创建多个Project和Logstore。 |
| 查询Project和Logstore列表 | 通过模板创建Logtail配置，同时支持跨Project复制Logtail配置。 | |
| 索引配置管理 | 支持Logstore的索引配置管理，同时支持批量查询账号下各个Logstore的索引配置。 | |
| 任务管理类 | 投递任务管理 | 快速创建投递任务，无须通过人工配置即可实现投递任务的快速编排。 |
| 查询分析类 | 探索性数据分析 | 基于Jupyter Lab中内置阿里云成本分析和全球疫情分析Demo，可以快速获取所需的成本分析和疫情分析数据。 |
| 机器学习类 | ECS指标预测 | 通过Jupyter Lab中内置的模板，模拟ECS指标数据，并结合机器学习预测函数对指标趋势进行预测。您可以快速直观地体验日志服务的机器学习预测功能，也可以根据实际业务将机器学习能力结合到业务场景。 |
| ECS指标异常检测 | 通过Jupyter Lab中内置的模板，模拟ECS指标数据，并结合机器学习预测函数对异常指标进行检测发现。您可以快速直观地体验日志服务的机器学习异常检测功能，也可以根据实际业务将日志服务异常检测能力结合到业务场景，并结合告警能力对异常进行通知。 | |
| ECS指标流式智能巡检 | 通过Jupyter Lab中内置的模板，将真实的ECS数据写入到日志服务，并调用机器学习流式巡检函数对数据进行建模，从而快速直观地体验日志服务的机器学习流式智能巡检功能。 |
实例说明
Jupyter Lab后端功能由PAI-DSW提供，因此使用Jupyter Lab前您需要创建对应的PAI-DSW个人版实例。PAI-DSW个人版实例基于阿里云Docker和Kubernetes等云原生技术，为您提供灵活且开放的AI开发环境。该版本的功能特点、实例规格及可用区、支持的镜像列表如下：
- 华东1（杭州）地域的CPU类型实例规格如下表所示。
规格 vCPU数量 内存（GiB 带宽（Gbps） 系统盘（GB） ecs.c6.large 2 4 1 128 ecs.g6.large 2 8 1 128 ecs.g6.xlarge 4 16 1.5 256 ecs.g6.2xlarge 8 32 2.5 500 ecs.g6.4xlarge 16 64 5 500 ecs.g6.8xlarge 32 128 10 500 - 华东1（杭州）地域的GPU类型的实例规格如下表所示。
规格 vCPU数量 内存（GiB） GPU 带宽（Gbps） 系统盘（GB） ecs.gn6e-c12g1.12xlarge 48 368 4*NVIDIA V100 16 500 ecs.gn5-c4g1.xlarge 4 30 1*NVIDIA P100 3 256