すべてのプロダクト
Search
ドキュメントセンター

DataWorks:個人開発環境から DataWorks イメージを作成する

最終更新日:Jul 18, 2026

Data Studio では、個人開発環境からイメージを作成し、データ開発や他の個人開発環境で使用できます。

背景情報

個人開発環境での開発およびテスト中に、さまざまなサードパーティの依存関係が必要になる場合があります。必要な依存関係を環境にインストールし、その環境からカスタムイメージを作成して、他の個人開発環境やワークスペースと共有できます。

個人開発環境から作成されたイメージは、ノートブック、Python、および シェル タスクタイプをサポートします。イメージ作成後は、タスクタイプやその他の構成を変更できません。

前提条件

重要

ステップ 1:個人開発環境へのアクセス

  1. DataWorks コンソールのワークスペースページに移動します。上部ナビゲーションバーで目的のリージョンを選択し、目的のワークスペースを見つけ、操作 列で ショートカット > Data Studio を選択します。

  2. ページ上部で 個人開発環境 · 選択 をクリックし、既存の個人開発環境インスタンスを選択します。

ステップ 2:インスタンスからのイメージ作成

  1. インスタンスからイメージを作成する前に、個人開発環境を強化します。

  2. 個人開発環境の構成が完了したら、ページ上部の 個人開発環境 · 選択 ドロップダウンリストをクリックし、インスタンス管理 を選択してインスタンス一覧パネルを開きます。

  3. カスタムイメージを作成します。

    インスタンス一覧で対象のインスタンスを見つけ、操作 列の 操作 をクリックします。前提条件 セクションで準備したリソースを使用して、ACR インスタンス、名前空間、イメージリポジトリ、イメージバージョン、および タスクタイプ を構成します。

    パラメーター

    説明

    イメージ名

    DataWorks イメージのカスタム名を入力します。

    ACR インスタンス

    ACR インスタンスを選択します。ACR インスタンスの作成方法については、「Enterprise Edition インスタンスの作成」をご参照ください。

    名前空間

    ACR インスタンスの名前空間を選択します。詳細については、「名前空間の作成」をご参照ください。

    イメージリポジトリ

    ACR インスタンスのイメージリポジトリを選択します。詳細については、「イメージリポジトリの作成」をご参照ください。

    イメージバージョン

    カスタムイメージバージョンを入力します。

    MaxCompute への同期

    デフォルト値は いいえ です。

    説明

    このオプションは、選択した ACR インスタンス が Standard Edition 以上の場合にのみ利用可能です。

    • はい を選択すると、DataWorks カスタムイメージが生成されます。このイメージを DataWorks で公開すると、MaxCompute イメージとしてもビルドされます。詳細については、「個人開発環境から MaxCompute イメージを作成する」をご参照ください。

    • いいえ を選択すると、DataWorks カスタムイメージのみが生成され、MaxCompute イメージとしてはビルドされません。

    タスクタイプ

    イメージを使用できるタスクタイプを選択します。

    • ノートブック

    • Python

    • シェル

  4. 構成が完了したら、確認 をクリックしてイメージの作成を開始します。

    重要
    • イメージ作成時に、個人開発環境インスタンスにアタッチされた VPC と Alibaba Cloud Container Registry (ACR) にアタッチされた VPC が同一であることを確認してください。

    • イメージ作成プロセスは、イメージサイズやネットワーク状況によって 1~5 分かかる場合があります。

    • 一度作成されたイメージは、イメージ管理で変更できません。

  5. イメージ作成が完了するまで待ちます。

ステップ 3:カスタムイメージの公開

カスタムイメージが作成されたら、DataWorks コンソール に移動し、イメージ管理 > カスタムイメージ タブに移動します。対象のイメージを見つけ、テスト および 公開 を実行します。テストおよび公開時の注意点は以下のとおりです。

  • カスタムイメージをテストする際は、サーバーレスリソースグループを選択します。

  • テストおよび公開に使用する サーバーレスリソースグループにアタッチされた VPC は、Alibaba Cloud Container Registry (ACR) で構成された VPC と同じである必要があります。

  • テストに合格した イメージのみを公開できます。

  • カスタムイメージがインターネットからサードパーティのパッケージをフェッチする必要があり、テストがタイムアウトまたは失敗する場合は、テストリソースグループ にアタッチされた VPC がインターネットアクセス可能かどうかを確認してください。VPC のインターネットアクセスを構成するには、「インターネット NAT ゲートウェイの SNAT 機能を使用したインターネットアクセス」をご参照ください。

ステップ 4:ワークスペースへのイメージ割り当て

  1. DataWorks コンソールの イメージ管理 > カスタムイメージ タブで、公開済み のカスタムイメージを見つけます。

  2. 対象イメージの 操作 列で、image > 所属ワークスペースの変更 をクリックして、カスタムイメージをワークスペースにバインドします。

ステップ 5:カスタムイメージの使用

イメージをワークスペースに割り当てた後、ノートブック、Python、または シェル ノードの開発に使用できます。以下の手順では、Python ノードを例として説明します。

  1. データ開発ページの左側にある プロジェクトディレクトリ ペインで、image アイコンをクリックし、ノードの作成 > 汎用 > Python ノード を選択して Python ノードを作成します。

  2. ノードの開発が完了したら、右側で デバッグの構成 をクリックします。リソースグループ を構成し、Python コードで必要な イメージ を選択します。

    また、コンピューティング CU(例:0.5)を設定します。利用可能なイメージがない場合は、新規イメージ をクリックして作成できます。

  3. image アイコンをクリックして Python コードをデバッグします。

  4. デバッグ実行が成功したら、スケジューリング設定 をクリックします。スケジューリング戦略タブで、ノードの定期スケジュールの イメージ を設定します。

    説明
    • スケジューリング設定 で構成されたイメージは、デバッグの構成 で構成されたイメージと同一である必要があります。

    • ノートブックノードの場合、スケジューリング設定 でのみイメージを構成できます。

  5. スケジューリング設定が完了したら、Python ノードを 保存 および 公開 できます。

次のステップ

永続イメージ:カスタムイメージを永続イメージにビルドできます。これにより、各実行ごとにイメージ環境を再デプロイする必要がなくなります。同じ環境を再利用することで、一貫性が保たれ、ランタイム、コンピューティング、トラフィックコストが削減されます。詳細については、「永続イメージのビルド」をご参照ください。

付録:個人開発環境の強化

DataWorks 個人開発環境のデフォルトの依存関係では、すべての開発ニーズを満たせない場合があります。追加の依存関係をインストールして環境を強化できます。

オープンソースの依存関係のインストール

個人開発環境インスタンスにオープンソースの依存関係をインストールできます。以下の例では、jieba ライブラリをインストールします。

  1. データ開発ページの左下隅にある image アイコンをクリックしてターミナルを開きます。

  2. ターミナルで、次のコマンドを実行して jieba ライブラリをインストールします。

    pip install jieba
    ● /mnt/workspace> pip install jieba
    Looking in indexes: https://mirrors.cloud.aliyuncs.com/pypi/simple
    Collecting jieba
      Downloading https://mirrors.cloud.aliyuncs.com/pypi/packages/c6/cb/18eeb235f833b726522d7ebed54f2278ce28ba9438e3135ab0278d9792a2/jieba-0.42.1.tar.gz (19.2 MB)
         ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 19.2/19.2 MB 101.0 MB/s eta 0:00:00
      Installing build dependencies ... done
      Getting requirements to build wheel ... done
      Preparing metadata (pyproject.toml) ... done
    Building wheels for collected packages: jieba
      Building wheel for jieba (pyproject.toml) ... done
      Created wheel for jieba: filename=jieba-0.42.1-py3-none-any.whl size=19314508 sha256=5d2a212c7aaa36057e04dde6c183c1d23da40d2452831dd8b2d00482d1a963cd
      Stored in directory: /root/.cache/pip/wheels/70/b3/5f/b9d1821b0e0b90640bf536c9f79f039cafbec7de737a9b8c49
    Successfully built jieba
    Installing collected packages: jieba
    Successfully installed jieba-0.42.1
    WARNING: Running pip as the 'root' user can result in broken permissions and conflicting behaviour with the system package manager. It is recommended to use a virtual environment instead: https://pip.pypa.io/warnings/venv
  3. jieba ライブラリをインストールしたら、個人ディレクトリ > ワークスペース ディレクトリに .py ファイルを作成します。Python ファイルに次のコードを編集して保存します。

    import sys
    import jieba
    '''システム入力パラメーター arg を取得'''
    for arg in sys.argv:
        print(f"argv: {arg}")
    '''jieba クラスを呼び出して入力データをトークン化し、出力を表示'''    
    seg_list = jieba.cut(sys.argv[1], cut_all=False)
    print("Default Mode: " + "/ ".join(seg_list))
    print('finish')

    編集が完了したら、image をクリックして Python コードを保存します。

  4. ターミナルで、次のコマンドを実行して Python ファイルを実行します。

    python file_name.py "我是大数据治理开发平台文档"
    /mnt/workspace> python xxx.py "我是大数据治理开发平台文档"
    argv: xxx.py
    argv: 我是大数据治理开发平台文档
    デフォルト辞書からプレフィックス辞書を構築中...
    キャッシュ /tmp/jieba.cache からモデルをロード中
    モデルのロードに 0.914 秒かかりました。
    プレフィックス辞書の構築が正常に完了しました。
    デフォルトモード: 我/ 是/ 大/ 数据/ 治理/ 开发/ 平台/ 文档
    finish

正常に実行されれば、jieba ライブラリが正しくインストールされていることが確認できます。

サードパーティの依存関係のインストール

Git によるクローン

git clone を使用して Python プロジェクトをクローンするには、VPC のパブリックネットワークアクセスを構成する必要があります。詳細については、「インターネット NAT ゲートウェイの構成」をご参照ください。

  1. データ開発ページの左下隅にある image アイコンをクリックしてターミナルを開きます。

  2. ターミナルで、次のコマンドを実行してワークスペースフォルダに移動します。

    cd /mnt/workspace
  3. ワークスペースフォルダに Git から Python プロジェクトをクローンします。

    # URL をご自身のリポジトリ URL に置き換えてください。
    git clone https://github.com/example/Example-Python.git
  4. クローンした Python プロジェクトをインストールします。

    1. クローンした Python プロジェクトディレクトリに移動します。

      cd Example-Python
    2. Python プロジェクトをインストールします。

      pip install .
      /mnt/workspace/xxx>> pip install .
      Looking in indexes: https://mirrors.cloud.aliyuncs.com/pypi/simple
      Processing /mnt/workspace/xxx
        Installing build dependencies ... done
        Getting requirements to build wheel ... done
        Preparing metadata (pyproject.toml) ... done
      Requirement already satisfied: requests>=2.24.0 in /usr/local/lib/python3.11/site-packages (from my-python-lib==0.1) (2.32.3)
      Requirement already satisfied: numpy in /usr/local/lib/python3.11/site-packages (from my-python-lib==0.1) (1.26.4)
      Requirement already satisfied: charset-normalizer<4,>=2 in /usr/local/lib/python3.11/site-packages (from requests>=2.24.0->my-python-lib==0.1) (3.4.0)
      Requirement already satisfied: idna<4,>=2.5 in /usr/local/lib/python3.11/site-packages (from requests>=2.24.0->my-python-lib==0.1) (3.10)
      Requirement already satisfied: urllib3<3,>=1.21.1 in /usr/local/lib/python3.11/site-packages (from requests>=2.24.0->my-python-lib==0.1) (2.2.3)
      Requirement already satisfied: certifi>=2017.4.17 in /usr/local/lib/python3.11/site-packages (from requests>=2.24.0->my-python-lib==0.1) (2024.8.30)

プロジェクトのアップロード

  1. ローカルの Python プロジェクトを 個人ディレクトリ > workspace ディレクトリにアップロードし、ターミナルを使用してプロジェクトフォルダに移動します。

    cd /mnt/workspace/"python_project_folder"
  2. 次のコマンドを実行して Python プロジェクトをインストールします。

    pip install .
    /mnt/workspace/xxx>> pip install .
    Looking in indexes: https://mirrors.cloud.aliyuncs.com/pypi/simple
    Processing /mnt/workspace/xxx
      Installing build dependencies ... done
      Getting requirements to build wheel ... done
      Preparing metadata (pyproject.toml) ... done
    Requirement already satisfied: requests>=2.24.0 in /usr/local/lib/python3.11/site-packages (from my-python-lib==0.1) (2.32.3)
    Requirement already satisfied: numpy in /usr/local/lib/python3.11/site-packages (from my-python-lib==0.1) (1.26.4)
    Requirement already satisfied: charset-normalizer<4,>=2 in /usr/local/lib/python3.11/site-packages (from requests>=2.24.0->my-python-lib==0.1) (3.4.0)
    Requirement already satisfied: idna<4,>=2.5 in /usr/local/lib/python3.11/site-packages (from requests>=2.24.0->my-python-lib==0.1) (3.10)
    Requirement already satisfied: urllib3<3,>=1.21.1 in /usr/local/lib/python3.11/site-packages (from requests>=2.24.0->my-python-lib==0.1) (2.2.3)
    Requirement already satisfied: certifi>=2017.4.17 in /usr/local/lib/python3.11/site-packages (from requests>=2.24.0->my-python-lib==0.1) (2024.8.30)

プログラムのアップロード

  1. ローカルの Python プログラムの圧縮パッケージを 個人ディレクトリ > workspace ディレクトリにアップロードします。その後、ターミナルを使用してパッケージを解凍し、Python のコンパイルパスを確認します。

    cat 'decompressed_python_project_name'/bin/pip
  2. Python のコンパイルパスを作成します。

    # 確認した Python コンパイルパスを作成します。
    mkdir -p 'python_compile_path_found'
  3. 解凍したフォルダを、ビルド時に Python が使用したコンパイルパスに移動します。

    mv 'decompressed_python_project_name' /'python_compile_path_found'
  4. デフォルトの Python パッケージを、ご自身の Python プログラムに置き換えます。

    for src in idle3 pydoc3 python3 python3-config pip3; do \
        dst="$(echo "$src" | tr -d 3)"; \
        [ -s "/usr/local/bin/$src" ]; \
        [ ! -e "/usr/local/bin/$dst" ]; \
        mv /usr/local/bin/$dst /usr/local/bin/${dst}_bak
        ln -svT "python_compile_path_found/bin/$src" "/usr/local/bin/$dst"; \
    done

インストール後、個人開発環境でコードを実行・デバッグして、サードパーティの依存関係が期待どおりに動作することを確認してください。