Mit Sammlungen den Überblick behalten
Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.
Auf Cloud Storage-Buckets und -Dateien in JupyterLab zugreifen
Auf dieser Seite wird gezeigt, wie Sie einen Cloud Storage-Bucket auf der JupyterLab-Oberfläche Ihrer Vertex AI Workbench-Instanz bereitstellen, damit Sie in Cloud Storage gespeicherte Dateien durchsuchen können. Sie können auch Dateien öffnen und bearbeiten, die mit JupyterLab kompatibel sind, z. B. Textdateien und Notebook-Dateien (IPYNB).
Übersicht
Vertex AI Workbench-Instanzen umfassen eine Cloud Storage-Einbindung, mit der Sie einen Cloud Storage-Bucket bereitstellen können. Sie können also den Inhalt des Buckets über die JupyterLab-Oberfläche durchsuchen und mit kompatiblen Dateien arbeiten.
Sie können auf alle Cloud Storage-Buckets und -Dateien zugreifen, auf die Ihre Instanz innerhalb des Projekts Ihrer Vertex AI Workbench-Instanz Zugriff hat.
Hinweise
Sign in to your Google Cloud account. If you're new to
Google Cloud,
create an account to evaluate how our products perform in
real-world scenarios. New customers also get $300 in free credits to
run, test, and deploy workloads.
In the Google Cloud console, on the project selector page,
select or create a Google Cloud project.
Damit Ihr Nutzerkonto die erforderlichen Berechtigungen zum Bereitstellen eines Cloud Storage-Buckets auf einer Vertex AI Workbench-Instanz hat, bitten Sie Ihren Administrator, Ihrem Nutzerkonto die folgenden IAM-Rollen für das Projekt zuzuweisen:
Erforderliche Berechtigung zum Aktivieren des Freigabespeichers
Wenn Sie das Bereitstellen freigegebenen Speichers in Ihrer Vertex AI Workbench-Instanz aktivieren möchten, bitten Sie Ihren Administrator, dem Dienstkonto Ihrer Vertex AI Workbench-Instanz die Berechtigung storage.buckets.list für das Projekt zu erteilen.
Die Berechtigung storage.buckets.list ist erforderlich, damit die Schaltfläche Freigegebenen Speicher bereitstellen in der JupyterLab-Oberfläche Ihrer Vertex AI Workbench-Instanz angezeigt wird.
Bucket und Vertex AI Workbench-Instanz erstellen
Sie benötigen Zugriff auf mindestens einen Cloud Storage-Bucket im selben Projekt wie Ihre Vertex AI Workbench-Instanz.
Informationen zum Erstellen eines Cloud Storage-Buckets finden Sie unter Buckets erstellen.
Klicken Sie neben dem Namen der Vertex AI Workbench-Instanz auf JupyterLab öffnen.
Ihre Vertex AI Workbench-Instanz öffnet JupyterLab.
Cloud Storage-Bucket bereitstellen
So stellen Sie einen Cloud Storage-Bucket bereit und greifen darauf zu:
Achten Sie darauf, dass in JupyterLab der Tab folderDateibrowser ausgewählt ist.
Klicken Sie in der linken Seitenleiste auf die Schaltfläche Freigegebenen Speicher bereitstellen. Wenn Sie die Schaltfläche nicht sehen, ziehen Sie die rechte Seite der Seitenleiste, um sie zu maximieren, bis die Schaltfläche angezeigt wird.
Geben Sie im Feld Bucket-Name den Namen des Cloud Storage-Buckets ein, das Sie bereitstellen möchten.
Klicken Sie auf Mount.
Ihr Cloud Storage-Bucket wird in der linken Seitenleiste auf dem Tab Dateibrowser als Ordner angezeigt. Doppelklicken Sie auf den Ordner, um ihn zu öffnen und den Inhalt zu durchsuchen.
Fehlerbehebung
Informationen zur Diagnose und Behebung von Problemen beim Bereitstellen eines Cloud Storage-Buckets auf Ihrer Instanz finden Sie unter Fehlerbehebung bei Vertex AI Workbench.
[[["Leicht verständlich","easyToUnderstand","thumb-up"],["Mein Problem wurde gelöst","solvedMyProblem","thumb-up"],["Sonstiges","otherUp","thumb-up"]],[["Schwer verständlich","hardToUnderstand","thumb-down"],["Informationen oder Beispielcode falsch","incorrectInformationOrSampleCode","thumb-down"],["Benötigte Informationen/Beispiele nicht gefunden","missingTheInformationSamplesINeed","thumb-down"],["Problem mit der Übersetzung","translationIssue","thumb-down"],["Sonstiges","otherDown","thumb-down"]],["Zuletzt aktualisiert: 2025-08-28 (UTC)."],[],[],null,["# Access Cloud Storage buckets and files in JupyterLab in a Vertex AI Workbench instance.\n\nAccess Cloud Storage buckets and files in JupyterLab\n====================================================\n\nThis page shows you how to mount a Cloud Storage bucket to the\nJupyterLab interface of your Vertex AI Workbench instance so that you can\nbrowse files that are stored in Cloud Storage. You can also open\nand edit files that are compatible with JupyterLab, such as text files and\nnotebook (IPYNB) files.\n\nOverview\n--------\n\nVertex AI Workbench instances include a Cloud Storage integration\nthat lets you mount a Cloud Storage bucket. This means you can\nbrowse the contents of the bucket and work with compatible files from within\nthe JupyterLab interface.\n\nYou can access any of the Cloud Storage buckets and files that\nyour instance has access to within the same project as\nyour Vertex AI Workbench instance.\n| **Note:** Your Vertex AI Workbench instance's access to Cloud Storage is determined by the single user or service account that you used to grant access to your instance. For example, if you granted a specific service account access to your instance, you must also grant that service account access to the Cloud Storage buckets that you want to use in JupyterLab.\n\nBefore you begin\n----------------\n\n- Sign in to your Google Cloud account. If you're new to Google Cloud, [create an account](https://console.cloud.google.com/freetrial) to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.\n- In the Google Cloud console, on the project selector page,\n select or create a Google Cloud project.\n\n | **Note**: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.\n\n [Go to project selector](https://console.cloud.google.com/projectselector2/home/dashboard)\n-\n [Verify that billing is enabled for your Google Cloud project](/billing/docs/how-to/verify-billing-enabled#confirm_billing_is_enabled_on_a_project).\n\n-\n\n\n Enable the Notebooks API.\n\n\n [Enable the API](https://console.cloud.google.com/flows/enableapi?apiid=notebooks.googleapis.com&redirect=https://console.cloud.google.com)\n\n- In the Google Cloud console, on the project selector page,\n select or create a Google Cloud project.\n\n | **Note**: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.\n\n [Go to project selector](https://console.cloud.google.com/projectselector2/home/dashboard)\n-\n [Verify that billing is enabled for your Google Cloud project](/billing/docs/how-to/verify-billing-enabled#confirm_billing_is_enabled_on_a_project).\n\n-\n\n\n Enable the Notebooks API.\n\n\n [Enable the API](https://console.cloud.google.com/flows/enableapi?apiid=notebooks.googleapis.com&redirect=https://console.cloud.google.com)\n\n\u003cbr /\u003e\n\n### Required roles\n\n\nTo get the permissions that\nyou need to mount a Cloud Storage bucket to a Vertex AI Workbench instance,\n\nask your administrator to grant you the\nfollowing IAM roles on the project:\n\n- [Notebooks Runner](/iam/docs/roles-permissions/notebooks#notebooks.runner) (`roles/notebooks.runner`)\n- [Storage Object User](/iam/docs/roles-permissions/storage#storage.objectUser) (`roles/storage.objectUser`)\n\n\nFor more information about granting roles, see [Manage access to projects, folders, and organizations](/iam/docs/granting-changing-revoking-access).\n\n\nYou might also be able to get\nthe required permissions through [custom\nroles](/iam/docs/creating-custom-roles) or other [predefined\nroles](/iam/docs/roles-overview#predefined).\n\n### Required permission for enabling shared storage mounting\n\nTo enable shared storage mounting in your Vertex AI Workbench instance,\nask your administrator to grant your Vertex AI Workbench instance's\nservice account the `storage.buckets.list` permission on the project.\n\nThe `storage.buckets.list` permission is required for the\n**Mount shared storage** button to appear in the JupyterLab interface of your\nVertex AI Workbench instance.\n\nCreate a bucket and a Vertex AI Workbench instance\n--------------------------------------------------\n\nYou must have access to at least one Cloud Storage bucket in the same project as your Vertex AI Workbench instance.\n\n1. If you need to create a Cloud Storage bucket, see [Create a bucket](/storage/docs/creating-buckets).\n2. If you haven't already, [create a Vertex AI Workbench instance](/vertex-ai/docs/workbench/instances/create) in the same project as your Cloud Storage bucket.\n\nOpen JupyterLab\n---------------\n\n1. In the Google Cloud console, go to the **Instances** page.\n\n\n [Go to Instances](https://console.cloud.google.com/vertex-ai/workbench/instances)\n2. Next to your Vertex AI Workbench instance's name,\n click **Open JupyterLab**.\n\n Your Vertex AI Workbench instance opens JupyterLab.\n\nMount the Cloud Storage bucket\n------------------------------\n\nTo mount and then access a Cloud Storage bucket, do the following:\n\n1. In JupyterLab, make sure the\n folder **File Browser** tab\n is selected.\n\n2. In the left sidebar, click the\n **Mount\n shared storage** button. If you don't see the button, drag the right side\n of the sidebar to expand the sidebar until you see the button.\n\n\n3. In the **Bucket name** field, enter the Cloud Storage\n bucket name that you want to mount.\n\n4. Click **Mount**.\n\n5. Your Cloud Storage bucket appears as a folder in the\n **File browser** tab of the left sidebar. Double-click the folder\n to open it and browse the contents.\n\nTroubleshoot\n------------\n\nTo find methods for diagnosing and resolving issues with mounting a\nCloud Storage bucket to your instance, see [Troubleshooting\nVertex AI Workbench](/vertex-ai/docs/general/troubleshooting-workbench#instances).\n\nWhat's next\n-----------\n\n- Learn more about [Cloud Storage](/storage/docs/introduction).\n\n- Learn how to [query data in BigQuery\n from within JupyterLab](/vertex-ai/docs/workbench/instances/bigquery)."]]