Docker-Images für interaktive Endpunkte anpassen - Amazon EMR

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Docker-Images für interaktive Endpunkte anpassen

Sie können Docker-Images auch für interaktive Endpunkte anpassen, sodass Sie benutzerdefinierte Basis-Kernel-Images ausführen können. Auf diese Weise können Sie sicherstellen, dass Sie über die Abhängigkeiten verfügen, die Sie benötigen, wenn Sie interaktive Workloads von EMR Studio aus ausführen.

  1. Folgen Sie den oben beschriebenen Schritten 1–4, um ein Docker-Image anzupassen. Für Amazon EMR 6.9.0-Versionen und höher können Sie das Basis-Image URI aus der Amazon ECR Public Gallery abrufen. Für Versionen vor Amazon EMR 6.9.0 können Sie das Image in jedem ECR Amazon-Registrierungskonto abrufen AWS-Region, und der einzige Unterschied ist das Basis-Image URI in Ihrem Dockerfile. Das Basis-Image URI folgt dem Format:

    ECR-registry-account.dkr.ecr.Region.amazonaws.com/notebook-spark/container-image-tag

    Sie müssen notebook-spark im Basisimage URI anstelle von verwendenspark. Das Basis-Image enthält die Spark-Laufzeit und die Notebook-Kernel, die damit ausgeführt werden. Weitere Informationen zur Auswahl von Regionen und Container-Image-Tags finden Sie unter Einzelheiten zur Auswahl eines Basis-Images URI.

    Anmerkung

    Derzeit werden nur Überschreibungen von Basis-Images unterstützt und die Einführung völlig neuer Kernel anderer Typen als die Basis-Images wird nicht AWS unterstützt.

  2. Erstellen Sie einen interaktiven Endpunkt, der mit dem benutzerdefinierten Image verwendet werden kann.

    Erstellen Sie zunächst eine JSON Datei namens custom-image-managed-endpoint.json mit dem folgenden Inhalt.

    {
    "name": "endpoint-name",
    "virtualClusterId": "virtual-cluster-id",
    "type": "JUPYTER_ENTERPRISE_GATEWAY",
    "releaseLabel": "emr-6.6.0-latest",
    "executionRoleArn": "execution-role-arn",
    "certificateArn": "certificate-arn",
    "configurationOverrides": {
        "applicationConfiguration": [
            {
                "classification": "jupyter-kernel-overrides",
                "configurations": [
                    {
                        "classification": "python3",
                        "properties": {
                            "container-image": "123456789012.dkr.ecr.us-west-2.amazonaws.com/custom-notebook-python:latest"
                        }
                    },
                    {
                        "classification": "spark-python-kubernetes",
                        "properties": {
                            "container-image": "123456789012.dkr.ecr.us-west-2.amazonaws.com/custom-notebook-spark:latest"
                        }
                    }
                ] 
            }
        ]
    }
}

    Erstellen Sie als Nächstes einen interaktiven Endpunkt mit den in der JSON Datei angegebenen Konfigurationen, wie das folgende Beispiel zeigt.

    aws emr-containers create-managed-endpoint --cli-input-json custom-image-managed-endpoint.json

    Weitere Informationen finden Sie unter Einen interaktiven Endpunkt für Ihren virtuellen Cluster erstellen.

  3. Stellen Sie über EMR Studio Connect zum interaktiven Endpunkt her. Weitere Informationen finden Sie unter Herstellen einer Verbindung über Studio.