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.
Verwenden Sie Apache Spark mit Amazon SageMaker
Amazon SageMaker Spark ist eine Open-Source-Spark-Bibliothek, mit SageMaker der Sie Spark-Pipelines für maschinelles Lernen (ML) erstellen können. Dies vereinfacht die Integration von Spark-ML-Phasen in SageMaker Phasen wie Modelltraining und Hosting. Informationen zu SageMaker Spark finden Sie im SageMaker GitHubSpark-Repository
Die SageMaker Spark-Bibliothek ist in Python und Scala verfügbar. Sie können SageMaker Spark verwenden, um Modelle bei der SageMaker Verwendung von org.apache.spark.sql.DataFrame
Datenrahmen in Ihren Spark-Clustern zu trainieren. Nach dem Modelltraining können Sie das Modell auch mithilfe von SageMaker Hosting-Diensten hosten.
Die SageMaker Spark-Bibliothek bietet unter anderem die folgenden Klassen: com.amazonaws.services.sagemaker.sparksdk
-
SageMakerEstimator
– Erweitert dieorg.apache.spark.ml.Estimator
Schnittstelle. Sie können diesen Schätzer für das Modelltraining in SageMaker verwenden. -
KMeansSageMakerEstimator
,PCASageMakerEstimator
, undXGBoostSageMakerEstimator
– Erweitert dieSageMakerEstimator
Klasse. -
SageMakerModel
– Erweitertorg.apache.spark.ml.Model
Klasse. Sie können ihn zum Hosten von Modellen undSageMakerModel
zum Abrufen von Schlussfolgerungen verwenden. SageMaker
Sie können den Quellcode sowohl für Python Spark (PySpark) als auch für die Scala-Bibliotheken aus dem SageMaker GitHubSpark-Repository
Die Installation und Beispiele der SageMaker Spark-Bibliothek finden Sie unter SageMaker Beispiele für Spark für Scala oderSageMaker Beispiele für Spark für Python (PySpark).
Wenn Sie Amazon EMR on AWS zur Verwaltung von Spark-Clustern verwenden, finden Sie weitere Informationen unter Apache Spark
Themen
Integrieren Sie Ihre Apache Spark-Anwendung mit SageMaker
Im Folgenden finden Sie eine allgemeine Zusammenfassung der Schritte zur Integration Ihrer Apache Spark-Anwendung mit SageMaker.
-
Setzen Sie die Datenvorverarbeitung mithilfe der Apache Spark-Bibliothek fort, mit der Sie vertraut sind. Ihr Datensatz bleibt ein
DataFrame
in Ihrem Spark-Cluster. Laden Sie Ihre Daten in eineDataFrame
. Verarbeiten Sie es so vor, dass Sie einefeatures
Spalte mitorg.apache.spark.ml.linalg.Vector
ofDoubles
und eine optionalelabel
Spalte mit WertenDouble
vom Typ haben. -
Verwenden Sie den Schätzer in der SageMaker Spark-Bibliothek, um Ihr Modell zu trainieren. Wenn Sie beispielsweise den von SageMaker for model training bereitgestellten K-Means-Algorithmus wählen, rufen Sie die
KMeansSageMakerEstimator.fit
Methode auf.Geben Sie Ihren
DataFrame
als Eingabe an. Von der Schätzfunktion wird einSageMakerModel
-Objekt zurückgegeben.Anmerkung
SageMakerModel
ist eine Erweiterung vonorg.apache.spark.ml.Model
.Von der
fit
-Methode werden folgende Schritte ausgeführt:-
Konvertiert die Eingabe in
DataFrame
das Protobuf-Format. Dazu werden dielabel
Spaltenfeatures
und aus der Eingabe ausgewählt.DataFrame
Anschließend werden die Protobuf-Daten in einen Amazon S3 S3-Bucket hochgeladen. Das Protobuf-Format ist effizient für das Modelltraining in. SageMaker -
Startet das Modelltraining SageMaker durch Senden einer SageMaker
CreateTrainingJob
Anfrage. SageMaker Speichert die Modellartefakte nach Abschluss des Modelltrainings in einem S3-Bucket.SageMaker nimmt die IAM Rolle an, die Sie für das Modelltraining angegeben haben, um Aufgaben in Ihrem Namen auszuführen. Beispielsweise wird die Rolle zum Lesen von Trainingsdaten aus einem S3-Bucket und zum Schreiben von Modellartefakten in einen Bucket verwendet.
-
Ein
SageMakerModel
-Objekt wird erstellt und zurückgegeben. Der Konstruktor führt die folgenden Aufgaben aus, die sich auf die Bereitstellung Ihres Modells beziehen SageMaker.-
Sendet eine
CreateModel
Anfrage an. SageMaker -
Sendet eine
CreateEndpointConfig
-Anforderung an SageMaker. -
Sendet eine
CreateEndpoint
Anfrage an SageMaker, die dann die angegebenen Ressourcen startet und das Modell auf ihnen hostet.
-
-
-
Sie können Rückschlüsse aus Ihrem Modell ziehen, das SageMaker mit dem
SageMakerModel.transform
gehostet wird.Stellen Sie einen
DataFrame
mit Merkmalen als Eingabe bereit. Dietransform
-Methode transformiert dies in einenDataFrame
, der Inferenzen enthält. Intern sendet dietransform
Methode eine Anfrage an die, um RückschlüsseInvokeEndpoint
SageMaker APIzu erhalten. Dietransform
-Methode hängt die Inferenzen an den Eingabe-DataFrame
an.