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.
Daten vorbereiten mit EMR Serverless
Ab der SageMaker Distributions-Image-Version 1.10 lässt sich Amazon SageMaker Studio in EMR Serverless integrieren. In den JupyterLab Notebooks in SageMaker Studio können Datenwissenschaftler und Dateningenieure serverlose EMR-Anwendungen entdecken und eine Verbindung zu ihnen herstellen. Anschließend können sie umfangreiche Apache Spark- oder Apache Hive-Workloads interaktiv untersuchen, visualisieren und vorbereiten. Diese Integration ermöglicht die Durchführung einer interaktiven Datenvorverarbeitung in großem Maßstab als Vorbereitung für das Training und die Bereitstellung von ML-Modellen.
Insbesondere 1.10 nutzt die aktualisierte Version der Image-Version sagemaker-studio-analytics-extension
Wichtig
Wenn Sie Studio verwenden, können Sie EMR Serverless-Anwendungen nur für JupyterLab Anwendungen erkennen und eine Verbindung zu ihnen herstellen, die von privaten Bereichen aus gestartet werden. Stellen Sie sicher, dass sich die EMR Serverless-Anwendungen in derselben AWS Region wie Ihre Studio-Umgebung befinden.
Voraussetzungen
Bevor Sie beginnen, interaktive Workloads mit EMR Serverless von Ihren JupyterLab Notebooks aus auszuführen, stellen Sie sicher, dass Sie die folgenden Voraussetzungen erfüllen:
-
Ihr JupyterLab Bereich muss eine SageMaker Distribution-Image-Version oder höher verwenden.
1.10 -
Erstellen Sie eine interaktive EMR-Anwendung ohne Server mit Amazon EMR-Version
6.14.0oder höher. Sie können eine EMR-Serverless -Anwendung über die Studio-Benutzeroberfläche erstellen, indem Sie die Schritte unter Erstellen Sie Serverless-Anwendungen aus Studio befolgen.Anmerkung
Für die einfachste Einrichtung können Sie Ihre EMR Serverless-Anwendung in der Studio-Benutzeroberfläche erstellen, ohne die Standardeinstellungen für die Virtual Private Cloud (VPC) -Option zu ändern. Dadurch kann die Anwendung innerhalb Ihrer Domain-VPC erstellt werden, ohne dass eine Netzwerkkonfiguration erforderlich ist. In diesem Fall können Sie den folgenden Netzwerk-Setup-Schritt überspringen.
-
Lesen Sie die Netzwerk- und Sicherheitsanforderungen unterKonfigurieren Sie den Netzwerkzugriff für Ihren Amazon-EMR-Cluster. Stellen Sie insbesondere sicher, dass Sie:
-
Stellen Sie eine VPC-Peering-Verbindung zwischen Ihrem Studio-Konto und Ihrem EMR Serverless-Konto her.
-
Fügen Sie den Routing-Tabellen für private Subnetze in beiden Konten Routen hinzu.
-
Richten Sie die mit Ihrer Studio-Domain verbundene Sicherheitsgruppe ein, um ausgehenden Datenverkehr zuzulassen, und konfigurieren Sie die Sicherheitsgruppe der VPC, in der Sie die EMR-Serverless-Anwendungen ausführen möchten, so, dass eingehender TCP-Datenverkehr von der Sicherheitsgruppe der Studio-Instance zugelassen wird.
-
-
Um auf Ihre interaktiven Anwendungen auf EMR Serverless zuzugreifen und Workloads auszuführen, die von Ihren JupyterLab Notebooks in SageMaker Studio eingereicht wurden, müssen Sie bestimmte Berechtigungen und Rollen zuweisen. Einzelheiten zu den erforderlichen Rollen und Berechtigungen finden Sie im Richten Sie die Berechtigungen ein, um Amazon EMR-Anwendungen von Studio aus auflisten und starten zu können SageMaker Abschnitt.
Liste der Themen
