Creazione di un canale di input ML in AWS Clean Rooms ML

Per creare un canale di ingresso ML (console)

1. Accedi Console di gestione AWS e apri la AWS Clean Rooms console all'indirizzo https://console.aws.amazon.com/cleanrooms.

2. Nel riquadro di navigazione a sinistra, scegli Collaborazioni.

3. Nella pagina Collaborazioni, scegli la collaborazione in cui desideri creare un canale di input ML.

4. Dopo l'apertura della collaborazione, scegli la scheda Modelli ML.

5. In Modelli ML personalizzati, nella sezione Canali di ingresso ML, scegli Crea canale di ingresso ML.

6. Nella pagina Crea canale di ingresso ML, per i dettagli del canale di ingresso ML, effettuate le seguenti operazioni:

   1. In Nome, inserisci un nome univoco per il tuo canale.

   2. (Facoltativo) Per Descrizione, inserisci una descrizione del tuo canale.

   3. Per Algoritmo del modello associato, seleziona l'algoritmo da utilizzare.

      Scegliete Associa algoritmo al modello per aggiungerne uno nuovo.

7. Per Dataset, scegli un metodo per generare il set di dati di addestramento:

   • Scegli una query SQL per utilizzare i risultati di una query SQL come set di dati di addestramento.

     Se hai scelto la query SQL, inserisci la tua query nel campo Query SQL.

     (Facoltativo) Per importare una query che hai usato di recente, scegli Importa da interrogazioni recenti.

   • Scegli Modello di analisi per utilizzare i risultati di un modello di analisi come set di dati di addestramento.

     avvertimento

     La generazione di dati sintetici impedisce di dedurre attributi individuali, indipendentemente dalla presenza di individui specifici nel set di dati originale o dalla presenza di attributi di apprendimento di tali individui. Tuttavia, non impedisce la visualizzazione di valori letterali del set di dati originale, comprese le informazioni di identificazione personale (PII) nel set di dati sintetici.

     Si consiglia di evitare nel set di dati di input valori associati a un solo interessato perché potrebbero identificare nuovamente un interessato. Ad esempio, se un solo utente vive in un codice postale, la presenza di quel codice postale nel set di dati sintetici confermerebbe che l'utente si trovava nel set di dati originale. Tecniche come il troncamento di valori ad alta precisione o la sostituzione di cataloghi non comuni con altri possono essere utilizzate per mitigare questo rischio. Queste trasformazioni possono far parte dell'interrogazione utilizzata per creare il canale di ingresso ML.

   1. Se non è associata alcuna tabella, scegliete Associa tabella per aggiungere tabelle con una regola di analisi che può essere eseguita per il modello specificato.

   2. Scegliete il tipo di lavoratore da utilizzare per creare questo canale di dati. Il tipo di lavoratore predefinito è CR.1X. Specificare il numero di lavoratori da utilizzare. Il numero di lavoratore predefinito è 16. Per specificare le proprietà di Spark:

      1. Espandi le proprietà di Spark.

      2. Scegli Aggiungi proprietà Spark.

      3. Nella finestra di dialogo delle proprietà di Spark, scegli il nome di una proprietà dall'elenco a discesa e inserisci un valore.

      Le tabelle seguenti forniscono una definizione per ogni proprietà.

      Per ulteriori informazioni sulle proprietà di Spark, consulta Spark Properties nella documentazione di Apache Spark.

      Nota

      Puoi configurare un massimo di 50 proprietà Spark. Il valore di ogni proprietà può contenere fino a 500 caratteri.

      Nome proprietà	Description	Valore predefinito
      spark.task.maxFailures	Controlla quante volte consecutive un'attività può fallire prima che il processo abbia esito negativo. Richiede un valore maggiore o uguale a 1. Il numero di tentativi consentiti è uguale a questo valore meno 1. Il conteggio degli errori si azzera se un tentativo ha esito positivo. Gli errori nelle diverse attività non si accumulano al raggiungimento di questo limite.	4
      spark.sql.files.max PartitionBytes	Imposta il numero massimo di byte da impacchettare in una singola partizione durante la lettura da sorgenti basate su file come Parquet, JSON e ORC.	128 MB
      Spark.hadoop.fs.s3.max Tentativi	Imposta il numero massimo di tentativi di ripetizione per le operazioni sui file Amazon S3.	(nessuno)
      spark.network.timeout	Imposta il timeout predefinito per tutte le interazioni di rete. Sostituisce le seguenti impostazioni di timeout se non sono configurate: spark.storage.block ManagerHeartbeatTimeoutMs Timeout di connessione spark.shuffle.io. spark.rpc.askTimeout spark.rpc.lookupTimeout	120 secondi
      spark.rdd.compress	Specifica se comprimere le partizioni RDD serializzate utilizzando spark.io.compression.codec. Si applica a _ONLY_SER in Java e Scala o _ONLY in Python. StorageLevel.MEMORY StorageLevel.MEMORY Riduce lo spazio di archiviazione ma richiede un tempo di elaborazione della CPU aggiuntivo.	false
      spark.shuffle.spill.compress	Specifica se comprimere i dati shuffle spill utilizzando spark.io.compression.codec.	true
      spark.shuffle.compress	Specifica se comprimere i file di output delle mappe. La compressione utilizza spark.io.compression.codec.	true
      spark.shuffle.service.index.cache.size	Imposta il limite di dimensione della cache, in byte se non diversamente specificato.	100 m
      Spark.shuffle.io.max ci riprova	Imposta il numero massimo di tentativi per i recuperi che non riescono a causa di eccezioni. IO-related	3
      spark.shuffle.io.RetryWait	Imposta il tempo di attesa tra i tentativi di recupero. Il ritardo massimo causato da un nuovo tentativo è di 15 secondi per impostazione predefinita, calcolato come maxRetries * RetryWait.	5s
      Timeout di connessione Spark.shuffle.io.	Imposta il timeout per le connessioni stabilite tra server shuffle e client in modo che vengano contrassegnate come inattive e chiuse se ci sono ancora richieste di recupero in sospeso ma non c'è traffico sul canale.	(valore di spark.network.timeout)
      spark.driver.max ResultSize	Imposta il limite di dimensione totale dei risultati serializzati di tutte le partizioni per ogni azione Spark, in byte. Deve essere almeno 1 MB, o 0 per numero illimitato.	1 g
      spark.memory.fraction	Imposta la frazione di (spazio heap - 300 MB) utilizzata per l'esecuzione e l'archiviazione. Più basso è questo valore, più frequentemente si verificano perdite e rimozione dei dati memorizzati nella cache. Si consiglia di lasciarlo al valore predefinito.	0.6
      spark.scheduler.mode	Imposta la modalità di pianificazione tra i lavori inviati allo stesso. SparkContext Può essere impostato su FAIR per utilizzare la condivisione equa anziché mettere in coda i lavori uno dopo l'altro. Valori supportati: FAIR, FIFO.	FIFO
      spark.sql.adaptive.advisory PartitionSizeInBytes	Imposta la dimensione desiderata in byte per le partizioni shuffle durante l'ottimizzazione adattiva quando spark.sql.adaptive.enabled è vero. Controlla la dimensione della partizione quando si uniscono piccole partizioni o si dividono partizioni oblique.	(valore di PostShuffleInputSize spark.sql.adaptive.shuffle.target)
      spark.sql.adaptive.auto BroadcastJoinThreshold	Imposta la dimensione massima della tabella in byte per la trasmissione ai nodi di lavoro durante i join. Si applica solo in un framework adattivo. Utilizza lo stesso valore predefinito di BroadcastJoinThreshold spark.sql.auto. Impostare su -1 per disattivare la trasmissione.	(nessuno)
      spark.sql.adaptive.coalesce Partitions.enabled	Specifica se unire partizioni shuffle contigue in base a spark.sql.adaptive.advisory per ottimizzare le dimensioni delle attività. PartitionSizeInBytes Richiede che spark.sql.adaptive.enabled sia vero.	true
      spark.sql.adaptive.coalesce Partitions.initialPartitionNum	Definisce il numero iniziale di partizioni shuffle prima della coalescenza. Richiede che sia spark.sql.adaptive.enabled che spark.sql.adaptive.coalesce siano veri. Partitions.enabled Il valore predefinito è spark.sql.shuffle.partitions.	(nessuno)
      spark.sql.adaptive.coalesce Partitions.minPartitionSize	Imposta la dimensione minima per le partizioni shuffle coalescenti per evitare che le partizioni diventino troppo piccole durante l'ottimizzazione adattiva.	1 MB
      spark.sql.adaptive.coalesce Partitions.parallelismFirst	Specifica se calcolare le dimensioni delle partizioni in base al parallelismo dei cluster anziché a spark.sql.adaptive.advisory durante la coalescenza delle partizioni. PartitionSizeInBytes Genera partizioni di dimensioni inferiori a quelle di destinazione configurate per massimizzare il parallelismo. Si consiglia di impostarlo su false nei cluster occupati per migliorare l'utilizzo delle risorse evitando attività eccessive di piccole dimensioni.	true
      spark.sql.adaptive.enabled	Specifica se abilitare l'esecuzione adattiva delle query per riottimizzare i piani di query durante l'esecuzione delle query, sulla base di statistiche di runtime accurate.	true
      spark.sql.adaptive.force OptimizeSkewedJoin	Specifica se forzare l'attivazione anche se introduce uno shuffle aggiuntivo. OptimizeSkewedJoin	false
      spark.sql.adaptive.local ShuffleReader.enabled	Specifica se utilizzare lettori shuffle locali quando il partizionamento shuffle non è richiesto, ad esempio dopo la conversione da sort-merge join a broadcast-hash join. Richiede che spark.sql.adaptive.enabled sia vero.	true
      spark.sql.adaptive.max ShuffledHashJoinLocalMapThreshold	Imposta la dimensione massima della partizione in byte per la creazione di mappe hash locali. Assegna la priorità agli hash join mescolati rispetto ai join sort-merge quando: Questo valore è uguale o superiore a spark.sql.adaptive.advisory PartitionSizeInBytes Tutte le dimensioni delle partizioni rientrano in questo limite Sostituisce l'impostazione spark.sql.join.prefer. SortMergeJoin	0 byte
      spark.sql.adaptive.optimize SkewsInRebalancePartitions.enabled	Specifica se ottimizzare le partizioni shuffle asimmetriche suddividendole in partizioni più piccole in base a spark.sql.adaptive.advisory. PartitionSizeInBytes Richiede che spark.sql.adaptive.enabled sia vero.	true
      spark.sql.adaptive.rebalance PartitionsSmallPartitionFactor	Definisce il fattore di soglia di dimensione per unire le partizioni durante la divisione. Le partizioni inferiori a questo fattore moltiplicato per spark.sql.adaptive.advisory vengono unite. PartitionSizeInBytes	0.2
      spark.sql.adaptive.skew Join.enabled	Specifica se gestire l'inclinazione dei dati nei join mescolati suddividendo e facoltativamente replicando le partizioni asimmetriche. Si applica agli sort-merge e agli shuffled hash join. Richiede che spark.sql.adaptive.enabled sia vero.	true
      spark.sql.adaptive.skew Join.skewedPartitionFactor	Determina il fattore di dimensione che determina l'inclinazione della partizione. Una partizione è inclinata quando le sue dimensioni superano entrambe: Questo fattore viene moltiplicato per la dimensione media della partizione Il valore di spark.sql.adaptive.skew Join.skewedPartitionThresholdInBytes	5
      spark.sql.adaptive.skew Join.skewedPartitionThresholdInBytes	Imposta la soglia di dimensione in byte per identificare le partizioni distorte. Una partizione è distorta quando le sue dimensioni superano entrambe: Questa soglia La dimensione media della partizione moltiplicata per spark.sql.adaptive.skew Join.skewedPartitionFactor Consigliamo di impostare questo valore più grande di spark.sql.adaptive.advisory. PartitionSizeInBytes	256 MB
      Spark.sql.BroadcastTimeout	Controlla il periodo di timeout in secondi per le operazioni di trasmissione durante i join di trasmissione.	300 secondi
      spark.sql.cbo.enabled	Specifica se abilitare l'ottimizzazione basata sui costi (CBO) per la stima delle statistiche del piano.	false
      spark.sql.cbo.join Reorder.dp.star.filter	Specifica se applicare l'euristica del filtro star-join durante l'enumerazione dei join basata sui costi.	false
      spark.sql.cbo.join Reorder.dp.threshold	Imposta il numero massimo di nodi uniti consentiti nell'algoritmo di programmazione dinamica.	12
      spark.sql.cbo.join Reorder.enabled	Specifica se abilitare il riordino dei join nell'ottimizzazione basata sui costi (CBO).	false
      spark.sql.cbo.plan Stats.enabled	Specifica se recuperare i conteggi delle righe e le statistiche delle colonne dal catalogo durante la generazione logica del piano.	false
      spark.sql.cbo.star SchemaDetection	Specifica se abilitare il riordino dei join in base al rilevamento dello schema a stella.	false
      spark.sql.files.max PartitionNum	Imposta il numero massimo di partizioni di file divisi per sorgenti basate su file (Parquet, JSON e ORC). Ridimensiona le partizioni quando il conteggio iniziale supera questo valore. Si tratta di un obiettivo suggerito, non di un limite garantito.	(nessuno)
      spark.sql.files.max RecordsPerFile	Imposta il numero massimo di record da scrivere su un singolo file. Non si applica alcun limite se impostato su zero o su un valore negativo.	0
      spark.sql.files.min PartitionNum	Imposta il numero minimo di partizioni di file divisi per sorgenti basate su file (Parquet, JSON e ORC). Il NodeDefaultParallelism valore predefinito è spark.sql.leaf. Questo è un obiettivo suggerito, non un limite garantito.	(nessuno)
      spark.sql.in MemoryColumnarStorage.batchSize	Controlla la dimensione del batch per la memorizzazione nella cache a colonne. L'aumento delle dimensioni migliora l'utilizzo e la compressione della memoria, ma aumenta il rischio di errori di esaurimento della memoria.	10000
      spark.sql.in MemoryColumnarStorage.compressed	Specifica se selezionare automaticamente i codec di compressione per le colonne in base alle statistiche dei dati.	true
      spark.sql.in MemoryColumnarStorage.enableVectorizedReader	Specifica se abilitare la lettura vettoriale per la memorizzazione nella cache a colonne.	true
      spark.sql.legacy.allow HashOnMapType	Specifica se consentire le operazioni di hash su strutture di dati di tipo mappa. Questa impostazione precedente mantiene la compatibilità con la gestione dei tipi di mappa delle versioni precedenti di Spark.	(nessuno)
      spark.sql.legacy.allow NegativeScaleOfDecimal	Specifica se consentire valori di scala negativi nelle definizioni dei tipi decimali. Questa impostazione precedente mantiene la compatibilità con le versioni precedenti di Spark che supportavano scale decimali negative.	(nessuno)
      spark.sql.legacy.cast ComplexTypesToString.enabled	Specifica se abilitare il comportamento precedente per il casting di tipi complessi in stringhe. Mantiene la compatibilità con le regole di conversione dei tipi delle versioni precedenti di Spark.	(nessuno)
      spark.sql.legacy.char VarcharAsString	Specifica se trattare i tipi CHAR e VARCHAR come tipi STRING. Questa impostazione precedente fornisce la compatibilità con la gestione dei tipi di stringa delle versioni precedenti di Spark.	(nessuno)
      spark.sql.legacy.create EmptyCollectionUsingStringType	Specifica se creare raccolte vuote utilizzando elementi di tipo stringa. Questa impostazione precedente mantiene la compatibilità con il comportamento di inizializzazione delle raccolte delle versioni precedenti di Spark.	(nessuno)
      spark.sql.legacy.exponent LiteralAsDecimal.enabled	Specifica se interpretare i valori letterali esponenziali come tipi decimali. Questa impostazione precedente mantiene la compatibilità con la gestione letterale numerica delle versioni precedenti di Spark.	(nessuno)
      spark.sql.legacy.json.allow EmptyString.enabled	Specifica se consentire stringhe vuote nell'elaborazione JSON. Questa impostazione precedente mantiene la compatibilità con il comportamento di analisi JSON delle versioni precedenti di Spark.	(nessuno)
      spark.sql.legacy.parquet.int96 RebaseModeInRead	Specifica se utilizzare la modalità precedente di rebase timestamp INT96 durante la lettura dei file Parquet. Questa impostazione precedente mantiene la compatibilità con la gestione dei timestamp delle versioni precedenti di Spark.	(nessuno)
      spark.sql.legacy.time ParserPolicy	Controlla il comportamento di analisi temporale per verificarne la compatibilità con le versioni precedenti. Questa impostazione precedente determina il modo in cui i timestamp e le date vengono analizzati dalle stringhe.	(nessuno)
      spark.sql.legacy.type Coercion.datetimeToString.enabled	Specifica se abilitare il comportamento di coercizione di tipo precedente durante la conversione dei valori datetime in stringhe. Mantiene la compatibilità con le regole di conversione data/ora delle versioni precedenti di Spark.	(nessuno)
      spark.sql.max SinglePartitionBytes	Imposta la dimensione massima della partizione in byte. Il planner introduce le operazioni shuffle per partizioni più grandi per migliorare il parallelismo.	128 m
      Spark.sql.metadatacachettl secondi	Controlla il time-to-live (TTL) per le cache dei metadati. Si applica ai metadati dei file di partizione e alle cache del catalogo delle sessioni. Richiede: Un valore positivo maggiore di zero spark.sql.CatalogImplementation impostata su hive PartitionFileCacheSize spark.sql.hive.filesource maggiore di zero spark.sql.hive.manage impostato su true FilesourcePartitions	-1000 ms
      spark.sql.optimizer.collapse ProjectAlwaysInline	Specifica se comprimere le proiezioni adiacenti e le espressioni in linea, anche quando ciò causa una duplicazione.	false
      spark.sql.optimizer.dynamic PartitionPruning.enabled	Specifica se generare predicati per le colonne di partizione utilizzate come chiavi di join.	true
      spark.sql.optimizer.enable CsvExpressionOptimization	Specifica se ottimizzare le espressioni CSV in SQL Optimizer eliminando le colonne non necessarie dalle operazioni from_csv.	true
      spark.sql.optimizer.enable JsonExpressionOptimization	Specifica se ottimizzare le espressioni JSON in SQL Optimizer mediante: Eliminazione delle colonne non necessarie dalle operazioni from_json Semplificazione delle combinazioni from_json e to_json Ottimizzazione delle operazioni named_struct	true
      spark.sql.optimizer.Regole escluse	Definisce le regole di ottimizzazione da disabilitare, identificate da nomi di regole separati da virgole. Alcune regole non possono essere disabilitate in quanto sono necessarie per la correttezza. L'ottimizzatore registra quali regole sono state disattivate correttamente.	(nessuno)
      spark.sql.optimizer.runtime.bloom Filter.applicationSideScanSizeThreshold	Imposta la dimensione minima di scansione aggregata in byte richiesta per iniettare un filtro Bloom sul lato dell'applicazione.	10 GB
      spark.sql.optimizer.runtime.bloom Filter.creationSideThreshold	Definisce la soglia di dimensione massima per l'iniezione di un filtro Bloom sul lato della creazione.	10 MB
      spark.sql.optimizer.runtime.bloom Filter.enabled	Specifica se inserire un filtro Bloom per ridurre lo shuffle data quando un lato di un shuffle join ha un predicato selettivo.	true
      spark.sql.optimizer.runtime.bloom Filter.expectedNumItems	Definisce il numero predefinito di elementi previsti nel filtro Bloom di runtime.	1000000
      spark.sql.optimizer.runtime.bloom Filter.maxNumBits	Imposta il numero massimo di bit consentiti nel filtro Bloom di runtime.	67108864
      spark.sql.optimizer.runtime.bloom Filter.maxNumItems	Imposta il numero massimo di elementi previsti consentiti nel filtro Bloom di runtime.	4000000
      spark.sql.optimizer.runtime.bloom Filter.numBits	Definisce il numero predefinito di bit utilizzati nel filtro Bloom di runtime.	8388608
      spark.sql.optimizer.runtime.row LevelOperationGroupFilter.enabled	Specifica se abilitare il filtro dei gruppi di runtime per le operazioni a livello di riga. Consente alle fonti di dati di: Elimina interi gruppi di dati (come file o partizioni) utilizzando i filtri delle origini dati Esegui query di runtime per identificare i record corrispondenti Elimina i gruppi non necessari per evitare costose riscritture Restrizioni: Non tutte le espressioni possono essere convertite in filtri di origine dati Alcune espressioni richiedono la valutazione di Spark (come le sottoquery)	true
      spark.sql.optimizer.runtime Filter.number.threshold	Imposta il numero totale di filtri di runtime iniettati (non DPP). Questo serve a evitare che gli OOM dei driver contengano troppi filtri Bloom.	10
      spark.sql.optimizer.runtime Filter.semiJoinReduction.enabled	Specifica se inserire un semi-join per ridurre lo shuffle data quando un lato di un shuffle join ha un predicato selettivo.	false
      spark.sql.parquet.AggregatePushdown	Specifica se inviare gli aggregati a Parquet per l'ottimizzazione. Supporta: MIN e MAX per i tipi booleani, integer, float e date COUNT per tutti i tipi di dati Genera un'eccezione se le statistiche non sono presenti nel piè di pagina del file Parquet.	false
      spark.sql.parquet.columnar ReaderBatchSize	Controlla il numero di righe in ogni batch di lettori vettoriali Parquet. Scegliete un valore che bilanci il sovraccarico delle prestazioni e l'utilizzo della memoria per prevenire errori di esaurimento della memoria.	4096
      spark.sql.parquet.enable VectorizedReader	Specifica se abilitare la decodifica vettoriale del parquet.	true
      spark.sql.shuffle.partitions	Imposta il numero predefinito di partizioni per lo shuffling dei dati durante le unioni o le aggregazioni. Non può essere modificato tra un riavvio e l'altro delle query di streaming strutturate dalla stessa posizione del checkpoint.	200
      spark.sql.shuffled HashJoinFactor	Definisce il fattore di moltiplicazione utilizzato per determinare l'idoneità allo shuffle hash join. Un hash join casuale viene selezionato quando la dimensione dei dati di piccole dimensioni moltiplicata per questo fattore è inferiore alla dimensione dei dati di grandi dimensioni.	3
      spark.sql.sources.parallel PartitionDiscovery.threshold	Imposta il numero massimo di percorsi per l'elenco dei file lato driver con sorgenti basate su file (Parquet, JSON e ORC). Se viene superato durante il rilevamento delle partizioni, i file vengono elencati utilizzando un job distribuito Spark separato.	32
      spark.sql.statistics.histogram.enabled	Specifica se generare istogrammi di equi-altezza durante il calcolo delle statistiche delle colonne per migliorare la precisione della stima. Richiede una scansione della tabella aggiuntiva oltre a quella necessaria per le statistiche di base sulle colonne.	false
      spark.dynamic Allocation.executorIdleTimeout	Imposta la durata in cui un esecutore deve rimanere inattivo prima di essere rimosso quando l'allocazione dinamica è abilitata.	Anni '60
      scintilla. Dinamica Allocation.schedulerBacklogTimeout	Imposta la durata della registrazione arretrata delle attività in sospeso prima che vengano richiesti nuovi esecutori quando l'allocazione dinamica è abilitata.	1s
      scintilla. dinamica Allocation.sustainedSchedulerBacklogTimeout	Uguale a spark.dynamicAllocation.schedulerBacklogTimeout, ma utilizzato solo per le successive richieste dell'esecutore.	(valore di spark.dynamic) Allocation.schedulerBacklogTimeout
      spark.scheduler.min RegisteredResourcesRatio	Imposta il rapporto minimo di risorse registrate (risorse registrate/risorse totali previste) da attendere prima dell'inizio della pianificazione. Specificato come un valore doppio compreso tra 0,0 e 1,0. Indipendentemente dal fatto che sia stato raggiunto il rapporto minimo di risorse, il tempo massimo di attesa prima dell'inizio della pianificazione è controllato da spark.scheduler.max. RegisteredResourcesWaitingTime	0.8
      spark.scheduler.max RegisteredResourcesWaitingTime	Imposta il tempo massimo di attesa per la registrazione delle risorse prima dell'inizio della pianificazione.	30s
      spark.sql.hive.metastore PartitionPruningFallbackOnException	Specifica se recuperare tutte le partizioni dal metastore Hive ed eseguire l'eliminazione delle partizioni sul lato client Spark quando si accede dal metastore. MetaException	false
      spark.sql.cross Join.enabled	Specifica se consentire le interrogazioni che contengono un prodotto cartesiano senza una sintassi CROSS JOIN esplicita.	true
      Iterazioni spark.sql.analyzer.maxIterazioni	Imposta il numero massimo di iterazioni eseguite dall'analizzatore di query prima di rinunciare. Valori più alti consentono all'analizzatore di elaborare query molto grandi o profondamente annidate.	100
      spark.sql.dataprefetch.filescan.max ParallelismPerTask	Imposta il numero massimo di suddivisioni di file da precaricare contemporaneamente per ogni operazione durante la scansione dei file.	4
      spark.sql.iceberg.data-prefetch.enabled	Specifica se abilitare l'ottimizzazione del pre-recupero dei dati durante la lettura delle tabelle. Iceberg	true
      spark.sql.legacy.null ValueWrittenAsQuotedEmptyStringCsv	Specifica se ripristinare il comportamento precedente della scrittura di valori nulli come stringhe vuote tra virgolette nell'output CSV. Se false, Spark scrive valori nulli come stringhe vuote senza virgolette.	false
      spark.max RemoteBlockSizeFetchToMem	Imposta la soglia di dimensione al di sopra della quale Spark recupera i blocchi remoti su disco anziché sulla memoria. Questo evita che una singola richiesta di grandi dimensioni consumi troppa memoria.	200 m
      spark.emr-serverless.allocation.batch.size	Imposta il numero di esecutori da richiedere contemporaneamente in ogni ciclo di allocazione degli esecutori.	20

      Nome proprietà	Description	Valore predefinito
      spark.sql.auto BroadcastJoinThreshold	Imposta la dimensione massima della tabella in byte per la trasmissione ai nodi di lavoro durante i join. Impostato su -1 per disabilitare la trasmissione.	10 MB (-1 per CR.4X con 32 lavoratori)
      spark.dynamic Allocation.enabled	Specifica se utilizzare l'allocazione dinamica delle risorse, che aumenta o diminuisce il numero di esecutori registrati con questa applicazione in base al carico di lavoro.	true
      spark.files.fetch Failure.unRegisterOutputOnHost	Specifica se annullare la registrazione di tutti gli output della mappa su un host quando si verifica un errore di recupero. Se è false, Spark annulla la registrazione solo degli output dello specifico esecutore che ha avuto esito negativo, il che riduce l'inutile ricalcolo delle fasi.	false
      spark.io.compression.codec	Imposta il codec utilizzato per comprimere i dati interni come le partizioni RDD, il registro degli eventi, le variabili di trasmissione e gli output shuffle. Valori supportati: lz4, snappy, zstd, gzip.	snappy
      spark.sql.session.timezone	Definisce il fuso orario della sessione per la gestione dei timestamp in stringhe letterali e la conversione di oggetti Java. Accetta: Region-based ID in area/city formato (ad esempio America/Los _Angeles) Offset di zona in HH:mm:ss formato (+/-) HH, (+/-) HH:mm o (+/-) (ad esempio -08 o + 01:00) UTC o Z come alias per + 00:00	UTC

   3. Per la conservazione dei dati in giorni, inserisci il numero di giorni di conservazione dei dati.

   4. Per il formato dei risultati, scegliete CSV o Parquet come formato di dati che il canale di ingresso ML deve utilizzare.

8. Per l'accesso al servizio, scegli il nome del ruolo di servizio esistente che verrà utilizzato per accedere a questa tabella o scegli Crea e usa un nuovo ruolo di servizio.

9. Per Crittografia, scegli Crittografa il segreto con una chiave KMS personalizzata per specificare la tua chiave KMS e le informazioni correlate. Altrimenti, Clean Rooms ML gestirà la crittografia.

10. (Facoltativo) Per Compute Payer, seleziona il membro della collaborazione che paga i costi di elaborazione delle query.

    Nota

    Se nella collaborazione è presente un solo pagatore candidato per il calcolo delle interrogazioni, il valore predefinito è quello pagante.

11. (Facoltativo) Per chi paga per la generazione di dati sintetici, seleziona il membro della collaborazione che paga i costi di generazione dei dati sintetici.

    Nota

    Questa opzione viene visualizzata quando il canale di input ML utilizza un modello di analisi configurato per l'output di dati sintetici. Se nella collaborazione è presente un solo pagatore candidato per la generazione di dati sintetici, il valore predefinito è quello pagante.

12. Scegli Crea canale di ingresso ML.

    Ci vorranno alcuni minuti per creare il canale di ingresso ML. È possibile visualizzare un elenco di canali di ingresso ML nella scheda Modelli ML.