AWS Glue インタラクティブセッションの開始方法

現在の AwsGlueSessionUserRestrictedServiceRole 管理ポリシーを実行ロールに割り当てるには

1. [IAM コンソール] を開きます。

2. 左側のパネルの [Roles] (ロール)を選択します。

3. ユーザープロファイルが使用する Studio Classic 実行ロールを検索します。ユーザープロファイルを表示する方法の詳細については、「ドメイン内のユーザープロファイルを表示する」を参照してください。

4. ロール名を選択して、[ロールの概要] ページを開きます。

5. [アクセス許可] タブの [アクセス許可の追加] ドロップダウンメニューから [ポリシーをアタッチ] を選択します。

6. マネージド AwsGlueSessionUserRestrictedServiceRole ポリシーの横にあるチェックボックスを選択します。

7. [ポリシーのアタッチ] を選択します。

   概要ページには、新しく追加した管理ポリシーが表示されます。

実行ロールにインラインカスタムポリシーを作成するには

1. [アクセス許可の追加] ドロップダウンメニューで [インラインポリシーを作成] を選択します。

2. [JSON] タブを選択します。

3. 以下のポリシーをコピーして、貼り付けます。

   {
       "Version": "2012-10-17",
       "Statement": [
           {
               "Sid": "unique_statement_id",
   
               "Effect": "Allow",
               "Action": [
   		"iam:GetRole",
                   "iam:PassRole",
                   "sts:GetCallerIdentity"
               ],
               "Resource": "*"
           }
       ]
   }

4. [ポリシーの確認] を選択します。

5. [名前] を入力し、[ポリシーを作成] を選択します。

   概要ページには、新しく追加したカスタムポリシーが表示されます。

実行ロールの信頼関係を変更するには

1. [信頼関係] タブを選択します。

2. [信頼ポリシーを編集] を選択します。

3. 以下のポリシーをコピーして、貼り付けます。

   {
   "Version": "2012-10-17",
   "Statement": [
       {
           "Effect": "Allow",
           "Principal": {
               "Service": [
                   "glue.amazonaws.com",
                   "sagemaker.amazonaws.com"
               ]
           },
           "Action": "sts:AssumeRole"
       }
   ]
   }

4. [ポリシーの更新] を選択してください。

1. https://console.aws.amazon.com/sagemaker/ で SageMaker AI コンソールにサインインします。

2. 左側のナビゲーションペインから [Studio] を選択します。

3. Studio のランディングページから、Studio を起動するためのドメインとユーザープロファイルを選択します。

4. [Studio を開く] をクリックして、JupyterLab アプリケーションまたは Studio Classic アプリケーションを起動します。

5. Jupyter ビューで、[ファイル]、[新規]、[ノートブック] の順に選択します。

6. Studio Classic を使用する場合: [イメージ] ドロップダウンメニューで、[SparkAnalytics 1.0] または [SparkAnalytics 2.0] を選択します。[カーネル] のドロップダウンメニューで、[Glue Spark] または [Glue Python [PySpark および Ray]] を選択します。[選択] を選びます。

   Studio を使用する場合は、[Glue Spark] カーネルまたは [Glue Python [PySpark と Ray]] カーネルを選択します。

7. (オプション) Jupyter のマジックを使用して環境をカスタマイズします。Jupyter のマジックの詳細については、「Studio または Studio Classic で AWS Glue インタラクティブセッションを設定する」を参照してください。

8. Spark データ処理スクリプトの作成を開始します。次のノートブックでは、 AWS Glue インタラクティブセッション、探索的データ分析、データ前処理、最後に SageMaker AI を使用して処理されたデータでモデルをトレーニングする、大規模なデータセットでの ETL のend-to-endワークフローを紹介します。