翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。
Amazon を使用してデータを準備する EMR
重要
Amazon SageMaker Studio と Amazon SageMaker Studio Classic は、 とのやり取りに使用できる機械学習環境の 2 つです SageMaker。
ドメインが 2023 年 11 月 30 日以降に作成された場合、Studio はデフォルトのエクスペリエンスです。
ドメインが 2023 年 11 月 30 日より前に作成された場合、Amazon SageMaker Studio Classic がデフォルトのエクスペリエンスになります。Amazon Studio Classic がデフォルトのエクスペリエンスである場合に SageMaker Studio を使用するには、「」を参照してくださいAmazon SageMaker Studio Classic からの移行。
Amazon SageMaker Studio Classic から Amazon SageMaker Studio に移行しても、機能の可用性が失われることはありません。Studio Classic は、レガシー機械学習ワークフローの実行に役立つ Amazon SageMaker Studio 内のアプリケーションとしても存在します。
Amazon SageMaker Studio と Studio Classic には Amazon EMRの統合が組み込まれており、データサイエンティストとデータエンジニアはペタバイト規模のインタラクティブなデータ準備と機械学習 (ML) をノートブックから直接実行できます。 JupyterLab および Studio Classic ノートブック内では、既存の Amazon EMRクラスターを検出して接続し、Apache Spark
管理者は、Amazon EMRクラスターを定義するAWS CloudFormation テンプレートを作成できます。その後、これらのクラスターテンプレートを AWS Service Catalog Studio および Studio Classic ユーザーが起動できるように で使用できます。その後、データサイエンティストは事前定義されたテンプレートを選択して、Studio 環境から直接 Amazon EMRクラスターを自己プロビジョニングできます。管理者はテンプレートをさらにパラメータ化して、ユーザーが事前定義された値内でクラスターの側面を選択できるようにすることができます。例えば、ユーザーはコアノードの数を指定したり、ドロップダウンメニューからノードのインスタンスタイプを選択したりできます。
を使用すると AWS CloudFormation、管理者は Amazon EMRクラスターの組織、セキュリティ、ネットワークの設定を制御できます。データサイエンティストとデータエンジニアは、複雑な設定を行わずに、ワークロードに合わせてこれらのテンプレートをカスタマイズして、Studio と Studio Classic から直接オンデマンドの Amazon EMRクラスターを作成できます。ユーザーは使用後に Amazon EMRクラスターを終了できます。
-
管理者の場合:
Studio または Studio Classic と Amazon EMRクラスター間の通信が有効になっていることを確認します。手順については、「ネットワークを設定する」を参照してください。この通信を有効にすると、次のことができます。
-
データサイエンティストまたはデータエンジニアであれば、次のことができます。