AWS Glue 대화형 세션 시작하기

AwsGlueSessionUserRestrictedServiceRole 관리형 정책을 실행 역할에 연결하려면

1. IAM 콘솔 을 엽니다.

2. 왼쪽 패널에서 역할을 선택합니다.

3. 사용자 프로필에서 사용하는 Studio Classic 실행 역할을 찾습니다. 사용자 프로필을 보는 방법에 대한 자세한 내용은 섹션을 참조하세요도메인의 사용자 프로필 보기.

4. 역할 이름을 선택하여 역할 요약 페이지에 액세스합니다.

5. 권한 탭의 권한 추가 드롭다운 메뉴에서 정책 연결을 선택합니다.

6. AwsGlueSessionUserRestrictedServiceRole 관리형 정책 옆의 확인란을 선택합니다.

7. 정책 연결을 선택합니다.

   요약 페이지에는 새로 추가된 관리형 정책이 표시됩니다.

실행 역할에 대한 인라인 사용자 지정 정책을 생성하려면

1. 권한 추가 드롭다운 메뉴에서 인라인 정책 생성을 선택합니다.

2. JSON 탭을 선택합니다.

3. 다음 정책을 복사하여 붙여 넣습니다.

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

4. 정책 검토를 선택합니다.

5. 이름을 입력한 다음 정책 생성을 선택합니다.

   요약 페이지에는 새로 추가된 사용자 지정 정책이 표시됩니다.

실행 역할에 대한 신뢰 관계를 수정하려면

1. 신뢰 관계 탭을 선택합니다.

2. 신뢰 정책 편집을 선택합니다.

3. 다음 정책을 복사하여 붙여 넣습니다.

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

4. 정책 업데이트를 선택합니다.

1. 에서 SageMaker 콘솔에 로그인합니다https://console.aws.amazon.com/sagemaker/.

2. 왼쪽 탐색 창에서 Studio 를 선택합니다.

3. Studio 랜딩 페이지에서 Studio를 시작할 도메인 및 사용자 프로필을 선택합니다.

4. Open Studio를 선택하고 JupyterLab 또는 Studio Classic 애플리케이션을 시작합니다.

5. Jupyter 보기에서 파일, 새로 만들기, 노트북을 차례로 선택합니다.

6. Studio Classic 사용자의 경우: 이미지 드롭다운 메뉴에서 SparkAnalytics 1.0 또는 SparkAnalytics 2.0을 선택합니다. 커널 드롭다운 메뉴에서 Glue Spark 또는 Glue Python [PySpark 및 Ray]를 선택합니다. 선택을 선택하세요.

   Studio 사용자의 경우 Glue Spark 또는 Glue Python [PySpark and Ray] 커널을 선택합니다.

7. (선택 사항) Jupyter 매직을 사용하여 환경을 사용자 지정합니다. Jupyter 매직에 대한 자세한 내용은 Studio 또는 Studio Classic에서 AWS Glue 대화형 세션 구성 섹션을 참조하세요.

8. Spark 데이터 처리 스크립트 작성을 시작하세요. 다음 노트북은 AWS Glue 대화형 세션, 탐색 데이터 분석, 데이터 사전 처리 및 마지막으로 를 사용하여 처리된 데이터에 ETL 대한 모델 훈련을 사용하는 대규모 데이터 세트의 에 대한 워크플로를 보여줍니다 end-to-end SageMaker.