Amazon EMR 클러스터 나열 구성

1단계: 프라이빗 스페이스에서 사용하는 SageMaker AI 실행 역할ARN의를 검색합니다.

SageMaker AI의 공백 및 실행 역할에 대한 자세한 내용은 섹션을 참조하세요도메인 공간 권한 및 실행 역할 이해.

SageMaker AI 실행 역할ARN의를 검색하는 방법에 대한 자세한 내용은 섹션을 참조하세요실행 역할을 가져옵니다..

2단계: Amazon EMR 클러스터에 액세스하는 SageMaker AI 실행 역할에 다음 권한을 연결합니다.

1. IAM 콘솔로 이동합니다.

2. 역할을 선택한 다음 검색 필드에서 이름으로 실행 역할을 검색합니다. 역할 이름은 마지막 슬래시(/) 뒤에 있는 ARN의 마지막 부분입니다.

3. 역할의 링크를 따라갑니다.

4. 권한 추가를 선택한 후 인라인 정책 만들기를 선택합니다.

5. JSON 탭에서 Amazon EMR 액세스 및 작업을 허용하는 Amazon EMR 권한을 추가합니다. 정책 문서에 대한 자세한 내용은의 Amazon EMR 정책 나열을 참조하세요참조 정책. 문 목록을 역할의 인라인 정책에 복사하기 전에 region, accountID를 실제 값으로 바꿉니다.

6. 다음을 선택한 다음 정책 이름을 입력합니다.

7. 정책 생성을 선택합니다.

1단계: Amazon 클러스터ARN의 서비스 역할 중를 검색합니다. EMR

클러스터ARN의 서비스 역할 중를 찾는 방법에 대한 자세한 내용은 IAM 서비스 및 리소스에 대한 Amazon EMR 권한에 대한 서비스 역할 구성을 참조하세요 AWS.

2단계: 다음 구성으로 AssumableRole 라는 사용자 지정 IAM 역할을 생성합니다.

Studio 또는 Studio Classic은 역할을 수임하여 Amazon에서 필요한 권한에 임시로 액세스할 수 있습니다EMR.

Amazon EMR AWS 계정AssumableRole에서 새를 생성하는 방법에 대한 자세한 지침은 다음 단계를 따르세요.

1. IAM 콘솔로 이동합니다.

2. 왼쪽 탐색 창에서 정책을 선택한 다음 정책 만들기를 선택합니다.

3. JSON 탭에서 Amazon EMR 액세스 및 작업을 허용하는 Amazon EMR 권한을 추가합니다. 정책 문서에 대한 자세한 내용은의 Amazon EMR 정책 나열을 참조하세요참조 정책. 문 목록을 역할의 인라인 정책에 복사하기 전에 region, accountID를 실제 값으로 바꿉니다.

4. 다음을 선택한 다음 정책 이름을 입력합니다.

5. 정책 생성을 선택합니다.

6. 왼쪽 탐색 창에서 역할을 선택한 후 역할 만들기를 선택합니다.

7. 역할 만들기 페이지에서 사용자 지정 신뢰 정책을 신뢰할 수 있는 엔터티로 선택합니다.

8. 사용자 지정 신뢰 정책 섹션에서 다음 JSON 문서를 붙여 넣은 다음 다음을 선택합니다.

   For users of Studio and JupyterLab

   를 Studio 계정 IDstudio-account로 바꾸고를 공간에서 사용하는 실행 역할AmazonSageMaker-ExecutionRole로 바꿉니다 JupyterLab.

   {
       "Version": "2012-10-17",
       "Statement": [
           {
               "Effect": "Allow",
               "Principal": {
                   "AWS": "arn:aws:iam::studio-account:role/service-role/AmazonSageMaker-ExecutionRole"
               },
               "Action": "sts:AssumeRole"
           }
       ]
   }

   For users of Studio Classic

   studio-account를 Studio Classic 계정 ID로 바꿉니다.

   {
     "Version": "2012-10-17",
     "Statement": [
       {
         "Effect": "Allow",
         "Principal": {
           "AWS": "arn:aws:iam::studio-account:root"
         },
         "Action": "sts:AssumeRole"
       }
     ]
   }

9. 권한 추가 페이지에서 방금 만든 권한을 추가하고 다음을 선택합니다.

10. 검토 페이지에서 역할 이름(예: AssumableRole)을 입력하고 선택적으로 설명을 입력합니다.

11. 역할 세부 정보를 검토하고 [Create role]을 선택합니다.

AWS 계정에서 역할을 생성하는 방법에 대한 자세한 내용은 IAM 역할 생성(콘솔)을 참조하세요.

1단계: 프라이빗 스페이스에서 사용하는 SageMaker AI 실행 역할ARN의를 검색합니다.

SageMaker AI의 공백 및 실행 역할에 대한 자세한 내용은 섹션을 참조하세요도메인 공간 권한 및 실행 역할 이해.

SageMaker AI 실행 역할ARN의를 검색하는 방법에 대한 자세한 내용은 섹션을 참조하세요실행 역할을 가져옵니다..

2단계: Amazon EMR 클러스터에 액세스하는 SageMaker AI 실행 역할에 다음 권한을 연결합니다.

1. IAM 콘솔로 이동합니다.

2. 역할을 선택한 다음 검색 필드에서 이름으로 실행 역할을 검색합니다. 역할 이름은 마지막 슬래시(/) 뒤에 있는 ARN의 마지막 부분입니다.

3. 역할의 링크를 따라갑니다.

4. 권한 추가를 선택한 후 인라인 정책 만들기를 선택합니다.

5. JSON 탭에서 도메인, 사용자 프로필 및 공백을 업데이트할 수 있는 권한을 역할에 부여하는 인라인 정책을 추가합니다. 정책 문서에 대한 자세한 내용은 참조 정책의 도메인, 사용자 프로필 및 공간 업데이트 작업 정책을 참조하세요. 문 목록을 역할의 인라인 정책에 복사하기 전에 region, accountID를 실제 값으로 바꿉니다.

6. 다음을 선택한 다음 정책 이름을 입력합니다.

7. 정책 생성을 선택합니다.

8. 인라인 정책 만들기 단계를 반복하여 AssumableRole을 수임한 다음 역할의 액세스 정책에서 허용하는 작업을 수행할 수 있는 권한을 실행 역할에 부여하는 다른 정책을 추가합니다. emr-account를 Amazon EMR 계정 IDAssumableRole로 바꾸고를 Amazon EMR 계정에서 생성된 가정 가능한 역할의 이름으로 바꿉니다.

   {
     "Version": "2012-10-17",
     "Statement": [
     { 
               "Sid": "AllowRoleAssumptionForCrossAccountDiscovery", 
               "Effect": "Allow", 
               "Action": "sts:AssumeRole", 
               "Resource":  ["arn:aws:iam::emr-account:role/AssumableRole" ]
     }]
   }

9. (선택 사항) Studio와 동일한 계정에 배포된 Amazon EMR 클러스터를 나열하도록 허용하려면의 Amazon 정책 나열에 정의된 대로 Studio 실행 역할에 인라인 EMR 정책을 추가합니다참조 정책.

3단계: 가정 가능한 역할(들)(액세스 역할)을 도메인 또는 사용자 프로필과 연결합니다. JupyterLab Studio의 사용자는 SageMaker AI 콘솔 또는 제공된 스크립트를 사용할 수 있습니다.

사용 사례에 해당하는 탭을 선택합니다.