As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
Guia do usuário
Esta seção aborda como cientistas e engenheiros de dados podem lançar, descobrir, conectar-se ou encerrar um EMR cluster da Amazon a partir do Studio ou do Studio Classic.
Antes que os usuários possam listar ou iniciar clusters, os administradores devem ter definido as configurações necessárias no ambiente Studio. Para obter informações sobre como os administradores podem configurar um ambiente Studio para permitir o autoprovisionamento e a listagem de clusters da AmazonEMR, consulte. Guia do administrador
Tópicos
- Imagens e kernels compatíveis para se conectar a um EMR cluster da Amazon a partir do Studio ou do Studio Classic
- Traga sua própria imagem
- Inicie um EMR cluster da Amazon a partir do Studio ou do Studio Classic
- Listar EMR clusters da Amazon a partir do Studio ou do Studio Classic
- Conecte-se a um EMR cluster da Amazon a partir do SageMaker Studio ou do Studio Classic
- Encerrar um EMR cluster da Amazon a partir do Studio ou do Studio Classic
- Acesse a interface do Spark a partir do Studio ou do Studio Classic
Imagens e kernels compatíveis para se conectar a um EMR cluster da Amazon a partir do Studio ou do Studio Classic
As seguintes imagens e kernels vêm com sagemaker-studio-analytics-extension
-
Para usuários do Studio: SageMaker Distribution é um ambiente Docker para ciência de dados usado como imagem padrão das instâncias do JupyterLab notebook. Todas as versões do SageMakerDistribution
vêm sagemaker-studio-analytics-extension
pré-instaladas. -
Para usuários do Studio Classic: As imagens a seguir vêm pré-instaladas com
sagemaker-studio-analytics-extension
:-
DataScience — Kernel Python 3
-
DataScience 2.0 — Kernel do Python 3
-
DataScience 3.0 — Kernel do Python 3
-
SparkAnalytics 1.0 — SparkMagic e PySpark grãos
-
SparkAnalytics 2.0 — SparkMagic e PySpark grãos
-
SparkMagic — SparkMagic e PySpark grãos
-
PyTorch 1.8 — Núcleos do Python 3
-
TensorFlow 2.6 — Kernel do Python 3
-
TensorFlow 2.11 — Kernel do Python 3
-
Para se conectar aos EMR clusters da Amazon usando outra imagem incorporada ou sua própria imagem, siga as instruções emTraga sua própria imagem.
Traga sua própria imagem
Para trazer sua própria imagem no Studio ou no Studio Classic e permitir que seus notebooks se conectem aos EMR clusters da Amazon, instale a seguinte sagemaker-studio-analytics-extension
pip install sparkmagic pip install sagemaker-studio-sparkmagic-lib pip install sagemaker-studio-analytics-extension
Além disso, para se conectar à Amazon EMR com a autenticação Kerberos, você deve instalar o cliente kinit. Dependendo do seu sistema operacional, o comando para instalar o cliente kinit pode variar. Para trazer uma imagem do Ubuntu (baseada no Debian), use o comando apt-get install -y -qq krb5-user
.
Para obter mais informações sobre como trazer sua própria imagem no SageMaker Studio ou no Studio Classic, consulte Traga sua própria SageMaker imagem.