配置列出 Amazon EMR 集群

步骤 1：检索您的私有空间使用的 SageMaker AI 执行角色。ARN

有关 SageMaker AI 中的空间和执行角色的信息，请参阅了解域空间权限和执行角色。

有关如何检索 SageMaker AI ARN 的执行角色的更多信息，请参阅获取执行角色。

步骤 2：向访问您的 Amazon EMR 集群的 SageMaker AI 执行角色授予以下权限。

1. 导航至 IAM 控制台。

2. 选择角色，然后在搜索字段中按名称搜索执行角色。角色名称是的最后一部分ARN，位于最后一个正斜杠 (/) 之后。

3. 点击链接进入您的角色。

4. 选择添加权限，然后选择创建内联策略。

5. 在JSON选项卡中，添加允许亚马逊EMR访问和操作的亚马逊EMR权限。有关政策文档的详情，请参阅中的列出 Amazon EMR 政策参考策略。用实际值替换 region 和 accountID，然后将语句列表复制到角色的内联策略中。

6. 选择下一步，然后提供一个策略名称。

7. 选择创建策略。

步骤 1：检索您ARN的 Amazon EMR 集群的服务角色。

要了解如何查找集群ARN的服务角色，请参阅为 Amazon 配置IAM服务角色对 AWS 服务和资源的EMR权限。

步骤 2：使用以下配置创建名为AssumableRole的自定义IAM角色：

通过担任该角色，Studio 或 Studio Classic 可以获得其在亚马逊中所需的权限的临时访问权限EMR。

有关如何在您的Amazon EMR AWS 账户AssumableRole中创建新账户的详细说明，请按照以下步骤操作：

1. 导航至 IAM 控制台。

2. 在左侧导航窗格中，选择策略，然后选择创建策略。

3. 在JSON选项卡中，添加允许亚马逊EMR访问和操作的亚马逊EMR权限。有关政策文档的详情，请参阅中的列出 Amazon EMR 政策参考策略。用实际值替换 region 和 accountID，然后将语句列表复制到角色的内联策略中。

4. 选择下一步，然后提供一个策略名称。

5. 选择创建策略。

6. 在左侧导航窗格中，选择角色，然后选择创建角色。

7. 在创建角色页面上，选择自定义信任策略作为受信任实体。

8. 将以下JSON文档粘贴到 “自定义信任策略” 部分，然后选择 “下一步”。

   For users of Studio and JupyterLab

   studio-account替换为 Studio 帐户 ID 和AmazonSageMaker-ExecutionRole您的 JupyterLab空间使用的执行角色。

   {
       "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

   将 studio-account 替换为 Studio Classic 帐户 ID。

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

9. 在添加权限页面上，添加刚刚创建的权限，然后选择下一步。

10. 在审查页面上，输入角色名称（如 AssumableRole）和可选描述。

11. 检查角色详细信息，然后选择 Create role。

有关在 AWS 账户上创建角色的更多信息，请参阅创建IAM角色（控制台）。

步骤 1：检索您的私有空间使用的 SageMaker AI 执行角色。ARN

有关 SageMaker AI 中的空间和执行角色的信息，请参阅了解域空间权限和执行角色。

有关如何检索 SageMaker AI ARN 的执行角色的更多信息，请参阅获取执行角色。

步骤 2：向访问您的 Amazon EMR 集群的 SageMaker AI 执行角色授予以下权限。

1. 导航至 IAM 控制台。

2. 选择角色，然后在搜索字段中按名称搜索执行角色。角色名称是的最后一部分ARN，位于最后一个正斜杠 (/) 之后。

3. 点击链接进入您的角色。

4. 选择添加权限，然后选择创建内联策略。

5. 在JSON选项卡中，添加内联策略，授予角色更新域、用户配置文件和空间的权限。有关策略文档的详细信息，请参阅 参考策略 中的域、用户配置文件和空间更新操作策略。用实际值替换 region 和 accountID，然后将语句列表复制到角色的内联策略中。

6. 选择下一步，然后提供一个策略名称。

7. 选择创建策略。

8. 重复创建内联策略步骤，添加另一个策略，授予执行角色使用 AssumableRole 的权限，然后执行角色访问策略允许的操作。emr-account替换为亚马逊EMR账户编号和AssumableRole在亚马逊EMR账户中创建的假设角色的名称。

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

9. （可选）要允许列出与 Studio 同一个账户中部署的亚马逊EMR集群，请向你的 Studio 执行角色添加额外的内联策略，如中列出亚马逊EMR策略中所述参考策略。

步骤 3：将您的假设角色（访问角色）与您的域名或用户个人资料相关联。 JupyterLabStudio 中的用户可以使用 SageMaker AI 控制台或提供的脚本。

选择与您的使用场景相对应的选项卡。