本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。
使用 Amazon EMR 准备数据
重要
Amazon SageMaker Studio 和 Amazon SageMaker Studio Classic 是你可以用来与 SageMaker AI 交互的两个机器学习环境。
如果您的域是在 2023 年 11 月 30 日之后创建的，Studio 就是您的默认体验。
如果您的域名是在 2023 年 11 月 30 日之前创建的，那么亚马逊 SageMaker Studio 经典版是您的默认体验。如果您的默认体验是亚马逊 SageMaker Studio Classic，则要使用 Studio，请参阅从亚马逊 SageMaker Studio 经典版迁移。
当您从 Amazon SageMaker Studio Classic 迁移到 Amazon SageMaker Studio 时，功能可用性不会受到影响。Studio Classic 还作为应用程序存在于 Amazon SageMaker Studio 中，可帮助您运行传统的机器学习工作流程。
Amazon SageMaker Studio 和 Studio Classic 内置了与亚马逊 EMR 的集成。在 JupyterLab Studio Classic 笔记本电脑中，数据科学家和数据工程师可以发现并连接到现有的 Amazon EMR 集群，然后使用 A pache Spark、Apache H
管理员可以创建 AWS CloudFormation 模板来定义 Amazon EMR 集群。然后，他们就可以在 AWS Service Catalog 中提供这些集群模板，供 Studio 和 Studio Classic 用户启动。然后，数据科学家可以选择一个预定义模板，直接从他们的 Studio 环境中自行配置 Amazon EMR 集群。管理员可以进一步对模板进行参数化，让用户在预定义值范围内选择集群的各个方面。例如，用户可能希望指定核心节点的数量，或从下拉菜单中选择节点的实例类型。
管理员可以使用 AWS CloudFormation，控制 Amazon EMR 集群的组织、安全和联网设置。然后，数据科学家和数据工程师可以根据自己的工作负载定制这些模板，直接从 Studio 和 Studio Classic 创建按需 Amazon EMR 集群，而无需设置复杂的配置。用户可以在使用后终止 Amazon EMR 集群。
-
如果您是管理员：
确保已启用 Studio 或 Studio Classic 与 Amazon EMR 集群之间的通信。有关说明，请参阅为 Amazon EMR 集群配置网络访问权限部分。启用此通信后，您可以：
-
如果您是数据科学家或数据工程师，您就可以：
