本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 教學課程：將 SageMaker AI 筆記本與開發端點搭配使用
<a name="dev-endpoint-tutorial-sage"></a>

 在 AWS Glue 中，您可以建立開發端點，然後建立 SageMaker AI 筆記本以協助開發 ETL 和機器學習指令碼。SageMaker AI 筆記本執行個體是全受管的機器學習運算執行個體，可執行 Jupyter 筆記本應用程式。

1. 在 AWS Glue 主控台，選擇 **Dev endpoints (開發端點)** 以導覽至開發端點清單。

1. 在您要使用的開發端點名稱旁選取核取方塊，然後在 **Action (動作)** 選單中，選擇 **Create SageMaker notebook (建立 SageMaker 筆記本)**。

1. 填寫 **Create and configure a notebook (建立並設定筆記本)** 頁面，如下所示：

   1. 輸入記事本名稱。

   1. 在 **Attach to development endpoint (連接至開發端點)**，驗證開發端點。

   1. 建立或選擇 AWS Identity and Access Management (IAM) 角色。

      建議您建立角色。如果您使用現有角色，請確定它具有必要的權限。如需詳細資訊，請參閱[步驟 6：建立適用於 SageMaker AI 筆記本的 IAM 政策](create-sagemaker-notebook-policy.md)。

   1. (選用) 選擇 VPC、子網路以及一或多個安全群組。

   1. （選用） 選擇 AWS Key Management Service 加密金鑰。

   1. (選用) 為筆記本執行個體新增標籤。

1. 選擇**建立筆記本**。在 **Notebooks (筆記本)** 頁面中，選擇右上角的重新整理圖示，然後繼續操作，直到 **Status (狀態)** 顯示 `Ready` 為止。

1. 選取新筆記本名稱旁的核取方塊，然後選擇 **Open notebook (開啟筆記本)**。

1. 建立新的筆記本：在 **jupyter** 頁面中，選擇 **New (新增)**，然後選擇 **Sparkmagic (PySpark)**。

   您的螢幕畫面現在看起來應該與下列類似：  
![\[jupyter 頁面有一個功能表列、工具列和一個寬文字欄位，您可以在其中輸入語句。\]](http://docs.aws.amazon.com/zh_tw/glue/latest/dg/images/sagemaker-notebook.png)

1. (選用) 在頁面頂端，選擇 **Untitled (為命名)**，然後為筆記本命名。

1. 若要啟動 Spark 應用程式，請在記事本中輸入下列指令，然後在工具列中選擇 **Run (執行)**。

   ```
   spark
   ```

   短暫的等待之後，您應可看到以下回應：  
![\[系統回應顯示 Spark 應用程式狀態，並會輸出下列訊息：SparkSession 會以「spark」提供。\]](http://docs.aws.amazon.com/zh_tw/glue/latest/dg/images/spark-command-response.png)

1. 建立動態框架並針對其執行查詢：複製、貼上並執行下列程式碼，輸出 `persons_json` 資料表的計數和結構描述。

   ```
   import sys
   from pyspark.context import SparkContext
   from awsglue.context import GlueContext
   from awsglue.transforms import *
   glueContext = GlueContext(SparkContext.getOrCreate())
   persons_DyF = glueContext.create_dynamic_frame.from_catalog(database="legislators", table_name="persons_json")
   print ("Count:  ", persons_DyF.count())
   persons_DyF.printSchema()
   ```