AWS Glue 互動式工作階段入門

將 AwsGlueSessionUserRestrictedServiceRole 管理的政策連接至執行角色

1. 開啟 IAM 主控台。

2. 在左側面板中選取角色。

3. 尋找您的使用者設定檔所使用的 Studio Classic 執行角色。如需有關如何檢視使用者設定檔的資訊，請參閱 檢視網域中的使用者設定檔。

4. 選擇您的角色名稱以存取角色摘要頁面。

5. 在許可索引標籤下，從新增權限下拉式功能表選取連接政策。

6. 選取 AwsGlueSessionUserRestrictedServiceRole 管理政策旁的核取方塊。

7. 選擇連接政策。

   摘要頁面會顯示您新增的管理策略。

若要在您的執行角色建立內嵌自訂政策

1. 在新增許可下拉式功能表中選取建立內嵌政策。

2. 選取 JSON 標籤。

3. 在下列政策複製並貼上。

   {
       "Version": "2012-10-17",
       "Statement": [
           {
               "Sid": "unique_statement_id",
   
               "Effect": "Allow",
               "Action": [
   		"iam:GetRole",
                   "iam:PassRole",
                   "sts:GetCallerIdentity"
               ],
               "Resource": "*"
           }
       ]
   }

4. 選擇檢閱政策。

5. 輸入名稱，然後選擇建立政策。

   總結頁面會顯示您新增的自訂政策。

修改執行角色的信任關係

1. 選取信任關係標籤。

2. 選擇編輯信任政策。

3. 在下列政策複製並貼上。

   {
   "Version": "2012-10-17",
   "Statement": [
       {
           "Effect": "Allow",
           "Principal": {
               "Service": [
                   "glue.amazonaws.com",
                   "sagemaker.amazonaws.com"
               ]
           },
           "Action": "sts:AssumeRole"
       }
   ]
   }

4. 選擇更新政策。

1. 登入 SageMaker AI 主控台，網址為 https：//https://console.aws.amazon.com/sagemaker/。

2. 從左側導覽窗格中，選擇 Studio。

3. 從 Studio 登陸頁面中，選取網域和使用者設定檔以啟動 Studio。

4. 選擇開啟 Studio 並啟動 JupyterLab 或 Studio Classic 應用程式。

5. 在 Jupyter 檢視中，選擇檔案，然後依序選擇新增和筆記本。

6. 對於 Studio Classic 使用者：在映像下拉式功能表中，選取 SparkAnalytics 1.0 或 SparkAnalytics 2.0。在核心下拉式功能表中，選取 Glue Spark 或 Glue Python [PySpark 與 Ray]。選擇選取。

   對於 Studio 使用者，選取 Glue Spark 或 Glue Python 【PySpark 和 Ray】 核心

7. (選用) 使用 Jupyter 魔術命令自訂您的環境。如需 Jupyter 魔術命令的更多相關資訊，請參閱 在 Studio 或 Studio Classic 中設定 AWS Glue 互動式工作階段。

8. 開始撰寫您的 Spark 資料處理指令碼。以下筆記本使用 AWS Glue 互動式工作階段、探索式資料分析、資料預先處理，以及最後使用 SageMaker AI 針對處理的資料訓練模型，展示大型資料集上 ETL 的end-to-end工作流程。