Conecta Amazon S3 Access Grants con las JupyterLab libretas Studio

Utilice la siguiente información para conceder subvenciones de acceso a Amazon S3 en las JupyterLab libretas Studio.

Después de configurar Amazon S3 Access Grants, añada los siguientes permisos a su dominio o función de ejecución de usuario.

• us-east-1es su Región de AWS

• 111122223333es tu Cuenta de AWS DNI

• S3-ACCESS-GRANT-ROLEes su función de Amazon S3 Access Grant

{
    "Version": "2012-10-17",
    "Statement": [
        {
            "Sid": "AllowDataAccessAPI",
            "Effect": "Allow",
            "Action": [
                "s3:GetDataAccess"
            ],
            "Resource": [
                "arn:aws:s3:us-east-1:111122223333:access-grants/default"
            ]
        },
        {
            "Sid": "RequiredForTIP",
            "Effect": "Allow",
            "Action": "sts:SetContext",
            "Resource": "arn:aws:iam::111122223333:role/S3-ACCESS-GRANT-ROLE"
        }
    ]
}

Asegúrese de que la política de confianza de su rol de Amazon S3 Access Grants permita las sts:AssumeRole acciones sts:SetContext y. El siguiente es un ejemplo de política para actualizar la política de confianza de su rol.

{
    "Version": "2012-10-17",
    "Statement": [
        {
            "Effect": "Allow",
            "Principal": {
                "Service": [
                    "access-grants.s3.amazonaws.com"
                ]
            },
            "Action": [
                "sts:AssumeRole",
                "sts:SetContext"
            ],
            "Condition": {
                "StringEquals": {
                    "aws:SourceAccount": "111122223333",
                    "aws:SourceArn": "arn:aws:s3:us-east-1:111122223333:access-grants/default"
                }
            }
        }
    ]
}

Utilice Amazon S3 Access Grants para llamar a Amazon S3

A continuación, se muestra un ejemplo de script de Python que muestra cómo se pueden utilizar Amazon S3 Access Grants para llamar a Amazon S3. Esto supone que ya ha configurado correctamente la propagación de identidades confiable con SageMaker IA.

import boto3
from botocore.config import Config

def get_access_grant_credentials(account_id: str, target: str, 
                                 permission: str = 'READ'):
    s3control = boto3.client('s3control')
    response = s3control.get_data_access(
        AccountId=account_id,
        Target=target,
        Permission=permission
    )
    return response['Credentials']

def create_s3_client_from_credentials(credentials) -> boto3.client:
    return boto3.client(
        's3',
        aws_access_key_id=credentials['AccessKeyId'],
        aws_secret_access_key=credentials['SecretAccessKey'],
        aws_session_token=credentials['SessionToken']
    )

# Create client
credentials = get_access_grant_credentials('111122223333',
                                        "s3://tip-enabled-bucket/tip-enabled-path/")
s3 = create_s3_client_from_credentials(credentials)

s3.list_objects(Bucket="tip-enabled-bucket", Prefix="tip-enabled-path/")

Si utiliza una ruta a un bucket de Amazon S3 en el que la concesión de acceso a Amazon S3 no esté habilitada, la llamada fallará.

Para obtener más información sobre otros lenguajes de programación, consulte Administrar el acceso con Amazon S3 Access Grants.