Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
# Considerazioni e limitazioni
## Ambito generale
Rivedi le seguenti limitazioni quando usi Lake Formation con EMR Serverless.
**Nota**
Quando abiliti Lake Formation per un job Spark su EMR Serverless, il job avvia un driver di sistema e un driver utente. Se è stata specificata una capacità preinizializzata all'avvio, i driver vengono forniti a partire dalla capacità preinizializzata e il numero di driver di sistema è uguale al numero di driver utente specificato. Se si sceglie la capacità On Demand, EMR Serverless avvia un driver di sistema oltre a un driver utente. Per stimare i costi associati al lavoro EMR Serverless with Lake Formation, utilizza il. [Calcolatore dei prezzi AWS](https://calculator.aws/#/addService/EMR)
+ Amazon EMR Serverless with Lake Formation è disponibile in tutte le regioni EMR Serverless supportate[. ](https://docs.aws.amazon.com/emr/latest/EMR-Serverless-UserGuide/considerations.html)
+ A partire da Amazon EMR 7.14.0, Formation-enabled le applicazioni Lake supportano l'uso di immagini EMR Serverless [ personalizzate solo nello spazio utente. ](https://docs.aws.amazon.com/emr/latest/EMR-Serverless-UserGuide/application-custom-image.html) Lo spazio di sistema, che applica le politiche di Lake Formation, continua a utilizzare l'immagine base EMR Serverless predefinita. Questo supporto si applica anche al AWS runtime della riga di rilascio di Apache Spark 8.x che inizia con. `emr-spark-8.1.0` Le immagini personalizzate con Lake Formation non sono supportate su Amazon EMR 7.13.0 e versioni precedenti, né su. `emr-spark-8.0.0`
+ Non puoi disattivarla `DynamicResourceAllocation` per i lavori di Lake Formation.
+ Si può usare Lake Formation solo con i processi Spark.
+ EMR Serverless with Lake Formation supporta solo una singola sessione Spark durante un processo.
+ EMR Serverless with Lake Formation supporta solo query su tabelle tra account condivise tramite collegamenti alle risorse.
+ I seguenti elementi non sono supportati:
+ Resilient Distributed Dataset (RDD)
+ Streaming di Spark
+ Controllo degli accessi per colonne annidate
+ EMR Serverless blocca le funzionalità che potrebbero compromettere il completo isolamento del driver di sistema, tra cui:
+ UDT, HiveUDF e qualsiasi funzione definita dall'utente che coinvolga classi personalizzate
+ Origini dati personalizzate
+ Fornitura di jar aggiuntivi per l'estensione, il connettore o il metastore di Spark
+ Comando `ANALYZE TABLE`
+ Se la tua applicazione EMR Serverless si trova in una sottorete privata con endpoint VPC per Amazon S3 e alleghi una policy sugli endpoint per controllare l'accesso, prima che i tuoi processi possano inviare i dati di log a AWS Managed Amazon S3, includi le autorizzazioni dettagliate in Storage gestito nella tua policy VPC all'endpoint gateway S3. [logging.html#jobs-log-storage-managed-storage](logging.html#jobs-log-storage-managed-storage) Per le richieste di risoluzione dei problemi, contatta l'assistenza. AWS
+ A partire da Amazon EMR 7.9.0, Spark FGAC supporta l'uso con lo schema s3a: S3AFileSystem //.
+ Amazon EMR 7.11 supporta la creazione di tabelle gestite tramite CTAS.
+ Amazon EMR 7.12 supporta la creazione di tabelle gestite ed esterne tramite CTAS.
+ A partire da Amazon EMR 7.12, le operazioni DML e DDL che modificano i dati delle tabelle utilizzano le credenziali di Lake Formation. In Amazon EMR 7.11 e versioni precedenti, queste operazioni (ad eccezione di DELETE, UPDATE e MERGE) utilizzano invece le credenziali del ruolo di job runtime per modificare i dati della tabella. Amazon EMR 7.11 e versioni precedenti non supportano le operazioni DELETE, UPDATE e MERGE.
+ Le operazioni DDL e DML che modificano i dati delle tabelle utilizzando le credenziali AWS Lake Formation-vended supportano solo S3A. Quando si utilizza EMRFS, vengono invece applicate le credenziali del ruolo di job runtime.
+ EMR Serverless with Lake Formation non supporta la lettura o la scrittura su tabelle che puntano a una posizione diversa da S3.
## Permissions
+ Per applicare i controlli di accesso, le operazioni EXPLAIN PLAN e DDL come DESCRIBE TABLE non espongono informazioni riservate.
+ Quando si registra una posizione di tabella con Lake Formation, l'accesso ai dati utilizza le credenziali memorizzate in Lake Formation anziché le autorizzazioni IAM del ruolo di runtime del job EMR Serverless. I processi falliranno se il ruolo registrato per la posizione della tabella non è configurato correttamente, anche quando il ruolo di runtime dispone delle autorizzazioni IAM S3 per quella posizione.
+ A partire da Amazon EMR 7.12, puoi scrivere su tabelle Hive e Iceberg esistenti utilizzando DataFrameWriter (V2) con le credenziali di Lake Formation in modalità aggiunta. Per le operazioni di sovrascrittura o durante la creazione di nuove tabelle, EMR utilizza le credenziali del ruolo di runtime per modificare i dati delle tabelle.
+ Le seguenti limitazioni si applicano quando si utilizzano viste o tabelle memorizzate nella cache come dati di origine (queste limitazioni non si applicano alle viste di AWS Glue Data Catalog):
+ Per le operazioni MERGE, DELETE e UPDATE
+ Supportato: utilizzo di viste e tabelle memorizzate nella cache come tabelle di origine.
+ Non supportato: utilizzo di viste e tabelle memorizzate nella cache nelle clausole di assegnazione e condizione.
+ Per le operazioni CREATE OR REPLACE e REPLACE TABLE AS SELECT:
+ Non supportato: utilizzo di viste e tabelle memorizzate nella cache come tabelle di origine.
+ Le tabelle Delta Lake con UDF nei dati di origine supportano le operazioni MERGE, DELETE e UPDATE solo quando il vettore di cancellazione è abilitato.
## Registri e debug
+ EMR Serverless limita l'accesso ai log Spark dei driver di sistema sulle applicazioni Lake. Formation-enabled Poiché il driver di sistema viene eseguito con autorizzazioni elevate, gli eventi e i registri generati dal driver di sistema possono includere informazioni sensibili. Per impedire a utenti o codici non autorizzati di accedere a questi dati sensibili, EMR Serverless disabilita l'accesso ai log dei driver di sistema.
+ I log dei profili di sistema vengono sempre conservati nell'archiviazione gestita: si tratta di un'impostazione obbligatoria che non può essere disabilitata. Questi registri vengono archiviati in modo sicuro e crittografato utilizzando una chiave KMS gestita dal cliente o una chiave AWS Managed KMS.
## Iceberg
Esamina le seguenti considerazioni quando usi Apache Iceberg:
+ È possibile utilizzare Apache Iceberg solo con il catalogo delle sessioni e non con i cataloghi con nomi arbitrari.
+ Le tabelle Iceberg registrate in Lake Formation supportano solo le tabelle di metadati`history`,,, e`metadata_log_entries`. `snapshots` `files` `manifests` `refs` Amazon EMR nasconde le colonne che potrebbero contenere dati sensibili, come, e. `partitions` `path` `summaries` Questa limitazione non si applica alle tabelle Iceberg che non sono registrate in Lake Formation.
+ Le tabelle non registrate in Lake Formation supportano tutte le stored procedure Iceberg. Le procedure di `register_table` e `migrate` non sono supportate per nessuna tabella.
+ Ti consigliamo di utilizzare Iceberg DataFrameWriterV2 invece di V1.