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.
Usa i cluster Amazon EMR dai notebook Studio Classic
In questa sezione, scopri come scoprire, connettersi o terminare un cluster Amazon EMR SageMaker dai notebook Studio Classic.
-
Se sei un amministratore, consulta Configura la rilevabilità dei cluster Amazon EMR (per amministratori) la sezione Configurazione della rilevabilità dei cluster Amazon EMR SageMaker dai notebook Studio Classic.
-
Se sei un data scientist o un ingegnere dei dati e desideri scoprire i cluster Amazon EMR dai tuoi notebook Studio Classic, consulta. Scopri i cluster Amazon EMR di Studio Classic SageMaker
-
Se sei un data scientist o un ingegnere dei dati e desideri connetterti ai cluster Amazon EMR esistenti dai tuoi notebook Studio Classic, consulta. Connect a un cluster Amazon EMR da Studio Classic SageMaker
Quando ti connetti al tuo cluster Amazon EMR da SageMaker Studio Classic, puoi autenticarti nel cluster con Kerberos, Lightweight Directory Access Protocol (LDAP) o utilizzare l'autenticazione del ruolo IAM in fase di esecuzione. Il metodo di autenticazione dipende dalla configurazione del cluster. Puoi fare riferimento a questo esempio Accesso ad Apache Livy utilizzando un Network Load Balancer su un cluster Amazon EMR abilitato a Kerberos
Trova l'elenco dei comandi disponibili di connessione a un cluster Amazon EMR per metodo di autenticazione in Inserisci manualmente il comando di connessione a un cluster Amazon EMR per connetterti al cluster Amazon EMR.
Immagini e kernel supportati per la connessione a un cluster SageMaker Amazon EMR da Studio Classic
SageMaker Studio Classic fornisce supporto integrato per la connessione ai cluster Amazon EMR nelle seguenti immagini e kernel:
-
DataScience — Kernel Python 3
-
DataScience 2.0 — Kernel Python 3
-
DataScience 3.0 — Kernel Python 3
-
SparkAnalytics 1.0 — SparkMagic e kernel PySpark
-
SparkAnalytics 2.0 — SparkMagic e PySpark kernel
-
SparkMagic — SparkMagic e PySpark kernel
-
PyTorch 1.8 — Kernel Python 3
-
TensorFlow 2.6 — Kernel Python 3
-
TensorFlow 2.11 — Kernel Python 3
Queste immagini e kernel vengono forniti con sagemaker-studio-analytics-extension, un'estensione
Per connetterti ai cluster Amazon EMR utilizzando un'altra immagine integrata o la tua immagine, segui le istruzioni riportate in Utilizza la tua immagine.
Utilizza la tua immagine
Per portare la tua immagine in SageMaker Studio Classic e consentire ai tuoi notebook di connettersi ai cluster Amazon EMR, installa la seguente estensione sagemaker-studio-analytics-extension nel tuo kernel.
pip install sparkmagic pip install sagemaker-studio-sparkmagic-lib pip install sagemaker-studio-analytics-extension
Inoltre, per connetterti ad Amazon EMR con l'autenticazione di Kerberos, è necessario installare il client kinit. Il comando per installare il client kinit può variare a seconda del sistema operativo. Per utilizzare un'immagine di Ubuntu (basata su Debian), usa il comando apt-get install -y -qq krb5-user.
