Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
# Comience con las sesiones AWS Glue interactivas
En esta guía, aprenderás a iniciar una sesión AWS Glue interactiva en SageMaker AI Studio Classic y a gestionar tu entorno con Jupyter magics.
## Permisos para sesiones AWS Glue interactivas en Studio o Studio Classic
En esta sección se enumeran las políticas necesarias para ejecutar sesiones AWS Glue interactivas en Studio o Studio Classic y se explica cómo configurarlas. En concreto, se detalla cómo:
+ Adjunta la política `AwsGlueSessionUserRestrictedServiceRole` gestionada a tu función de ejecución de SageMaker IA.
+ Cree una política personalizada en línea para su función de ejecución de SageMaker IA.
+ Modifique la relación de confianza de su función de ejecución de la SageMaker IA.
**Asociación de la política administrada de `AwsGlueSessionUserRestrictedServiceRole` a su rol de ejecución**
1. Abra la [consola de IAM](https://console.aws.amazon.com/iam/).
1. En el panel izquierdo, seleccione **Roles**.
1. Busque el rol de ejecución de Studio Classic que utiliza su perfil de usuario. Para obtener más información acerca de cómo ver un perfil de usuario, consulte [Visualización de perfiles de usuario en un dominio](domain-user-profile-view.md).
1. Elija el nombre del rol para abrir la página de resumen del rol.
1. En la pestaña **Permisos**, seleccione **Asociar políticas** en el menú desplegable **Agregar permisos**.
1. Seleccione la casilla situada junto a la política administrada `AwsGlueSessionUserRestrictedServiceRole`.
1. Seleccione **Asociar políticas**.
La página de resumen muestra las políticas administradas que acaba de añadir.
**Creación de la política personalizada insertada en su rol de ejecución**
1. Seleccione **Crear política insertada** en el menú desplegable **Agregar permisos**.
1. Seleccione la pestaña **JSON**.
1. Copie y pegue la siguiente política.
------
#### [ JSON ]
****
```
{
"Version":"2012-10-17",
"Statement": [
{
"Sid": "uniqueStatementId",
"Effect": "Allow",
"Action": [
"iam:GetRole",
"iam:PassRole",
"sts:GetCallerIdentity"
],
"Resource": "arn:aws:iam::*:role/GlueServiceRole*"
}
]
}
```
------
1. Elija **Revisar política**.
1. Introduzca un **Nombre** y, a continuación, elija **Crear política**.
La página de resumen muestra la política personalizada que acaba de añadir.
**Modificación de la relación de confianza de su rol de ejecución**
1. Seleccione la pestaña **Relaciones de confianza**.
1. Elija **Editar la política de confianza**.
1. Copie y pegue la siguiente política.
------
#### [ JSON ]
****
```
{
"Version":"2012-10-17",
"Statement": [
{
"Effect": "Allow",
"Principal": {
"Service": [
"glue.amazonaws.com",
"sagemaker.amazonaws.com"
]
},
"Action": "sts:AssumeRole"
}
]
}
```
------
1. Elija **Actualizar política**.
Puede añadir roles y políticas adicionales si necesita acceder a otros recursos de AWS . Para obtener una descripción de las funciones y políticas adicionales que puede incluir, consulte las [sesiones interactivas con IAM](https://docs.aws.amazon.com/glue/latest/dg/glue-is-security.html) en la AWS Glue documentación.
## Propagación de etiquetas
Las etiquetas se utilizan habitualmente para realizar un seguimiento de los costos y asignarlos, para controlar el acceso a la sesión, para aislar los recursos y mucho más. Para obtener más información sobre cómo añadir metadatos a sus recursos de AWS mediante el etiquetado o para obtener más información sobre casos de uso habituales, consulte [Información adicional](#more-information).
Puedes habilitar la propagación automática de AWS etiquetas a las nuevas sesiones AWS Glue interactivas creadas desde la interfaz de usuario de Studio o Studio Classic. Cuando se crea una sesión AWS Glue interactiva desde Studio o Studio Classic, todas las [etiquetas definidas por](https://docs.aws.amazon.com/awsaccountbilling/latest/aboutv2/custom-tags.html) el usuario adjuntas al perfil de usuario o al espacio compartido se transfieren a la nueva sesión AWS Glue interactiva. Además, Studio y Studio Classic añaden automáticamente dos etiquetas internas AWS generadas (`sagemaker:user-profile-arn`y`sagemaker:domain-arn`) o (`sagemaker:shared-space-arn`y`sagemaker:domain-arn`)) a las nuevas sesiones AWS Glue interactivas creadas a partir de su interfaz de usuario. Puede usar estas etiquetas para agregar los costos de los distintos dominios, perfiles de usuario o espacios.
### Habilitación de la propagación de etiquetas
Para habilitar la propagación automática de las etiquetas a las nuevas sesiones AWS Glue interactivas, establece los siguientes permisos para tu función de ejecución de SageMaker IA y la función de IAM asociada a tu AWS Glue sesión:
**nota**
De forma predeterminada, la función asociada a la sesión AWS Glue interactiva es la misma que la función de ejecución de la SageMaker IA. Puede especificar un rol de ejecución diferente para la sesión AWS Glue interactiva mediante el comando `%iam_role` mágico. Para obtener más información sobre los comandos mágicos de Jupyter disponibles para configurar sesiones interactivas de AWS Glue , consulte [Configura tu sesión AWS Glue interactiva en Studio o Studio Classic](#glue-sm-magics).
+ *En tu función de ejecución de SageMaker IA*: crea una nueva política en línea y pega el siguiente archivo JSON. La política otorga al rol de ejecución permiso para describir (`DescribeUserProfile``DescribeSpace`,`DescribeDomain`) y enumerar las etiquetas (`ListTag`) configuradas en los perfiles de usuario, los espacios compartidos y el dominio de la SageMaker IA.
```
{
"Effect": "Allow",
"Action": [
"sagemaker:ListTags"
],
"Resource": [
"arn:aws:sagemaker:*:*:user-profile/*",
"arn:aws:sagemaker:*:*:space/*"
]
},
{
"Effect": "Allow",
"Action": [
"sagemaker:DescribeUserProfile"
],
"Resource": [
"arn:aws:sagemaker:*:*:user-profile/*"
]
},
{
"Effect": "Allow",
"Action": [
"sagemaker:DescribeSpace"
],
"Resource": [
"arn:aws:sagemaker:*:*:space/*"
]
}
{
"Effect": "Allow",
"Action": [
"sagemaker:DescribeDomain"
],
"Resource": [
"arn:aws:sagemaker:*:*:domain/*"
]
}
```
+ *En el rol de IAM de su sesión de AWS Glue *: cree una nueva política insertada y pegue el siguiente archivo de JSON. La política concede a su rol permiso para asociar etiquetas (`TagResource`) a su sesión o recuperar su lista de etiquetas (`GetTags`).
```
{
"Effect": "Allow",
"Action": [
"glue:TagResource",
"glue:GetTags"
],
"Resource": [
"arn:aws:glue:*:*:session/*"
]
}
```
**nota**
Los errores que se producen al aplicar esos permisos no impiden la creación de sesiones AWS Glue interactivas. Puede encontrar detalles sobre el motivo del error en los [CloudWatch](https://docs.aws.amazon.com//sagemaker/latest/dg/monitoring-cloudwatch.html)registros de Studio o Studio Classic.
Debe reiniciar el núcleo de la sesión AWS Glue interactiva para propagar la actualización del valor de una etiqueta.
Es importante tener en cuenta los siguientes puntos:
+ Una vez que se asocia una etiqueta a una sesión, no se puede eliminar por medio de propagación.
Puede eliminar las etiquetas de una sesión AWS Glue interactiva directamente a través de la AWS CLI, la AWS Glue API o la [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/). Por ejemplo, con el AWS CLI, puede eliminar una etiqueta proporcionando el ARN de la sesión y las claves de etiqueta que desea eliminar de la siguiente manera:
```
aws glue untag-resource \
--resource-arn arn:aws:glue:region:account-id:session:session-name \
--tags-to-remove tag-key1,tag-key2
```
+ Studio y Studio Classic añaden dos etiquetas internas AWS generadas (`sagemaker:user-profile-arn`y`sagemaker:domain-arn`) o (`sagemaker:shared-space-arn`y`sagemaker:domain-arn`)) a las nuevas sesiones AWS Glue interactivas creadas a partir de su interfaz de usuario. Esas etiquetas se tienen en cuenta para el límite de 50 etiquetas establecido en todos los AWS recursos. Tanto `sagemaker:user-profile-arn` como `sagemaker:shared-space-arn` contienen el ID de dominio al que pertenecen.
+ Las teclas de etiquetas que comiencen por `aws:``AWS:`, o cualquier combinación de letras mayúsculas y minúsculas como prefijo de las claves no se propagan y están reservadas para su uso. AWS
### Información adicional
Para obtener más información sobre las etiquetas, consulte los siguientes recursos:
+ [Para obtener información sobre cómo agregar metadatos a sus AWS recursos mediante el etiquetado, consulte Etiquetar recursos. AWS](https://docs.aws.amazon.com/tag-editor/latest/userguide/tagging.html)
+ Para obtener más información sobre el seguimiento de los costos mediante etiquetas, consulte el [análisis de costos](https://docs.aws.amazon.com/whitepapers/latest/sagemaker-studio-admin-best-practices/cost-attribution.html) en las prácticas recomendadas de administración de Studio.
+ Para obtener información sobre cómo controlar el acceso a ellos en AWS Glue función de las claves de las etiquetas, consulte [ABAC](glue/latest/dg/security_iam_service-with-iam.html#security_iam_service-with-iam-tags) with. AWS Glue
## Inicie su sesión AWS Glue interactiva en Studio o Studio Classic
Después de crear los roles, las políticas y el dominio de SageMaker IA, puede iniciar su sesión AWS Glue interactiva en Studio o Studio Classic.
1. Inicie sesión en la consola de SageMaker IA en [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/).
1. En el panel de navegación izquierdo, seleccione **Studio**.
1. En la página de inicio de Studio, seleccione el dominio y perfil de usuario para inicializar Studio.
1. Selecciona **Open Studio** e inicia una aplicación JupyterLab o una de Studio Classic.
1. En la vista de Jupyter, seleccione **Archivo**, **Nuevo** y luego **Cuaderno**.
1. Para los usuarios de Studio Classic: en el menú desplegable **Imagen**, selecciona **SparkAnalytics 1.0** o **SparkAnalytics2.0**. En el menú desplegable **del núcleo**, selecciona **Glue Spark** o **Glue Python [PySpark and Ray]**. Elija **Seleccionar**.
Para los usuarios de Studio, selecciona un núcleo de **Glue Spark** **o Glue Python [PySpark and Ray]**
1. (Opcional) Utilice los comandos mágicos de Jupyter para personalizar el entorno. Para obtener más información sobre los comandos mágicos de Jupyter, consulte [Configura tu sesión AWS Glue interactiva en Studio o Studio Classic](#glue-sm-magics).
1. Empiece a escribir sus scripts de procesamiento de datos de Spark. El siguiente [cuaderno](https://github.com/aws/amazon-sagemaker-examples/blob/main/use-cases/pyspark_etl_and_training/pyspark-etl-training.ipynb) muestra un end-to-end flujo de trabajo para ETL en un conjunto de datos grande mediante una sesión AWS Glue interactiva, un análisis exploratorio de datos, un preprocesamiento de datos y, por último, el entrenamiento de un modelo con los datos procesados con IA. SageMaker
## Configura tu sesión AWS Glue interactiva en Studio o Studio Classic
**nota**
Todas las configuraciones mágicas se transfieren a las sesiones posteriores durante la vida útil del núcleo. AWS Glue
Puede utilizar Jupyter magics en su sesión AWS Glue interactiva para modificar sus parámetros de sesión y configuración. Los comandos mágicos son comandos cortos con el prefijo `%` al principio de las celdas de Jupyter, que proporcionan una forma rápida y sencilla de ayudarle a controlar su entorno. En su sesión AWS Glue interactiva, las siguientes funciones mágicas están configuradas de forma predeterminada:
| Comando mágico | Predeterminado |
| --- | --- |
| %glue\$1version | 3.0 |
| %iam\$1role | *execution role attached to your SageMaker AI domain* |
| %region | su región |
Puede utilizar comandos mágicos para personalizar aún más su entorno. Por ejemplo, si desea cambiar el número de trabajadores asignados a su trabajo de los cinco predeterminados a 10, puede especificar `%number_of_workers 10`. Si desea configurar la sesión para que se detenga tras 10 minutos de inactividad en lugar de los 2880 predeterminados, puede especificar `%idle_timeout 10`.
Todas las magias de Jupyter disponibles actualmente también AWS Glue están disponibles en Studio o Studio Classic. Para ver la lista completa de las AWS Glue magias disponibles, consulta [Cómo configurar sesiones AWS Glue interactivas para las libretas de Jupyter](https://docs.aws.amazon.com/glue/latest/dg/interactive-sessions-magics.html) y Studio. AWS Glue