Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
# Siapkan data menggunakan EMR Tanpa Server
Dimulai dengan versi [gambar SageMaker distribusi](sagemaker-distribution.md)`1.10`, Amazon SageMaker Studio terintegrasi dengan EMR Tanpa Server. Dalam JupyterLab notebook di SageMaker Studio, ilmuwan data dan insinyur data dapat menemukan dan terhubung ke aplikasi EMR Tanpa Server, kemudian secara interaktif mengeksplorasi, memvisualisasikan, dan menyiapkan beban kerja Apache Spark atau Apache Hive skala besar. Integrasi ini memungkinkan untuk melakukan preprocessing data interaktif dalam skala besar dalam persiapan untuk pelatihan dan penerapan model ML.
Secara khusus, versi terbaru dari versi gambar [distribusi SageMaker AI](https://github.com/aws/sagemaker-distribution/tree/main/build_artifacts/v1) `1.10` memanfaatkan integrasi antara Apache Livy dan EMR Serverless, memungkinkan koneksi ke titik akhir Apache Livy melalui notebook. [https://pypi.org/project/sagemaker-studio-analytics-extension/](https://pypi.org/project/sagemaker-studio-analytics-extension/) JupyterLab Bagian ini mengasumsikan pengetahuan sebelumnya tentang aplikasi interaktif [EMR Tanpa Server](https://docs.aws.amazon.com/EMR-Serverless-UserGuide/interactive-workloads.html).
**penting**
Saat menggunakan Studio, Anda hanya dapat menemukan dan terhubung ke aplikasi EMR Tanpa Server untuk JupyterLab aplikasi yang diluncurkan dari ruang pribadi. Pastikan bahwa aplikasi EMR Tanpa Server berada di AWS wilayah yang sama dengan lingkungan Studio Anda.
## Prasyarat
Sebelum Anda mulai menjalankan beban kerja interaktif dengan EMR Serverless dari notebook JupyterLab Anda, pastikan Anda memenuhi prasyarat berikut:
1. JupyterLab Ruang Anda harus menggunakan versi gambar SageMaker Distribusi `1.10` atau lebih tinggi.
1. Buat aplikasi interaktif EMR Tanpa Server dengan versi Amazon EMR atau lebih tinggi. `6.14.0` Anda dapat membuat aplikasi EMR Tanpa Server dari antarmuka pengguna Studio dengan mengikuti langkah-langkahnya. [Buat aplikasi EMR Tanpa Server dari Studio](create-emr-serverless-application.md)
**catatan**
Untuk pengaturan yang paling sederhana, Anda dapat membuat aplikasi EMR Tanpa Server di UI Studio tanpa mengubah pengaturan default apa pun untuk opsi **Virtual private cloud (VPC**). Ini memungkinkan aplikasi dibuat dalam VPC domain Anda tanpa memerlukan konfigurasi jaringan apa pun. Dalam hal ini, Anda dapat melewati langkah pengaturan jaringan berikut.
1. Tinjau persyaratan jaringan dan keamanan di[Konfigurasikan akses jaringan untuk kluster EMR Amazon Anda](studio-notebooks-emr-networking.md). Secara khusus, pastikan bahwa Anda:
+ Buat koneksi peering VPC antara akun Studio Anda dan akun EMR Tanpa Server Anda.
+ Tambahkan rute ke tabel rute subnet pribadi di kedua akun.
+ Siapkan grup keamanan yang dilampirkan ke domain Studio Anda untuk mengizinkan lalu lintas keluar, dan konfigurasikan grup keamanan VPC tempat Anda berencana menjalankan aplikasi EMR Tanpa Server untuk mengizinkan lalu lintas TCP masuk dari grup keamanan instans Studio.
1. Untuk mengakses aplikasi interaktif di EMR Tanpa Server dan menjalankan beban kerja yang dikirimkan dari JupyterLab buku catatan di SageMaker Studio, Anda harus menetapkan izin dan peran tertentu. Lihat [Siapkan izin untuk mengaktifkan daftar dan meluncurkan aplikasi Amazon EMR dari Studio SageMaker](studio-emr-serverless-permissions.md) bagian untuk detail tentang peran dan izin yang diperlukan.
**Topics**
+ [
## Prasyarat
](#studio-set-up-emr-serverless-prerequisites)
+ [
# Siapkan izin untuk mengaktifkan daftar dan meluncurkan aplikasi Amazon EMR dari Studio SageMaker
](studio-emr-serverless-permissions.md)
+ [
# Buat aplikasi EMR Tanpa Server dari Studio
](create-emr-serverless-application.md)
+ [
# Connect ke aplikasi EMR Serverless dari Studio
](connect-emr-serverless-application.md)
+ [
# Menghentikan atau menghapus aplikasi EMR Tanpa Server dari UI Studio
](terminate-emr-serverless-application.md)
# Siapkan izin untuk mengaktifkan daftar dan meluncurkan aplikasi Amazon EMR dari Studio SageMaker
Di bagian ini, kami merinci peran dan izin yang diperlukan untuk mendaftar dan terhubung ke aplikasi EMR Tanpa Server SageMaker dari Studio, mempertimbangkan skenario di mana Studio dan aplikasi EMR Tanpa Server digunakan di akun yang sama atau di berbagai akun. AWS
*Peran yang harus Anda tambahkan izin yang diperlukan bergantung pada apakah Studio dan aplikasi EMR Tanpa Server Anda berada di akun yang AWS sama (Akun *Tunggal) atau di akun terpisah (*Akun Lintas).* Ada dua jenis peran yang terlibat:
+ Peran eksekusi:
+ [Peran eksekusi runtime (peran](https://docs.aws.amazon.com/http://emr/latest/EMR-Serverless-UserGuide/jobs-spark.html#spark-defaults-executionRoleArn) Kontrol Akses Berbasis Peran) yang digunakan oleh EMR Tanpa Server: Ini adalah peran IAM yang digunakan oleh lingkungan eksekusi pekerjaan EMR Tanpa Server untuk mengakses layanan dan AWS sumber daya lain yang diperlukan selama runtime, seperti Amazon S3 untuk akses data, CloudWatch untuk pencatatan, akses ke Katalog Data, atau layanan lain berdasarkan persyaratan beban kerja Anda. AWS Glue Sebaiknya buat peran ini di akun tempat aplikasi EMR Tanpa Server berjalan.
Untuk mempelajari lebih lanjut tentang peran runtime, lihat Peran [runtime Job di Panduan](https://docs.aws.amazon.com/emr/latest/EMR-Serverless-UserGuide/security-iam-runtime-role.html) Pengguna Tanpa Server *EMR*.
**catatan**
Anda dapat menentukan beberapa peran RBAC untuk aplikasi EMR Tanpa Server Anda. Peran ini dapat didasarkan pada tanggung jawab dan tingkat akses yang dibutuhkan oleh pengguna atau grup yang berbeda dalam organisasi Anda. Untuk informasi selengkapnya tentang izin RBAC, lihat Praktik [terbaik keamanan untuk Amazon Amazon EMR](https://docs.aws.amazon.com/emr/latest/EMR-Serverless-UserGuide/security-best-practices.html#security-practice-rbac) Tanpa Server.
+ SageMaker Peran eksekusi AI: Peran eksekusi yang memungkinkan SageMaker AI melakukan tugas tertentu seperti membaca data dari bucket Amazon S3, menulis log CloudWatch, dan mengakses AWS layanan lain yang mungkin dibutuhkan alur kerja Anda. Peran eksekusi SageMaker AI juga memiliki izin khusus `iam:PassRole` yang disebut yang memungkinkan SageMaker AI untuk meneruskan peran eksekusi runtime sementara ke aplikasi EMR Tanpa Server. Peran ini memberi aplikasi EMR Tanpa Server izin yang mereka butuhkan untuk berinteraksi dengan AWS sumber daya lain saat mereka berjalan.
+ Peran yang dapat diasumsikan (Juga disebut sebagai *Peran Akses Layanan*):
+ Ini adalah peran IAM yang dapat diasumsikan oleh peran eksekusi SageMaker AI untuk melakukan operasi yang terkait dengan pengelolaan aplikasi EMR Tanpa Server. Peran ini menentukan izin dan kebijakan akses yang diperlukan saat mencantumkan, menghubungkan ke, atau mengelola aplikasi EMR Tanpa Server. Mereka biasanya digunakan dalam skenario lintas akun, di mana aplikasi EMR Tanpa Server berada di akun yang AWS berbeda dari domain AI. SageMaker Memiliki peran IAM khusus untuk aplikasi EMR Tanpa Server Anda membantu mengikuti prinsip hak istimewa paling sedikit dan memastikan bahwa Amazon EMR hanya memiliki izin yang diperlukan untuk menjalankan pekerjaan Anda sambil melindungi sumber daya lain di akun Anda. AWS
Dengan memahami dan mengonfigurasi peran ini dengan benar, Anda dapat memastikan bahwa SageMaker Studio memiliki izin yang diperlukan untuk berinteraksi dengan aplikasi EMR Tanpa Server, terlepas dari apakah peran tersebut digunakan di akun yang sama atau di akun yang berbeda.
## Akun tunggal
Diagram berikut menggambarkan peran dan izin yang diperlukan untuk mendaftar dan terhubung ke aplikasi EMR Tanpa Server dari Studio saat Studio dan aplikasi digunakan di akun yang sama. AWS
![\[Diagram menunjukkan peran dan izin yang diperlukan untuk membuat daftar dan menghubungkan aplikasi EMR Tanpa Server dari Studio saat Studio dan aplikasi berada di akun yang sama. AWS\]](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/images/studio/emr/studio-notebooks-emr-serverless-permissions-setup-singleaccount.png)
Jika aplikasi Amazon EMR dan Studio Anda digunakan di AWS akun yang sama, ikuti langkah-langkah berikut:
1. **Langkah 1**[: Ambil ARN bucket Amazon S3 yang Anda gunakan untuk sumber data dan penyimpanan data keluaran di konsol Amazon S3.](https://console.aws.amazon.com/S3)
Untuk mempelajari cara menemukan bucket berdasarkan nama, lihat [Mengakses dan mencantumkan bucket Amazon S3](https://docs.aws.amazon.com/AmazonS3/latest/userguide/access-bucket-intro.html). Untuk informasi tentang cara membuat bucket Amazon S3, lihat [Membuat](https://docs.aws.amazon.com/AmazonS3/latest/userguide/create-bucket-overview.html) bucket.
1. **Langkah 2**: Buat setidaknya satu peran eksekusi runtime pekerjaan untuk aplikasi EMR Tanpa Server Anda di akun Anda (`EMRServerlessRuntimeExecutionRoleA`Dalam diagram kasus penggunaan akun *Tunggal di atas*). Pilih **Kebijakan kepercayaan khusus** sebagai entitas tepercaya. Tambahkan izin yang diperlukan oleh pekerjaan Anda. Minimal, Anda memerlukan akses penuh ke bucket Amazon S3, serta membuat serta membaca akses ke Katalog AWS Glue Data.
Untuk petunjuk terperinci tentang cara membuat peran eksekusi runtime baru untuk aplikasi EMR Tanpa Server Anda, ikuti langkah-langkah berikut:
1. Arahkan ke [konsol IAM](https://console.aws.amazon.com/iam).
1. Di panel navigasi kiri, pilih **Kebijakan**, lalu **Buat kebijakan**.
1. Tambahkan izin yang diperlukan oleh peran runtime Anda, beri nama kebijakan, lalu pilih **Buat** kebijakan.
Anda dapat merujuk ke [peran runtime Job untuk EMR](https://docs.aws.amazon.com/emr/latest/EMR-Serverless-UserGuide/security-iam-runtime-role.html) Tanpa Server untuk menemukan contoh kebijakan runtime untuk peran runtime EMR Tanpa Server.
1. Di panel navigasi kiri, pilih **Peran** dan kemudian **Buat peran**.
1. Pada halaman **Buat peran**, pilih **Kebijakan kepercayaan khusus** sebagai entitas tepercaya.
1. Tempel dokumen JSON berikut di bagian **Kebijakan kepercayaan kustom** dan kemudian pilih **Berikutnya**.
------
#### [ JSON ]
****
```
{
"Version":"2012-10-17",
"Statement": [
{
"Effect": "Allow",
"Principal": {
"Service": "emr-serverless.amazonaws.com"
},
"Action": "sts:AssumeRole"
}
]
}
```
------
1. Di halaman **Tambahkan izin**, tambahkan kebijakan yang Anda buat, lalu pilih **Berikutnya**.
1. Pada halaman **Ulasan**, masukkan nama untuk peran seperti `EMRServerlessAppRuntimeRoleA` dan deskripsi opsional.
1. Tinjau detail peran dan pilih **Buat peran**.
Dengan peran ini, Anda dan rekan tim Anda dapat terhubung ke aplikasi yang sama, masing-masing menggunakan peran runtime yang dicakup dengan izin yang sesuai dengan tingkat akses individual Anda ke data.
**catatan**
Sesi Spark beroperasi secara berbeda. Sesi percikan diisolasi berdasarkan peran eksekusi yang digunakan dari Studio, sehingga pengguna dengan peran eksekusi yang berbeda akan memiliki sesi Spark yang terpisah dan terisolasi. Selain itu, jika Anda telah mengaktifkan identitas sumber untuk domain Anda, ada isolasi lebih lanjut dari sesi Spark di berbagai identitas sumber.
1. **Langkah 3**: Ambil ARN dari peran eksekusi AI SageMaker yang digunakan oleh ruang pribadi Anda.
Untuk informasi tentang spasi dan peran eksekusi di SageMaker AI, lihat[Memahami izin ruang domain dan peran eksekusi](execution-roles-and-spaces.md).
Untuk informasi lebih lanjut tentang cara mengambil ARN SageMaker peran eksekusi AI, lihat. [Dapatkan peran eksekusi Anda](sagemaker-roles.md#sagemaker-roles-get-execution-role)
**catatan**
Atau, pengguna yang baru mengenal SageMaker AI dapat menyederhanakan proses penyiapan mereka dengan secara otomatis membuat peran eksekusi SageMaker AI baru dengan izin yang sesuai. Dalam hal ini, lewati langkah 3 dan 4. Sebagai gantinya, pengguna dapat:
Pilih opsi **Siapkan untuk organisasi** saat membuat domain baru dari menu **Domain** di navigasi kiri [konsol SageMaker AI](https://console.aws.amazon.com/sagemaker).
Buat peran eksekusi baru dari menu **Manajer peran** konsol, lalu lampirkan peran tersebut ke domain atau profil pengguna yang ada.
Saat membuat peran, pilih opsi **Run Studio EMR Serverless Applications** di **aktivitas ML apa yang** akan dilakukan pengguna? Kemudian, berikan nama bucket Amazon S3 Anda dan peran eksekusi runtime pekerjaan yang Anda inginkan untuk digunakan aplikasi EMR Tanpa Server (langkah 2).
Manajer SageMaker Peran secara otomatis menambahkan izin yang diperlukan untuk menjalankan dan menghubungkan ke aplikasi EMR Tanpa Server ke peran eksekusi baru.Menggunakan SageMaker Manajer [Peran, Anda hanya dapat menetapkan satu peran]() runtime ke aplikasi EMR Tanpa Server, dan aplikasi harus berjalan di akun yang sama tempat Studio digunakan, menggunakan peran runtime yang dibuat dalam akun yang sama.
1. **Langkah 4**: Lampirkan izin berikut ke peran eksekusi SageMaker AI yang mengakses aplikasi EMR Tanpa Server Anda.
1. Buka konsol IAM di [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/).
1. Pilih **Peran** dan kemudian cari peran eksekusi berdasarkan nama di kolom **Pencarian**. Nama peran adalah bagian terakhir dari ARN, setelah garis miring terakhir (/).
1. Ikuti tautan ke peran Anda.
1. Pilih **Tambahkan izin**, lalu **Buat kebijakan sebaris**.
1. Di tab **JSON**, tambahkan izin Amazon EMR Tanpa Server yang memungkinkan akses dan operasi EMR Tanpa Server. Untuk detail tentang dokumen kebijakan, lihat kebijakan *EMR Tanpa Server* di. [Kebijakan referensi](#studio-set-up-emr-serverless-permissions-reference) Ganti*region*,*accountID*, dan yang diteruskan *EMRServerlessAppRuntimeRole* dengan nilai aktualnya sebelum menyalin daftar pernyataan ke kebijakan inline peran Anda.
**catatan**
Anda dapat memasukkan string ARN sebanyak peran runtime yang diperlukan dalam izin, memisahkannya dengan koma.
1. Pilih **Berikutnya** dan kemudian berikan **nama Kebijakan**.
1. Pilih **Buat kebijakan**.
1. Ulangi langkah **Buat kebijakan sebaris** untuk menambahkan kebijakan sebaris lain yang memberikan izin peran untuk memperbarui domain, profil pengguna, dan spasi. Untuk detail tentang dokumen `SageMakerUpdateResourcesPolicy` kebijakan, lihat *Kebijakan tindakan pembaruan domain, profil pengguna, dan spasi* di[Kebijakan referensi](#studio-set-up-emr-serverless-permissions-reference). Ganti *region* dan *accountID* dengan nilai aktualnya sebelum menyalin daftar pernyataan ke kebijakan inline peran Anda.
1. **Langkah 5**:
Kaitkan daftar peran runtime dengan profil pengguna atau domain Anda sehingga Anda dapat menelusuri daftar peran secara visual dan memilih salah satu yang akan digunakan saat [menghubungkan ke aplikasi EMR Tanpa Server](connect-emr-serverless-application.md) dari. JupyterLab Anda dapat menggunakan konsol SageMaker AI atau skrip berikut. Selanjutnya, semua pekerjaan Apache Spark atau Apache Hive yang dibuat dari buku catatan Anda hanya akan mengakses data dan sumber daya yang diizinkan oleh kebijakan yang dilampirkan pada peran runtime yang dipilih.
**penting**
Kegagalan untuk menyelesaikan langkah ini akan mencegah Anda menghubungkan JupyterLab notebook ke aplikasi EMR Tanpa Server.
------
#### [ SageMaker AI console ]
Untuk mengaitkan peran runtime Anda dengan profil pengguna atau domain Anda menggunakan konsol SageMaker AI:
1. Arahkan ke konsol SageMaker AI di [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/).
1. Di panel navigasi kiri, pilih **domain**, lalu pilih domain menggunakan peran eksekusi SageMaker AI yang izinnya Anda perbarui.
1.
+ Untuk menambahkan peran runtime ke domain Anda: Di tab **Konfigurasi Aplikasi** pada halaman **Detail Domain**, navigasikan ke bagian tersebut **JupyterLab**.
+ Untuk menambahkan peran runtime ke profil pengguna: Pada halaman **Detail domain**, pilih tab **Profil pengguna, pilih profil** pengguna menggunakan peran eksekusi SageMaker AI yang izinnya Anda perbarui. Di tab **Konfigurasi Aplikasi**, arahkan ke **JupyterLab**bagian tersebut.
1. Pilih **Edit** dan tambahkan peran ARNs eksekusi runtime EMR Tanpa Server Anda.
1. Pilih **Kirim**.
Saat Anda selanjutnya terhubung ke aplikasi EMR Tanpa Server melalui JupyterLab, peran runtime akan muncul di menu tarik-turun untuk dipilih.
------
#### [ Python script ]
Dalam JupyterLab aplikasi yang dimulai dari ruang pribadi menggunakan peran eksekusi SageMaker AI yang izinnya Anda perbarui, jalankan perintah berikut di terminal. Ganti`domainID`,`user-profile-name`,`studio-accountID`, dan `EMRServerlessRuntimeExecutionRole` (s) dengan nilai yang tepat. Cuplikan kode ini memperbarui pengaturan profil pengguna untuk profil pengguna tertentu (`client.update_user_profile`) atau pengaturan domain (`client.update_domain`), yang secara khusus mengaitkan peran eksekusi runtime EMR Tanpa Server yang Anda buat sebelumnya.
```
import botocore.session
import json
sess = botocore.session.get_session()
client = sess.create_client('sagemaker')
client.update_user_profile(
DomainId="domainID",
UserProfileName="user-profile-name",
DefaultUserSettings={
'JupyterLabAppSettings': {
'EmrSettings': {
'ExecutionRoleArns': ["arn:aws:iam::studio-accountID:role/EMRServerlessRuntimeExecutionRoleA",
"arn:aws:iam::studio-accountID:role/EMRServerlessRuntimeExecutionRoleAA"]
}
}
})
resp = client.describe_domain(DomainId="domainID")
resp['CreationTime'] = str(resp['CreationTime'])
resp['LastModifiedTime'] = str(resp['LastModifiedTime'])
print(json.dumps(resp, indent=2))
```
------
## Lintas akun
Diagram berikut menggambarkan peran dan izin yang diperlukan untuk mendaftar dan terhubung ke aplikasi EMR Tanpa Server dari Studio saat Studio dan aplikasi digunakan di akun yang berbeda. AWS
![\[Diagram menunjukkan peran dan izin yang diperlukan untuk membuat daftar dan menghubungkan aplikasi EMR Tanpa Server dari Studio saat Studio dan aplikasi berada di akun yang berbeda. AWS\]](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/images/studio/emr/studio-notebooks-emr-serverless-permissions-setup-crossaccount.png)
Untuk informasi selengkapnya tentang membuat peran di AWS akun, lihat [https://docs.aws.amazon.com/IAM/latest/UserGuide/id_roles_create_for-user.html](https://docs.aws.amazon.com/IAM/latest/UserGuide/id_roles_create_for-user.html) Membuat peran IAM (konsol).
Sebelum memulai:
+ Ambil ARN dari peran eksekusi AI SageMaker yang digunakan oleh ruang pribadi Anda. Untuk informasi tentang spasi dan peran eksekusi di SageMaker AI, lihat[Memahami izin ruang domain dan peran eksekusi](execution-roles-and-spaces.md). Untuk informasi lebih lanjut tentang cara mengambil ARN SageMaker peran eksekusi AI, lihat. [Dapatkan peran eksekusi Anda](sagemaker-roles.md#sagemaker-roles-get-execution-role)
+ [Ambil ARN bucket Amazon S3 yang akan Anda gunakan untuk sumber data dan penyimpanan data keluaran di konsol Amazon S3.](https://console.aws.amazon.com/S3)
Untuk informasi tentang cara membuat bucket Amazon S3, lihat [Membuat](https://docs.aws.amazon.com/AmazonS3/latest/userguide/create-bucket-overview.html) bucket. Untuk mempelajari cara menemukan bucket berdasarkan nama, lihat [Mengakses dan mencantumkan bucket Amazon S3](https://docs.aws.amazon.com/AmazonS3/latest/userguide/access-bucket-intro.html).
Jika aplikasi EMR Tanpa Server dan Studio digunakan di AWS akun terpisah, Anda mengonfigurasi izin di kedua akun.
### Di akun EMR Tanpa Server
*Ikuti langkah-langkah ini untuk membuat peran dan kebijakan yang diperlukan pada akun tempat aplikasi EMR Tanpa Server Anda berjalan, juga disebut sebagai akun kepercayaan:*
1. **Langkah 1**: Buat setidaknya satu peran eksekusi runtime pekerjaan untuk aplikasi EMR Tanpa Server Anda di akun Anda (Dalam diagram *Cross account `EMRServerlessRuntimeExecutionRoleB` di atas*). Pilih **Kebijakan kepercayaan khusus** sebagai entitas tepercaya. Tambahkan izin yang diperlukan oleh pekerjaan Anda. Minimal, Anda memerlukan akses penuh ke bucket Amazon S3, serta membuat serta membaca akses ke Katalog AWS Glue Data.
Untuk petunjuk terperinci tentang cara membuat peran eksekusi runtime baru untuk aplikasi EMR Tanpa Server Anda, ikuti langkah-langkah berikut:
1. Arahkan ke [konsol IAM](https://console.aws.amazon.com/iam).
1. Di panel navigasi kiri, pilih **Kebijakan**, lalu **Buat kebijakan**.
1. Tambahkan izin yang diperlukan oleh peran runtime Anda, beri nama kebijakan, lalu pilih **Buat** kebijakan.
Untuk contoh kebijakan runtime [peran runtime EMR Tanpa Server, lihat Peran runtime Job](https://docs.aws.amazon.com/emr/latest/EMR-Serverless-UserGuide/security-iam-runtime-role.html) untuk Amazon EMR Tanpa Server.
1. Di panel navigasi kiri, pilih **Peran** dan kemudian **Buat peran**.
1. Pada halaman **Buat peran**, pilih **Kebijakan kepercayaan khusus** sebagai entitas tepercaya.
1. Tempel dokumen JSON berikut di bagian **Kebijakan kepercayaan kustom** dan kemudian pilih **Berikutnya**.
------
#### [ JSON ]
****
```
{
"Version":"2012-10-17",
"Statement": [
{
"Effect": "Allow",
"Principal": {
"Service": "emr-serverless.amazonaws.com"
},
"Action": "sts:AssumeRole"
}
]
}
```
------
1. Di halaman **Tambahkan izin**, tambahkan kebijakan yang Anda buat, lalu pilih **Berikutnya**.
1. Pada halaman **Ulasan**, masukkan nama untuk peran seperti `EMRServerlessAppRuntimeRoleB` dan deskripsi opsional.
1. Tinjau detail peran dan pilih **Buat peran**.
Dengan peran ini, Anda dan rekan tim Anda dapat terhubung ke aplikasi yang sama, masing-masing menggunakan peran runtime yang dicakup dengan izin yang sesuai dengan tingkat akses individual Anda ke data.
**catatan**
Sesi Spark beroperasi secara berbeda.Sesi Spark diisolasi berdasarkan peran eksekusi yang digunakan dari Studio, sehingga pengguna dengan peran eksekusi yang berbeda akan memiliki sesi Spark yang terpisah dan terisolasi. Selain itu, jika Anda telah mengaktifkan identitas sumber untuk domain Anda, ada isolasi lebih lanjut dari sesi Spark di berbagai identitas sumber.
1. **Langkah 2**: Buat peran IAM kustom bernama `AssumableRole` dengan konfigurasi berikut:
+ Izin: Berikan izin yang diperlukan (kebijakan Amazon EMR Tanpa Server) untuk `AssumableRole` memungkinkan mengakses sumber daya EMR Tanpa Server. Peran ini juga dikenal sebagai *peran Akses*.
+ Hubungan kepercayaan: Konfigurasikan kebijakan kepercayaan `AssumableRole` untuk mengizinkan asumsi peran eksekusi (`SageMakerExecutionRole`Dalam diagram lintas akun) dari akun Studio yang memerlukan akses.
Dengan mengasumsikan peran tersebut, Studio dapat memperoleh akses sementara ke izin yang dibutuhkan di akun EMR Tanpa Server.
Untuk petunjuk terperinci tentang cara membuat yang baru `AssumableRole` di AWS akun EMR Tanpa Server Anda, ikuti langkah-langkah berikut:
1. Arahkan ke [konsol IAM](https://console.aws.amazon.com/iam).
1. Di panel navigasi kiri, pilih **Kebijakan**, lalu **Buat kebijakan**.
1. Di tab **JSON**, tambahkan izin Amazon EMR Tanpa Server yang memungkinkan akses dan operasi EMR Tanpa Server. Untuk detail tentang dokumen kebijakan, lihat kebijakan *EMR Tanpa Server* di. [Kebijakan referensi](#studio-set-up-emr-serverless-permissions-reference) Ganti`region`,`accountID`, dan yang diteruskan `EMRServerlessAppRuntimeRole` dengan nilai aktualnya sebelum menyalin daftar pernyataan ke kebijakan inline peran Anda.
**catatan**
`EMRServerlessAppRuntimeRole`Berikut ini adalah peran eksekusi runtime pekerjaan yang dibuat di Langkah 1 (`EMRServerlessAppRuntimeRoleB`Dalam diagram *Cross account* di atas). Anda dapat memasukkan string ARN sebanyak peran runtime yang diperlukan dalam izin, memisahkannya dengan koma.
1. Pilih **Berikutnya** dan kemudian berikan **nama Kebijakan**.
1. Pilih **Buat kebijakan**.
1. Di panel navigasi kiri, pilih **Peran** dan kemudian **Buat peran**.
1. Pada halaman **Buat peran**, pilih **Kebijakan kepercayaan khusus** sebagai entitas tepercaya.
1. Tempel dokumen JSON berikut di bagian **Kebijakan kepercayaan kustom** dan kemudian pilih **Berikutnya**.
Ganti `studio-account` dengan ID akun Studio, dan `AmazonSageMaker-ExecutionRole` dengan peran eksekusi yang digunakan oleh JupyterLab spasi Anda.
------
#### [ JSON ]
****
```
{
"Version":"2012-10-17",
"Statement": [
{
"Effect": "Allow",
"Principal": {
"AWS": "arn:aws:iam::111122223333:role/service-role/AmazonSageMaker-ExecutionRole"
},
"Action": "sts:AssumeRole"
}
]
}
```
------
1. Di halaman **Tambahkan izin**, tambahkan izin yang `EMRServerlessAppRuntimeRoleB` Anda buat di Langkah 2 lalu pilih **Berikutnya**.
1. Pada halaman **Ulasan**, masukkan nama untuk peran seperti `AssumableRole` dan deskripsi opsional.
1. Tinjau detail peran dan pilih **Buat peran**.
Untuk informasi selengkapnya tentang membuat peran di AWS akun, lihat [Membuat peran IAM (konsol)](https://docs.aws.amazon.com/IAM/latest/UserGuide/id_roles_create_for-user.html).
### Di akun Studio
Pada akun tempat Studio digunakan, juga disebut sebagai *akun tepercaya*, perbarui peran eksekusi SageMaker AI yang mengakses aplikasi EMR Tanpa Server Anda dengan izin yang diperlukan untuk mengakses sumber daya di akun tepercaya.
1. **Langkah 1**: Ambil ARN dari peran eksekusi AI SageMaker yang digunakan oleh ruang Anda.
Untuk informasi tentang spasi dan peran eksekusi di SageMaker AI, lihat[Memahami izin ruang domain dan peran eksekusi](execution-roles-and-spaces.md).
Untuk informasi lebih lanjut tentang cara mengambil ARN SageMaker peran eksekusi AI, lihat. [Dapatkan peran eksekusi Anda](sagemaker-roles.md#sagemaker-roles-get-execution-role)
1. **Langkah 2**: Lampirkan izin berikut ke peran eksekusi SageMaker AI yang mengakses aplikasi EMR Tanpa Server Anda.
1. Buka konsol IAM di [https://console.aws.amazon.com/iam/](https://console.aws.amazon.com/iam/).
1. Pilih **Peran** dan kemudian cari peran eksekusi berdasarkan nama di kolom **Pencarian**. Nama peran adalah bagian terakhir dari ARN, setelah garis miring terakhir (/).
1. Ikuti tautan ke peran Anda.
1. Pilih **Tambahkan izin**, lalu **Buat kebijakan sebaris**.
1. Di tab **JSON**, tambahkan kebijakan sebaris yang memberikan izin peran untuk memperbarui domain, profil pengguna, dan spasi. Untuk detail tentang dokumen `SageMakerUpdateResourcesPolicy` kebijakan, lihat *Kebijakan tindakan pembaruan domain, profil pengguna, dan spasi* di[Kebijakan referensi](#studio-set-up-emr-serverless-permissions-reference). Ganti `region` dan `accountID` dengan nilai aktualnya sebelum menyalin daftar pernyataan ke kebijakan inline peran Anda.
1. Pilih **Berikutnya** dan kemudian berikan **nama Kebijakan**.
1. Pilih **Buat kebijakan**.
1. Ulangi langkah **Buat kebijakan sebaris** untuk menambahkan kebijakan lain yang memberikan peran eksekusi izin untuk mengambil alih `AssumableRole` dan kemudian melakukan tindakan yang diizinkan oleh kebijakan akses peran.
Ganti `emr-account` dengan ID akun Amazon EMR Tanpa Server, dan `AssumableRole` dengan nama peran yang dapat diasumsikan dibuat di akun Amazon EMR Tanpa Server.
------
#### [ JSON ]
****
```
{
"Version":"2012-10-17",
"Statement": {
"Sid": "AllowSTSToAssumeAssumableRole",
"Effect": "Allow",
"Action": "sts:AssumeRole",
"Resource": "arn:aws:iam::111122223333:role/AssumableRole"
}
}
```
------
1. **Langkah 3:**
Kaitkan daftar peran runtime dengan domain atau profil pengguna Anda sehingga Anda dapat menelusuri daftar peran secara visual dan memilih salah satu yang akan digunakan saat [menghubungkan ke aplikasi EMR Tanpa Server](connect-emr-serverless-application.md) dari. JupyterLab Anda dapat menggunakan konsol SageMaker AI atau skrip berikut. Selanjutnya, semua pekerjaan Apache Spark atau Apache Hive yang dibuat dari buku catatan Anda hanya akan mengakses data dan sumber daya yang diizinkan oleh kebijakan yang dilampirkan pada peran runtime yang dipilih.
**penting**
Kegagalan untuk menyelesaikan langkah ini akan mencegah Anda menghubungkan JupyterLab notebook ke aplikasi EMR Tanpa Server.
------
#### [ SageMaker AI console ]
Untuk mengaitkan peran runtime Anda dengan profil pengguna atau domain Anda menggunakan konsol SageMaker AI:
1. Arahkan ke konsol SageMaker AI di [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/).
1. Di panel navigasi kiri, pilih **domain**, lalu pilih domain menggunakan peran eksekusi SageMaker AI yang izinnya Anda perbarui.
1.
+ Untuk menambahkan peran runtime ke domain Anda: Di tab **Konfigurasi Aplikasi** pada halaman **Detail Domain**, navigasikan ke bagian tersebut **JupyterLab**.
+ Untuk menambahkan peran runtime ke profil pengguna: Pada halaman **Detail domain**, pilih tab **Profil pengguna, pilih profil** pengguna menggunakan peran eksekusi SageMaker AI yang izinnya Anda perbarui. Di tab **Konfigurasi Aplikasi**, arahkan ke **JupyterLab**bagian tersebut.
1. Pilih **Edit** dan tambahkan peran ARNs yang dapat diasumsikan dan peran eksekusi runtime EMR Tanpa Server.
1. Pilih **Kirim**.
Saat Anda selanjutnya terhubung ke aplikasi EMR Tanpa Server melalui JupyterLab, peran runtime akan muncul di menu tarik-turun untuk dipilih.
------
#### [ Python script ]
Dalam JupyterLab aplikasi yang dimulai dari ruang pribadi menggunakan peran eksekusi SageMaker AI yang izinnya Anda perbarui, jalankan perintah berikut di terminal. Ganti`domainID`,`user-profile-name`,`studio-accountID`, dan `EMRServerlessRuntimeExecutionRole` dengan nilai-nilai yang tepat. Cuplikan kode ini memperbarui pengaturan profil pengguna untuk profil pengguna tertentu (`client.update_user_profile`) atau pengaturan domain (`client.update_domain`) dalam domain SageMaker AI. Secara khusus, ini menetapkan peran eksekusi runtime untuk Amazon EMR Serverless, yang telah Anda buat sebelumnya. Ini juga memungkinkan JupyterLab aplikasi untuk mengambil peran IAM tertentu (`AssumableRole`) untuk menjalankan aplikasi EMR Tanpa Server dalam akun EMR Amazon.
```
import botocore.session
import json
sess = botocore.session.get_session()
client = sess.create_client('sagemaker')
client.update_user_profile(
DomainId="domainID",
UserProfileName="user-profile-name",
DefaultUserSettings={
'JupyterLabAppSettings': {
'EmrSettings': {
'AssumableRoleArns': ["arn:aws:iam::emr-accountID:role/AssumableRole"],
'ExecutionRoleArns': ["arn:aws:iam::emr-accountID:role/EMRServerlessRuntimeExecutionRoleA",
"arn:aws:iam::emr-accountID:role/AnotherRuntimeExecutionRole"]
}
}
})
resp = client.describe_user_profile(DomainId="domainID", UserProfileName=user-profile-name")
resp['CreationTime'] = str(resp['CreationTime'])
resp['LastModifiedTime'] = str(resp['LastModifiedTime'])
print(json.dumps(resp, indent=2))
```
------
## Kebijakan referensi
+ Kebijakan **EMR Tanpa Server: Kebijakan** ini memungkinkan pengelolaan aplikasi EMR Tanpa Server, termasuk membuat daftar, membuat (dengan tag SageMaker AI yang diperlukan), memulai, menghentikan, mendapatkan detail, menghapus, mengakses titik akhir Livy, dan mendapatkan dasbor yang dijalankan pekerjaan. Ini juga memungkinkan meneruskan peran runtime aplikasi EMR Tanpa Server yang diperlukan ke layanan.
+ `EMRServerlessListApplications`: Memungkinkan ListApplications tindakan pada semua sumber daya EMR Tanpa Server di wilayah dan akun yang ditentukan. AWS
+ `EMRServerlessPassRole`: Memungkinkan meneruskan peran runtime yang ditentukan di AWS akun yang disediakan, tetapi hanya ketika peran diteruskan ke`emr-serverless.amazonaws.com service`.
+ `EMRServerlessCreateApplicationAction`: Memungkinkan CreateApplication dan TagResource tindakan pada sumber daya EMR Tanpa Server di wilayah dan akun yang ditentukan. AWS Namun, ini mengharuskan sumber daya yang dibuat atau diberi tag memiliki kunci tag tertentu (`sagemaker:domain-arn`,`sagemaker:user-profile-arn`, dan`sagemaker:space-arn`) yang hadir dengan nilai non-null.
+ `EMRServerlessDenyTaggingAction`: UntagResource Tindakan TagResource dan pada sumber daya EMR Tanpa Server di wilayah dan AWS akun tertentu jika sumber daya tidak memiliki kunci tag yang ditentukan (`sagemaker:domain-arn`,`sagemaker:user-profile-arn`, dan) yang ditetapkan. `sagemaker:space-arn`
+ `EMRServerlessActions`: Mengizinkan berbagai tindakan (`StartApplication`,`StopApplication`,`GetApplication`,, `DeleteApplication``AccessLivyEndpoints`, dan`GetDashboardForJobRun`) pada sumber daya EMR Tanpa Server, tetapi hanya jika sumber daya memiliki kunci tag yang ditentukan (`sagemaker:domain-arn`,`sagemaker:user-profile-arn`, dan`sagemaker:space-arn`) disetel dengan nilai non-null.
Kebijakan IAM yang didefinisikan dalam dokumen JSON yang disediakan memberikan izin tersebut, tetapi membatasi akses ke keberadaan tag SageMaker AI tertentu pada aplikasi EMR Tanpa Server untuk memastikan bahwa hanya sumber daya Amazon EMR Tanpa Server yang terkait dengan domain AI SageMaker tertentu, profil pengguna, dan ruang yang dapat dikelola.
------
#### [ JSON ]
****
```
{
"Version":"2012-10-17",
"Statement": [
{
"Sid": "EMRServerlessListApplications",
"Effect": "Allow",
"Action": [
"emr-serverless:ListApplications"
],
"Resource": "arn:aws:emr-serverless:us-east-1:111122223333:/*"
},
{
"Sid": "EMRServerlessPassRole",
"Effect": "Allow",
"Action": "iam:PassRole",
"Resource": "arn:aws:iam::111122223333:role/EMRServerlessAppRuntimeRole",
"Condition": {
"StringLike": {
"iam:PassedToService": "emr-serverless.amazonaws.com"
}
}
},
{
"Sid": "EMRServerlessCreateApplicationAction",
"Effect": "Allow",
"Action": [
"emr-serverless:CreateApplication",
"emr-serverless:TagResource"
],
"Resource": "arn:aws:emr-serverless:us-east-1:111122223333:/*",
"Condition": {
"ForAllValues:StringEquals": {
"aws:TagKeys": [
"sagemaker:domain-arn",
"sagemaker:user-profile-arn",
"sagemaker:space-arn"
]
},
"Null": {
"aws:RequestTag/sagemaker:domain-arn": "false",
"aws:RequestTag/sagemaker:user-profile-arn": "false",
"aws:RequestTag/sagemaker:space-arn": "false"
}
}
},
{
"Sid": "EMRServerlessDenyTaggingAction",
"Effect": "Deny",
"Action": [
"emr-serverless:TagResource",
"emr-serverless:UntagResource"
],
"Resource": "arn:aws:emr-serverless:us-east-1:111122223333:/*",
"Condition": {
"Null": {
"aws:ResourceTag/sagemaker:domain-arn": "true",
"aws:ResourceTag/sagemaker:user-profile-arn": "true",
"aws:ResourceTag/sagemaker:space-arn": "true"
}
}
},
{
"Sid": "EMRServerlessActions",
"Effect": "Allow",
"Action": [
"emr-serverless:StartApplication",
"emr-serverless:StopApplication",
"emr-serverless:GetApplication",
"emr-serverless:DeleteApplication",
"emr-serverless:AccessLivyEndpoints",
"emr-serverless:GetDashboardForJobRun"
],
"Resource": "arn:aws:emr-serverless:us-east-1:111122223333:/applications/*",
"Condition": {
"Null": {
"aws:ResourceTag/sagemaker:domain-arn": "false",
"aws:ResourceTag/sagemaker:user-profile-arn": "false",
"aws:ResourceTag/sagemaker:space-arn": "false"
}
}
}
]
}
```
------
+ **Kebijakan tindakan pembaruan domain, profil pengguna, dan ruang: Kebijakan** berikut memberikan izin untuk memperbarui domain SageMaker AI, profil pengguna, dan spasi dalam wilayah dan akun yang ditentukan. AWS
------
#### [ JSON ]
****
```
{
"Version":"2012-10-17",
"Statement": [
{
"Sid": "SageMakerUpdateResourcesPolicy",
"Effect": "Allow",
"Action": [
"sagemaker:UpdateDomain",
"sagemaker:UpdateUserprofile",
"sagemaker:UpdateSpace"
],
"Resource": [
"arn:aws:sagemaker:us-east-1:111122223333:domain/*",
"arn:aws:sagemaker:us-east-1:111122223333:user-profile/*"
]
}
]
}
```
------
# Buat aplikasi EMR Tanpa Server dari Studio
Ilmuwan data dan insinyur data dapat membuat aplikasi EMR Tanpa Server langsung dari antarmuka pengguna Studio. Sebelum memulai, pastikan bahwa Anda telah mengonfigurasi izin yang diperlukan seperti yang dijelaskan di [Siapkan izin untuk mengaktifkan daftar dan meluncurkan aplikasi Amazon EMR dari Studio SageMaker](studio-emr-serverless-permissions.md) bagian. Izin ini memberi Studio kemampuan untuk membuat, memulai, melihat, mengakses, dan menghentikan aplikasi.
Untuk membuat aplikasi EMR Tanpa Server dari Studio:
1. Di UI Studio, arahkan ke panel sisi kiri dan pilih simpul **Data** di menu navigasi kiri. Kemudian, gulir dan pilih **aplikasi Amazon EMR dan opsi cluster**. Ini membuka halaman yang menampilkan aplikasi EMR Amazon yang dapat Anda akses dari dalam lingkungan Studio, di bawah tab Aplikasi Tanpa **Server**.
1. Pilih tombol **Create serverless application** di pojok kanan atas. **Ini membuka halaman **Buat aplikasi** menyerupai tampilan yang akan Anda lihat di konsol [EMR Tanpa Server](https://console.aws.amazon.com/emrserverless) ketika memilih **untuk Menggunakan pengaturan khusus** dalam opsi pengaturan aplikasi.**
1. Berikan detail yang diperlukan untuk aplikasi Anda, termasuk nama dan parameter tertentu yang dapat dikonfigurasi yang ingin Anda tetapkan, lalu pilih **Buat aplikasi**.
![\[Bentuk pembuatan aplikasi EMR Tanpa Server dari Studio.\]](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/images/studio/emr/studio-notebooks-emr-serverless-create-app.png)
Semua pengaturan konfigurasi memiliki nilai default dan opsional untuk memodifikasi. Untuk informasi rinci tentang setiap parameter yang tersedia, lihat [Mengonfigurasi aplikasi](https://docs.aws.amazon.com/emr/latest/EMR-Serverless-UserGuide/application-capacity.html) dalam panduan pengguna EMR Tanpa Server.
**catatan**
Selama proses pembuatan aplikasi di UI Studio, Anda memiliki opsi untuk **Buat aplikasi** atau **Buat dan mulai aplikasi**. Berdasarkan pilihan Anda, aplikasi akan masuk ke `Starting` negara bagian `Creating` atau masing-masing.
Jika Anda memilih untuk membuat aplikasi tanpa segera memulainya, pastikan opsi **Mulai aplikasi secara otomatis pada pengiriman pekerjaan** tetap dipilih. Ini akan memastikan bahwa aplikasi secara otomatis bertransisi ke `Starting` status ketika Anda nanti mengirimkan pekerjaan untuk menjalankannya.
**Untuk pengaturan yang paling sederhana, sebaiknya biarkan opsi **Virtual private cloud (VPC)** disetel ke nilai defaultnya dari **Tidak ada konektivitas jaringan ke sumber daya di VPC Anda di** bawah bagian Koneksi jaringan.** Ini memungkinkan aplikasi dibuat dalam VPC domain Anda tanpa memerlukan konfigurasi jaringan tambahan.
Dalam kasus lain, pastikan Anda melakukan langkah-langkah berikut:
Rekan Anda VPCs.
Tambahkan rute ke tabel rute subnet pribadi Anda.
Konfigurasikan grup keamanan Anda seperti yang dijelaskan dalam[Konfigurasikan akses jaringan untuk kluster EMR Amazon Anda](studio-notebooks-emr-networking.md).
Ini memastikan pengaturan jaringan yang tepat untuk aplikasi Anda, di luar opsi default **Tidak ada konektivitas jaringan**.
Untuk aplikasi yang dibuat dari UI Studio Classic, konfigurasi berikut diterapkan secara otomatis:
Endpoint Apache Livy yang diaktifkan.
Aplikasi ini ditandai dengan yang berikut:
pembuat sagemaker: user-profile-arn
pembuat sagemaker:domain-arn
pembuat sagemaker:ruang-arn
Jika Anda membuat aplikasi di luar Studio, pastikan Anda mengaktifkan titik akhir Apache Livy secara manual dan menerapkan set tag yang sama ke aplikasi.
Setelah aplikasi dibuat, UI Studio Classic menampilkan pesan *Aplikasi telah berhasil dibuat* dan aplikasi baru muncul dalam daftar aplikasi **Tanpa Server**.
Untuk terhubung ke aplikasi EMR Tanpa Server Anda, lihat [Connect ke aplikasi EMR Serverless dari Studio](connect-emr-serverless-application.md)
# Connect ke aplikasi EMR Serverless dari Studio
Ilmuwan data dan insinyur data dapat menemukan dan kemudian terhubung ke aplikasi EMR Tanpa Server langsung dari antarmuka pengguna Studio. Sebelum Anda mulai, pastikan bahwa Anda telah membuat aplikasi EMR Tanpa Server dengan mengikuti petunjuk di. [Buat aplikasi EMR Tanpa Server dari Studio](create-emr-serverless-application.md)
Anda dapat menghubungkan aplikasi EMR Tanpa Server ke JupyterLab notebook baru langsung dari UI Studio, atau memilih untuk memulai koneksi di buku catatan aplikasi yang sedang berjalan. JupyterLab
**penting**
Saat menggunakan Studio, Anda hanya dapat menemukan dan terhubung ke aplikasi EMR Tanpa Server untuk JupyterLab aplikasi yang diluncurkan dari ruang pribadi. Pastikan bahwa aplikasi EMR Tanpa Server berada di AWS wilayah yang sama dengan lingkungan Studio Anda. JupyterLab Ruang Anda harus menggunakan versi gambar SageMaker Distribusi `1.10` atau lebih tinggi.
**Untuk menghubungkan aplikasi EMR Tanpa Server ke JupyterLab notebook baru dari UI Studio:**
1. Di UI Studio, arahkan ke panel sisi kiri dan pilih simpul **Data** di menu navigasi kiri. Kemudian, gulir dan pilih **aplikasi Amazon EMR dan opsi cluster**. Ini membuka halaman yang menampilkan aplikasi EMR Amazon yang dapat Anda akses dari dalam lingkungan Studio, di bawah tab Aplikasi Tanpa **Server**.
**catatan**
Jika Anda atau administrator telah mengonfigurasi izin untuk mengizinkan akses lintas akun ke aplikasi EMR Tanpa Server, Anda dapat melihat daftar aplikasi gabungan di semua akun yang telah Anda berikan akses ke Studio.
1. **Pilih aplikasi EMR Tanpa Server yang ingin Anda sambungkan ke notebook baru, lalu pilih Lampirkan ke notebook.** Ini membuka jendela modal yang menampilkan daftar JupyterLab spasi Anda.
1.
+ Pilih ruang pribadi tempat Anda ingin meluncurkan JupyterLab aplikasi, lalu pilih **Buka notebook**. Ini meluncurkan JupyterLab aplikasi dari ruang yang Anda pilih dan membuka notebook baru.
+ Atau, Anda dapat membuat ruang pribadi baru dengan memilih tombol **Buat ruang baru** di bagian atas jendela modal. Masukkan nama untuk ruang Anda dan kemudian pilih **Buat ruang dan buka buku catatan**. Ini menciptakan ruang pribadi dengan jenis instans default dan gambar SageMaker distribusi terbaru yang tersedia, meluncurkan JupyterLab aplikasi, dan membuka buku catatan baru.
1. Pilih nama peran eksekusi runtime IAM yang dapat diasumsikan oleh aplikasi EMR Tanpa Server Anda untuk menjalankan pekerjaan. Setelah dipilih, perintah koneksi mengisi sel pertama notebook Anda dan memulai koneksi dengan aplikasi EMR Tanpa Server.
**penting**
Agar berhasil menghubungkan JupyterLab notebook ke aplikasi EMR Tanpa Server, Anda harus terlebih dahulu mengaitkan daftar peran runtime dengan domain atau profil pengguna Anda, seperti yang diuraikan dalam. [Siapkan izin untuk mengaktifkan daftar dan meluncurkan aplikasi Amazon EMR dari Studio SageMaker](studio-emr-serverless-permissions.md) Gagal menyelesaikan langkah ini akan mencegah Anda membuat koneksi.
Setelah koneksi berhasil, pesan mengonfirmasi koneksi, memulai aplikasi EMR Tanpa Server Anda, dan memulai sesi Spark Anda.
**catatan**
Saat Anda terhubung ke aplikasi EMR Tanpa Server, statusnya bertransisi dari salah satu atau ke. `Stopped` `Created` `Started`
**Atau, Anda dapat terhubung ke cluster dari JupyterLab notebook.**
1. Pilih tombol **Cluster** di kanan atas notebook Anda. Ini membuka jendela modal yang mencantumkan aplikasi EMR Tanpa Server yang dapat Anda akses. Anda dapat melihat aplikasi di tab **Aplikasi Tanpa Server**.
1. Pilih aplikasi yang ingin Anda sambungkan, lalu pilih **Connect**.
1. EMR Tanpa Server mendukung peran IAM runtime yang dimuat sebelumnya saat menyetel izin yang diperlukan seperti yang diuraikan dalam. [Siapkan izin untuk mengaktifkan daftar dan meluncurkan aplikasi Amazon EMR dari Studio SageMaker](studio-emr-serverless-permissions.md) Gagal menyelesaikan langkah ini akan mencegah Anda membuat koneksi.
Anda dapat memilih peran Anda dari menu drop-down **peran eksekusi EMR Amazon**. Saat Anda terhubung ke EMR Tanpa Server, Studio menambahkan blok kode ke sel aktif buku catatan Anda untuk membuat koneksi.
1. Sel aktif mengisi dan berjalan. Sel ini berisi perintah ajaib koneksi untuk menghubungkan notebook Anda ke aplikasi Anda.
Setelah koneksi berhasil, sebuah pesan mengkonfirmasi koneksi dan dimulainya aplikasi Spark. Anda dapat mulai mengirimkan pekerjaan pemrosesan data Anda ke aplikasi EMR Tanpa Server Anda.
# Menghentikan atau menghapus aplikasi EMR Tanpa Server dari UI Studio
Anda dapat menghentikan (transisi ke `Stopped` status) atau menghapus (transisi ke `Deleted` status) aplikasi EMR Tanpa Server dari daftar aplikasi di UI Studio.
**Untuk menghentikan atau menghapus aplikasi, navigasikan ke daftar aplikasi EMR Tanpa Server yang tersedia.**
1. Di UI Studio, arahkan ke panel sisi kiri dan pilih simpul **Data** di menu navigasi kiri. Kemudian, gulir dan pilih **aplikasi Amazon EMR dan opsi cluster**. Ini membuka halaman yang menampilkan aplikasi EMR Amazon yang dapat Anda akses dari dalam lingkungan Studio, di bawah tab Aplikasi Tanpa **Server**.
1. Pilih nama aplikasi yang ingin Anda hentikan atau hapus, lalu pilih tombol **Stop** atau **Delete** yang sesuai.
1. Pesan konfirmasi memberi tahu Anda bahwa pekerjaan yang tertunda akan hilang secara permanen.