翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

# EMR オブザーバビリティベストプラクティス
<a name="emr-metrics-observability"></a>

EMR オブザーバビリティには、 AWS EMR クラスターの包括的なモニタリングおよび管理アプローチが含まれます。基盤は、EMR Studio と Prometheus や Grafana などのサードパーティーツールによって補完されたプライマリモニタリングサービスとして Amazon CloudWatch に依存しています。このドキュメントでは、クラスターオブザーバビリティの特定の側面について説明します:

1. *[Spark オブザーバビリティ](https://github.com/aws/aws-emr-best-practices/blob/main/website/docs/bestpractices/Applications/Spark/observability.md)* (GitHub) – Spark ユーザーインターフェイスについては、Amazon EMR に 3 つのオプションがあります。

1. *[Spark トラブルシューティング](https://github.com/aws/aws-emr-best-practices/blob/main/website/docs/bestpractices/Applications/Spark/troubleshooting.md)* (GitHub) — エラーの解決策。

1. *[EMR クラスターモニタリング](https://aws.github.io/aws-emr-best-practices/docs/bestpractices/Observability/best_practices/)* (GitHub) – クラスターパフォーマンスのモニタリング。

1. *[EMR のトラブルシューティング](https://github.com/aws/aws-emr-best-practices/blob/main/website/docs/bestpractices/Troubleshooting/Troubleshooting%20EMR.md)* (GitHub) — 一般的な EMR クラスターの問題を特定、診断、解決します。

1. *[コスト最適化](https://github.com/aws/aws-emr-best-practices/blob/main/website/docs/bestpractices/Cost%20Optimizations/best_practices.md)* (GitHub) – このセクションでは、費用対効果の高いワークロードを実行するためのベストプラクティスの概要を説明します。

## Apache Spark アプリケーションのパフォーマンス最適化ツール
<a name="performance-optimization"></a>

1. [AWS EMR Advisor](https://github.com/aws-samples/aws-emr-advisor) ツールは Spark イベントログを分析し、EMR クラスター設定の最適化、パフォーマンスの向上、コスト削減のためのカスタマイズされた推奨事項を提供します。履歴データを活用することで、理想的なエグゼキュターサイズとインフラストラクチャ設定を提案し、より効率的なリソース使用率を実現し、クラスター全体のパフォーマンスを向上させます。

1. [Amazon CodeGuru Profiler](https://github.com/amzn/amazon-codeguru-profiler-for-spark) ツールは、ランタイムデータを収集して分析することで、開発者が Spark アプリケーションのパフォーマンスのボトルネックと非効率性を特定するのに役立ちます。このツールは既存の Spark アプリケーションとシームレスに統合され、最小限のセットアップで CPU 使用率、メモリパターン、パフォーマンスホットスポットに関する詳細なインサイトを AWS コンソールを通じて提供します。