本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
# 搭配AWS Glue互動式工作階段使用 Spark Connect
[Apache Spark Connect](https://spark.apache.org/spark-connect/) 推出解耦的用戶端伺服器架構，將您的應用程式與 Spark 驅動程式程序分開。透過 Spark Connect，AWS Glue互動式工作階段受益於輕量型用戶端，其啟動速度更快、使用較少的本機資源，並提供與 PySpark DataFrame 和 SQL APIs原生相容性。您可以從您偏好的筆記本工具或 IDE 使用AWS Glue互動式工作階段。
5.1 版和更新AWS Glue版本原生支援 Spark Connect。您可以從支援 PySpark `remote()` API 的環境直接連線至AWS Glue互動式工作階段。
## 比較工作階段類型：Livy 和 Spark Connect
AWS Glue 互動式工作階段支援兩種工作階段類型。下表比較 Livy 型工作階段和 Spark Connect 工作階段。
| 功能 | Livy | Spark Connect |
| --- | --- | --- |
| 通訊協定 | REST | gRPC （傳送邏輯執行計畫） \+ Apache Arrow （串流結果） |
| 連線方法 | 陳述式 APIs (`RunStatement`、`CancelStatement`、`GetStatement`、`ListStatements`) | 使用 PySpark `remote()` API 透過端點 URL 直接連線 |
| 用戶端需求 | `aws-glue-sessions` 核心或 AWS SDK 的 套件 | PySpark 搭配 Spark Connect 支援 |
| IDE 支援 | 透過 Jupyter 搭配 SparkMagic 核心 | SageMaker Unified Studio 或 IDEs 上的筆記本，搭配 VS Code、PyCharm 等 Python 解譯器 |
## 何時使用 Spark Connect
當您需要從您的開發環境直接以程式設計方式存取AWS Glue互動式工作階段時，請使用 Spark Connect 工作階段。以下是常見的使用案例：
+ **SageMaker Unified Studio 中的筆記本** – 直接從筆記本環境連線到AWS Glue互動式工作階段，以進行互動式資料探索。
+ **VS Code 或 PyCharm 等 IDEs ** – 使用您偏好的 IDE 中的 PySpark，針對遠端AWS Glue叢集開發和測試 Spark 應用程式。
+ **Python 指令碼和應用程式** – 從使用 PySpark `remote()` API 的 Python 應用程式以程式設計方式存取AWS Glue互動式工作階段。
## 區域可用性
AWS Glue 具有 Spark Connect 的互動式工作階段可在下列 AWS 區域使用：
+ 亞太地區 (孟買)
+ 亞太區域 (首爾)
+ 亞太區域 (新加坡)
+ 亞太地區 (雪梨)
+ 亞太區域 (東京)
+ 加拿大 (中部)
+ 歐洲 (法蘭克福)
+ 歐洲 (愛爾蘭)
+ 歐洲 (倫敦)
+ 歐洲 (巴黎)
+ 歐洲 (斯德哥爾摩)
+ 南美洲 (聖保羅)
+ 美國東部 (俄亥俄)
+ 美國東部 (維吉尼亞北部)
+ 美國西部 (奧勒岡)
## 考量和限制
當您搭配AWS Glue互動式工作階段使用 Spark Connect 時，請考慮下列事項：
+ Spark Connect 適用於執行 5.1 版和更新AWS Glue版本的AWS Glue互動式工作階段。
+ Spark Connect`RunStatement` `CancelStatement`工作階段不支援陳述式 APIs (`GetStatement`、、 和 `ListStatements`)。您可以透過 PySpark 用戶端直接與工作階段互動。
+ 您無法在建立工作階段後變更工作階段類型。若要在 Livy 和 Spark Connect 之間切換，您必須建立新的工作階段。
+ Spark Connect 不支援 AWS Glue Studio。對於使用 的互動式開發 AWS Glue，您可以在 SageMaker Unified Studio 中使用筆記本，或使用您偏好的 IDEs搭配 Python 解譯器。
+ Spark Connect 工作階段不支援透過 Lake Formation 進行精細存取控制。