EMR Studio 是一个集成开发环境 (IDE),使数据科学家和数据工程师能够轻松地开发、可视化和调试用 R、Python、Scala 和 PySpark 编写的数据工程和数据科学应用程序。

EMR Studio 提供完全托管式 Jupyter 笔记本,以及诸如 Spark UI 和 YARN Timeline Service 等工具,可简化调试。数据科学家和分析人员可以安装自定义内核和库,使用代码库(例如 GitHub 和 BitBucket)与同事协作,或者使用 Apache Airflow 或 Amazon Managed Workflows for Apache Airflow 等编排服务,将参数化笔记本作为计划工作流的一部分运行。

EMR Studio 内核和应用程序在 EMR 集群上运行,因此您可以利用性能优化的适用于 Apache Spark 的 Amazon EMR 运行时,获得分布式数据处理带来的优势。管理员可以设置 EMR Studio,以便分析师可以在现有 EMR 集群上运行其应用程序,或使用 EMR 的预定义 AWS CloudFormation 模板创建新集群。

使用 Amazon EMR 引入全新的笔记本优化 IDE 体验 (26:46)

特色和优势

简单易用

EMR Studio 简化了 EMR 集群上的应用程序交互。可以使用 AWS IAM 身份验证从 AWS 管理控制台访问 EMR Studio,也可以通过 AWS IAM Identity Center(AWS SSO 的后继者)从身份提供者(IdP)启用联合访问,而无需登录 AWS 控制台。可以使用笔记本以交互方式探索、处理和可视化数据,构建和计划管道以及调试应用程序,而无需登录 EMR 集群。

完全托管的 Jupyter 笔记本

借助 EMR Studio,您可以在几秒钟内启动笔记本,使用示例笔记本上手并执行数据探索。可以通过内置的实时协作与同行合作,以及通过 Git 存储库跨笔记本版本跟踪更改。还可以通过从笔记本加载自定义内核和 Python 库来自定义环境。

轻松构建应用程序

EMR Studio 可让您轻松地从原型设计转向投入生产。可以从代码存储库触发管道,只需使用 Apache Airflow 或 Amazon Managed Workflows for Apache Airflow 等编排工具将笔记本作为管道运行,或者只需单击一下即可将笔记本连接至更大规模的集群。

简化调试

借助 EMR Studio,您无需登录到集群,即可调试活动和已终止集群的作业与访问日志。可以从 EMR Studio 直接使用原生应用程序接口,例如 Spark UI 和 YARN Timeline Service。EMR Studio 还可让您使用集群状态、创建时间和集群 ID 等筛选条件快速定位要调试的集群或作业。

实时协作笔记本

借助 EMR Studio,数据科学家、工程师和分析师可以跨团队实时协作。可以邀请同事查看和编辑笔记本。此功能支持 Jupyter 笔记本的实时共同创作、代码调试和代码审核。

Amazon EMR Studio - 实时协作

SQL Explorer

EMR Studio 随附 SQL Explorer,这是 Workspace 中的一项功能,可让您直接从 EMR Studio 浏览数据目录并在 EMR 集群上运行 SQL 查询。在 SQL explorer 中,您可以连接到带有 Presto 的 EC2 集群上的 Amazon EMR,以查看和浏览数据目录。SQL Explorer 还为您提供了一个编辑器,用于运行 SQL 查询、在表中查看查询结果以及以 csv 格式下载查询结果。

Amazon EMR Studio - SQL Explorer

多语言笔记本

EMR Studio 可让您在单个 Jupyter 笔记本中使用多种语言。您可以于同一个 Jupyter 笔记本中在 Python、Scala、SparkSQL 和 R 之间进行切换,并通过临时表在单元格之间共享数据。借助此功能,您可以使用最适合工作流程不同组件的语言编写代码。

使用案例

构建数据科学和工程应用程序

借助 EMR Studio,您可以在几秒钟内启动笔记本,使用示例笔记本上手并执行数据探索。可以通过内置的实时协作与同行合作,以及通过 Git 存储库跨笔记本版本跟踪更改。还可以通过从笔记本加载自定义内核和 Python 库来自定义环境。

部署生产管道

在 EMR Studio 中,可以使用代码存储库触发管道。还可以参数化和链接笔记本以构建管道。可以使用 Apache Airflow 或 Amazon Managed Workflows for Apache Airflow 等工作流程编排服务,将笔记本集成到计划的工作流程中。EMR Studio 还允许您将笔记本重新连接至更大规模的集群以运行作业。

简化应用程序调试

在 EMR Studio 中,可以通过笔记本 UI 调试笔记本应用程序。还可以首先使用集群状态等筛选条件缩小集群范围来调试管道,然后通过尽可能少的单击开启打开 Spark UI、Tez UI 和 Yarn Timeline Service 等原生调试 UI,从中诊断活动和已终止集群上的作业。

资源

文档

Amazon EMR Studio 管理指南

了解更多 »

博客

Amazon EMR Studio(预览版):使用 Amazon EMR 引入全新的笔记本优化 IDE 体验
2020 年 12 月 9 日

了解更多 »

博客

使用 Amazon MWAA 编排 Amazon EMR 笔记本上的分析作业
2021 年 1 月 27 日

了解更多 »

Read the documentation
阅读迁移指南

了解如何将大数据从本地迁移到 AWS。

了解更多 
注册免费 AWS 账户
注册免费账户

立即享受 AWS 免费套餐。 

注册 
开始在控制台中使用 EMR 构建
开始在控制台中构建

开始在 AWS 控制台中使用 Amazon EMR 进行构建。

登录