I notebook di Amazon SageMaker Unified Studio ora supportano EMR serverless
I notebook di Amazon SageMaker Unified Studio ora supportano Amazon EMR serverless con Apache Spark Connect, offrendo ai data engineer e agli analisti una maggiore flessibilità nella scelta del proprio runtime Spark per carichi di lavoro di analisi interattiva e data engineering. Oltre ad Amazon Athena Spark, gli utenti possono ora sfruttare Amazon EMR serverless come runtime Spark, selezionando il motore ottimale in base alle proprie esigenze.
Con questo lancio, puoi eseguire PySpark e Spark SQL su un'applicazione Spark EMR serverless nelle celle del notebook. Gli utenti possono selezionare il proprio runtime Spark dal pannello laterale del notebook; il runtime selezionato si applica sia alle celle Python che alle celle SQL. Inoltre, gli utenti possono avvalersi di SageMaker Data Agent, l'assistente IA integrato, per generare codice e piani di esecuzione a partire da prompt in linguaggio naturale, accelerando i flussi di lavoro di sviluppo Spark ed EMR serverless. Le organizzazioni possono sfruttare la capacità preinizializzata per migliorare i tempi di avvio delle sessioni, beneficiando al contempo del monitoraggio unificato tramite Spark UI su tutti i motori supportati, per una visibilità coerente sull'esecuzione e sulle prestazioni dei job. Inoltre, EMR serverless offre supporto alla connettività VPC per i carichi di lavoro che richiedono isolamento di rete.
Questa funzionalità è disponibile in tutte le regioni AWS in cui Amazon SageMaker Unified Studio è disponibile, con supporto per i notebook di SageMaker Unified Studio e gli ambienti IDE JupyterLab. Per iniziare, consulta la Guida per l'utente di Amazon SageMaker Unified Studio.