Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
# Guía del usuario
En esta sección, se explica cómo los científicos de datos y los ingenieros de datos pueden inicializar, detectar, finalizar un clúster de Amazon EMR o conectarse a él desde Studio o Studio Classic.
Para que los usuarios puedan enumerar o inicializar clústeres, los administradores deben haber configurado los ajustes necesarios en el entorno de Studio. Para obtener más información sobre cómo los administradores pueden configurar un entorno de Studio para permitir el autoaprovisionamiento y la enumeración de clústeres de Amazon EMR, consulte [Guía de administración](studio-emr-admin-guide.md).
**Topics**
+ [Imágenes y kernels compatibles para conectarse a un clúster de Amazon EMR desde Studio o Studio Classic](#studio-notebooks-emr-cluster-connect-kernels)
+ [Traiga su propia imagen](#studio-notebooks-emr-byoi)
+ [Inicialización de un clúster de Amazon EMR desde Studio o Studio Classic](studio-notebooks-launch-emr-cluster-from-template.md)
+ [Enumeración de clústeres de Amazon EMR desde Studio o Studio Classic](discover-emr-clusters.md)
+ [Conéctese a un clúster de Amazon EMR desde SageMaker Studio o Studio Classic](connect-emr-clusters.md)
+ [Finalización de un clúster de Amazon EMR desde Studio o Studio Classic](terminate-emr-clusters.md)
+ [Acceso a la interfaz de usuario de Spark desde Studio o Studio Classic](studio-notebooks-access-spark-ui.md)
## Imágenes y kernels compatibles para conectarse a un clúster de Amazon EMR desde Studio o Studio Classic
Las siguientes imágenes y núcleos vienen con [sagemaker-studio-analytics-extension](https://pypi.org/project/sagemaker-studio-analytics-extension/)la JupyterLab extensión que se conecta a un clúster remoto de Spark (Amazon EMR) a través de [SparkMagic](https://github.com/jupyter-incubator/sparkmagic)la biblioteca [mediante](https://livy.apache.org/) Apache Livy.
+ **Para los usuarios de Studio:** SageMaker Distribution es un entorno de Docker para la ciencia de datos que se utiliza como imagen predeterminada de las instancias de notebook. JupyterLab Todas las versiones de [SageMaker AI Distribution](https://github.com/aws/sagemaker-distribution) vienen `sagemaker-studio-analytics-extension` preinstaladas.
+ **Para los usuarios de Studio Classic:** las siguientes imágenes vienen preinstaladas con `sagemaker-studio-analytics-extension`:
+ DataScience — Núcleo de Python 3
+ DataScience 2.0 — Núcleo de Python 3
+ DataScience 3.0 — Núcleo de Python 3
+ SparkAnalytics 1.0 — SparkMagic y PySpark núcleos
+ SparkAnalytics 2.0 — SparkMagic y núcleos PySpark
+ SparkMagic — SparkMagic y granos PySpark
+ PyTorch 1.8 — Núcleos de Python 3
+ TensorFlow 2.6 — Núcleo de Python 3
+ TensorFlow 2.11 — Núcleo de Python 3
Para conectarse a los clústeres de Amazon EMR mediante otra imagen integrada o su propia imagen, siga las instrucciones que se indican en [Traiga su propia imagen](#studio-notebooks-emr-byoi).
## Traiga su propia imagen
Para incorporar su propia imagen a Studio o Studio Classic y permitir que sus portátiles se conecten a los clústeres de Amazon EMR, instale la [sagemaker-studio-analytics-extension](https://pypi.org/project/sagemaker-studio-analytics-extension/)siguiente extensión en el núcleo. Admite la conexión de portátiles SageMaker Studio o Studio Classic a clústeres de Spark (Amazon EMR) a través [SparkMagic](https://docs.aws.amazon.com/emr/latest/ManagementGuide/emr-studio-magics.html)de la biblioteca.
```
pip install sparkmagic
pip install sagemaker-studio-sparkmagic-lib
pip install sagemaker-studio-analytics-extension
```
Además, para conectarse a Amazon EMR con la autenticación [Kerberos](https://docs.aws.amazon.com/emr/latest/ManagementGuide/emr-kerberos.html), debe instalar el cliente kinit. En función del sistema operativo, el comando para instalar el cliente kinit puede variar. Para obtener una imagen de Ubuntu (basada en Debian), utilice el comando `apt-get install -y -qq krb5-user`.
Para obtener más información sobre cómo crear su propia imagen en SageMaker Studio o Studio Classic, consulte [Traiga su propia SageMaker ](https://docs.aws.amazon.com/sagemaker/latest/dg/studio-byoi.html) imagen.