Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
# Esecuzione di processi dalla console EMR Studio
È possibile inviare esecuzioni di job alle applicazioni EMR Serverless e accedere ai job dalla console EMR Studio. Per creare o accedere alla tua applicazione EMR Serverless sulla console EMR Studio, segui le istruzioni in [Guida introduttiva](https://docs.aws.amazon.com/emr/latest/EMR-Serverless-UserGuide/getting-started.html#gs-console) dalla console.
## Invia un lavoro
Nella pagina **Invia lavoro**, inviare un lavoro a un'applicazione EMR Serverless come segue.
------
#### [ Spark ]
1. Nel campo **Nome**, inserisci un nome per l'esecuzione del lavoro.
1. Nel campo **Runtime role**, inserisci il nome del ruolo IAM che l'applicazione EMR Serverless può assumere per l'esecuzione del job. Per ulteriori informazioni sui ruoli di runtime, fare riferimento a. [Ruoli Job Runtime per Amazon EMR Serverless](security-iam-runtime-role.md)
1. Nel campo **Posizione dello script**, inserisci la posizione Amazon S3 per lo script o il JAR che desideri eseguire. Per i lavori Spark, lo script può essere un file Python `.py` () o un file JAR `.jar` ().
1. Se la posizione dello script è un file JAR, inserisci il nome della classe che è il punto di ingresso per il lavoro nel campo **Classe principale**.
1. (Facoltativo) Inserite i valori per i campi rimanenti.
+ **Argomenti dello script**: inserisci gli argomenti che desideri passare allo script JAR o Python principale. Il codice legge questi parametri. Separare ogni argomento dell'array con una virgola.
+ **Proprietà Spark**: espandi la sezione delle proprietà Spark e inserisci qualsiasi parametro di configurazione Spark in questo campo.
**Nota**
Se specificate le dimensioni del driver e dell'executor Spark, tenete conto del sovraccarico di memoria. Specificate i valori del sovraccarico di memoria nelle proprietà e. `spark.driver.memoryOverhead` `spark.executor.memoryOverhead` Il sovraccarico di memoria ha un valore predefinito del 10% della memoria del contenitore, con un minimo di 384 MB. La memoria dell'esecutore e il sovraccarico di memoria insieme non possono superare la memoria di lavoro. Ad esempio, il massimo `spark.executor.memory` per un worker da 30 GB deve essere di 27 GB.
+ **Job configuration**: specifica qualsiasi configurazione del lavoro in questo campo. È possibile utilizzare queste configurazioni di lavoro per sovrascrivere le configurazioni predefinite per le applicazioni. L'esempio seguente mostra come sovrascrivere le impostazioni predefinite di Spark come la memoria dell'esecutore e del driver.
```
{
"applicationConfiguration": [
{
"classification": "spark-defaults",
"configurations": [],
"properties": {
"spark.executor.memory": "8G",
"spark.driver.memory": "6G",
"spark.driver.cores": "2",
"spark.executor.cores": "4"
}
}
]
}
```
+ **Impostazioni aggiuntive**: attiva o disattiva il AWS Glue Data Catalog come metastore e modifica le impostazioni del registro dell'applicazione. Per ulteriori informazioni sulle configurazioni dei metastore, fare riferimento a. [Configurazione Metastore per EMR Serverless](metastore-config.md) Per ulteriori informazioni sulle opzioni di registrazione delle applicazioni, fare riferimento a. [Archiviazione dei registri](logging.md)
+ **Tag**: assegna tag personalizzati all'applicazione.
1. Seleziona **Submit job** (Invia processo).
------
#### [ Hive ]
1. Nel campo **Nome**, inserisci un nome per l'esecuzione del job.
1. Nel campo **Runtime role**, inserisci il nome del ruolo IAM che l'applicazione EMR Serverless può assumere per l'esecuzione del job.
1. Nel campo **Posizione dello script**, inserisci la posizione Amazon S3 per lo script o il JAR che desideri eseguire. Per i lavori Hive, lo script deve essere un file Hive ()`.sql`.
1. (Facoltativo) Immettete i valori per i campi rimanenti.
+ **Posizione dello script di inizializzazione**: immettere la posizione dello script che inizializza le tabelle prima dell'esecuzione dello script Hive.
+ **Proprietà Hive**: espandi la sezione delle proprietà di Hive e inserisci qualsiasi parametro di configurazione Hive in questo campo.
+ **Configurazione del lavoro**: specifica qualsiasi configurazione del lavoro. È possibile utilizzare queste configurazioni di lavoro per sovrascrivere le configurazioni predefinite per le applicazioni. Per i lavori Hive, `hive.exec.scratchdir` e `hive.metastore.warehouse.dir` sono proprietà obbligatorie nella configurazione. `hive-site`
```
{
"applicationConfiguration": [
{
"classification": "hive-site",
"configurations": [],
"properties": {
"hive.exec.scratchdir": "s3://{{DOC-EXAMPLE_BUCKET}}/hive/scratch",
"hive.metastore.warehouse.dir": "s3://{{DOC-EXAMPLE_BUCKET}}/hive/warehouse"
}
}
],
"monitoringConfiguration": {}
}
```
+ **Impostazioni aggiuntive**: attiva o disattiva il AWS Glue Data Catalog come metastore e modifica le impostazioni del registro dell'applicazione. Per ulteriori informazioni sulle configurazioni dei metastore, fare riferimento a. [Configurazione Metastore per EMR Serverless](metastore-config.md) Per ulteriori informazioni sulle opzioni di registrazione delle applicazioni, fare riferimento a. [Archiviazione dei registri](logging.md)
+ **Tag**: assegna qualsiasi tag personalizzato all'applicazione.
1. Seleziona **Submit job** (Invia processo).
------
## I job di Access vengono eseguiti
Dalla scheda **Job run** nella pagina **Dettagli** di un'applicazione, accedi alle esecuzioni dei job ed esegui le seguenti azioni per le esecuzioni dei job.
**Annulla processo**: per annullare l'esecuzione di un processo in questo `RUNNING` stato, scegliete questa opzione. Per ulteriori informazioni sulle transizioni Job Run, fare riferimento a[Stati delle esecuzioni di processi](job-states.md).
**Clona processo**: per clonare un processo precedente eseguito e inviarlo nuovamente, scegli questa opzione.