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.

# Cos'è l'agente di risoluzione dei problemi di Apache Spark per Amazon EMR?
<a name="spark-troubleshoot"></a>

## Introduzione
<a name="spark-troubleshooting-agent-intro"></a>

L'agente di risoluzione dei problemi di Apache Spark per Amazon EMR è una funzionalità di intelligenza artificiale conversazionale che semplifica la risoluzione dei problemi delle applicazioni Apache Spark su Amazon EMR, Glue e Amazon Notebooks. AWS SageMaker La risoluzione dei problemi tradizionali di Spark richiede un'analisi manuale approfondita dei log, delle metriche delle prestazioni e dei modelli di errore per identificare le cause principali e le correzioni del codice. L'agente semplifica questo processo tramite istruzioni in linguaggio naturale, analisi automatizzata del carico di lavoro e consigli intelligenti sul codice.

È possibile utilizzare l'agente per risolvere PySpark i problemi e gli errori delle applicazioni Scala. L'agente analizza i lavori non riusciti, identifica i punti deboli in termini di prestazioni e fornisce consigli pratici e correzioni di codice, dandoti il pieno controllo sulle decisioni di implementazione.

**Nota**  
L'agente di risoluzione dei problemi di Apache Spark è disponibile senza costi aggiuntivi come parte di Amazon EMR. L'agente fornisce solo analisi e consigli. Paghi solo per le risorse Amazon EMR che utilizzi quando esegui le tue applicazioni per convalidare le correzioni consigliate.

## Panoramica dell'architettura
<a name="spark-troubleshooting-agent-architecture"></a>

L'agente di risoluzione dei problemi ha tre componenti principali: un assistente AI compatibile con MCP nell'ambiente di sviluppo per l'interazione, il [proxy MCP AWS](https://github.com/aws/mcp-proxy-for-aws) che gestisce la comunicazione e l'autenticazione sicure tra il client e i AWS servizi e il server MCP remoto Amazon SageMaker Unified Studio `(preview)` che fornisce strumenti di risoluzione dei problemi Spark specializzati per Amazon EMR, Glue e Amazon Notebooks. AWS SageMaker Questo diagramma illustra come interagisci con il server MCP remoto Amazon SageMaker Unified Studio tramite AI Assistant.

![\[Architettura dell'agente di risoluzione dei problemi di Spark.\]](http://docs.aws.amazon.com/it_it/emr/latest/ReleaseGuide/images/spark-troubleshooting-agent-architecture.png)


L'assistente AI orchestrerà la risoluzione dei problemi utilizzando strumenti specializzati forniti dal server MCP seguendo questi passaggi:
+ **Estrazione delle funzionalità e creazione del contesto:** l'agente raccoglie e analizza automaticamente i dati di telemetria dall'applicazione Spark, inclusi i log dello Spark History Server, le impostazioni di configurazione e le tracce di errore. Estrae le metriche chiave delle prestazioni, i modelli di utilizzo delle risorse e le firme di errore per creare un profilo contestuale completo per una risoluzione intelligente dei problemi.
+ **Analizzatore GenAI Root Cause e Recommendation Engine:** l'agente sfrutta i modelli di intelligenza artificiale e la knowledge base Spark per correlare le funzionalità estratte e identificare le cause principali dei problemi o degli errori di prestazioni. Fornisce approfondimenti diagnostici e analisi di ciò che è andato storto nell'esecuzione dell'applicazione Spark.
+ **Raccomandazione del codice GenAI Spark:** in base all'analisi della causa principale del passaggio precedente, l'agente analizza i modelli di codice esistenti e identifica le operazioni inefficienti che richiedono correzioni di codice per gli errori delle applicazioni. Fornisce consigli pratici tra cui modifiche specifiche al codice, aggiustamenti della configurazione e miglioramenti dell'architettura con esempi concreti.

**Topics**
+ [Introduzione](#spark-troubleshooting-agent-intro)
+ [Panoramica dell'architettura](#spark-troubleshooting-agent-architecture)
+ [Configurazione dell'agente di risoluzione dei problemi](spark-troubleshooting-agent-setup.md)
+ [Utilizzo dell'agente di risoluzione dei problemi](spark-troubleshooting-using-troubleshooting-agent.md)
+ [Caratteristiche e funzionalità](spark-troubleshooting-features.md)
+ [Risoluzione dei problemi e domande e risposte](spark-troubleshooting-agent-troubleshooting.md)
+ [Il flusso di lavoro dell'agente di risoluzione dei problemi di Spark in dettaglio](spark-troubleshooting-agent-workflow.md)
+ [Esempi rapidi](spark-troubleshooting-agent-prompt-examples.md)
+ [Configurazione del ruolo IAM](spark-troubleshooting-agent-iam-setup.md)
+ [Utilizzo degli strumenti di risoluzione dei problemi di Spark](spark-troubleshooting-agent-using-tools.md)
+ [Configurazione degli endpoint VPC dell'interfaccia per SageMaker Amazon Unified Studio MCP](spark-troubleshooting-agent-vpc-endpoints.md)
+ [Elaborazione interregionale per l'agente di risoluzione dei problemi di Apache Spark](spark-troubleshooting-cross-region-processing.md)
+ [Registrazione delle chiamate MCP di Amazon SageMaker Unified Studio tramite AWS CloudTrail](spark-troubleshooting-cloudtrail-integration.md)
+ [Miglioramenti del servizio per gli agenti Apache Spark](spark-agents-service-improvements.md)