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. # Analizza i problemi di prestazioni utilizzando l'interfaccia utente Spark Prima di applicare le migliori pratiche per ottimizzare le prestazioni dei vostri AWS Glue lavori, vi consigliamo vivamente di profilare le prestazioni e identificare gli ostacoli. Questo ti aiuterà a concentrarti sulle cose giuste. Per un'analisi rapida, le [ CloudWatch metriche di Amazon](https://docs.aws.amazon.com/glue/latest/dg/monitoring-awsglue-with-cloudwatch-metrics.html) forniscono una visualizzazione di base delle metriche relative alle tue offerte di lavoro. L'[interfaccia utente Spark](https://docs.aws.amazon.com/glue/latest/dg/monitor-spark-ui.html) offre una visione più approfondita per l'ottimizzazione delle prestazioni. Per utilizzare l'interfaccia utente Spark con AWS Glue, devi [abilitare l'interfaccia utente Spark per i](https://docs.aws.amazon.com/glue/latest/dg/monitor-spark-ui-jobs.html) tuoi lavori. AWS Glue Dopo aver acquisito dimestichezza con l'interfaccia utente di Spark, segui le [strategie per ottimizzare le prestazioni lavorative di Spark](performance-tuning-strategies.md) per identificare e ridurre l'impatto delle strozzature sulla base delle tue scoperte. ## Identifica i punti deboli utilizzando l'interfaccia utente di Spark Quando apri l'interfaccia utente di Spark, le applicazioni Spark vengono elencate in una tabella. Per impostazione predefinita, il **nome dell'app** di un AWS Glue lavoro è. `nativespark--` Scegli l'app Spark di destinazione in base al Job Run ID per aprire la scheda **Jobs**. Le esecuzioni di job incomplete, come le esecuzioni di job in streaming, sono elencate in **Mostra applicazioni incomplete**. La scheda **Lavori** mostra un riepilogo di tutti i lavori nell'applicazione Spark. Per determinare eventuali fasi o errori delle attività, controlla il numero totale di attività. **Per individuare i punti deboli, ordina scegliendo Durata.** **Approfondisci i dettagli dei lavori di lunga durata selezionando il link mostrato nella colonna Descrizione.** ![Scheda Spark Jobs che mostra la durata e le fasi. succeeded/total, and tasks succeeded/total](http://docs.aws.amazon.com/it_it/prescriptive-guidance/latest/tuning-aws-glue-for-apache-spark/images/spark-jobs-duration.png) La pagina **Details for Job** elenca le fasi. In questa pagina puoi visualizzare informazioni generali come la durata, il numero di attività completate e totali, il numero di input e output e la quantità di letture e scritture casuali. ![""](http://docs.aws.amazon.com/it_it/prescriptive-guidance/latest/tuning-aws-glue-for-apache-spark/images/job-details.png) La scheda **Executor mostra** in dettaglio la capacità del cluster Spark. Puoi controllare il numero totale di core. Il cluster mostrato nella schermata seguente contiene 316 core attivi e 512 core in totale. Per impostazione predefinita, ogni core può elaborare un task Spark contemporaneamente. ![Riepilogo della pagina Executors che mostra il numero di core per gli executor.](http://docs.aws.amazon.com/it_it/prescriptive-guidance/latest/tuning-aws-glue-for-apache-spark/images/executors-tab.png) In base al valore `5/5` mostrato nella pagina **Details for Job**, la fase 5 è la fase più lunga, ma utilizza solo 5 core su 512. Poiché il parallelismo in questa fase è così basso, ma richiede molto tempo, è possibile identificarla come un collo di bottiglia. Per migliorare le prestazioni, è necessario capire perché. Per saperne di più su come riconoscere e ridurre l'impatto dei comuni [rallentamenti prestazionali, consulta Strategie per ottimizzare](performance-tuning-strategies.md) le prestazioni lavorative di Spark.