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.

# Guida per l'utente
<a name="studio-emr-user-guide"></a>

Questa sezione illustra come Data Scientist e ingegneri dei dati possono avviare, rilevare, connettersi o terminare un cluster Amazon EMR da Studio o Studio Classic.

Prima che gli utenti possano elencare o avviare i cluster, gli amministratori devono configurare le impostazioni necessarie nell’ambiente Studio. Per informazioni su come gli amministratori possono configurare un ambiente Studio per consentire il provisioning automatico e la visualizzazione dei cluster Amazon EMR, consulta [Guida per l’amministratore](studio-emr-admin-guide.md).

**Topics**
+ [Immagini e kernel supportati per la connessione a un cluster Amazon EMR da Studio o Studio Classic](#studio-notebooks-emr-cluster-connect-kernels)
+ [Utilizza la tua immagine](#studio-notebooks-emr-byoi)
+ [Avvio di un cluster Amazon EMR da Studio o Studio Classic](studio-notebooks-launch-emr-cluster-from-template.md)
+ [Elenco dei cluster Amazon EMR da Studio o Studio Classic](discover-emr-clusters.md)
+ [Connect a un cluster Amazon EMR da SageMaker Studio o Studio Classic](connect-emr-clusters.md)
+ [Terminazione di un cluster Amazon EMR da Studio o Studio Classic](terminate-emr-clusters.md)
+ [Accesso all’interfaccia utente di Spark da Studio o Studio Classic](studio-notebooks-access-spark-ui.md)

## Immagini e kernel supportati per la connessione a un cluster Amazon EMR da Studio o Studio Classic
<a name="studio-notebooks-emr-cluster-connect-kernels"></a>

[Le immagini e i kernel seguenti vengono forniti con [sagemaker-studio-analytics-extension](https://pypi.org/project/sagemaker-studio-analytics-extension/)l' JupyterLab estensione che si connette a un cluster Spark (Amazon EMR) remoto tramite la [SparkMagic](https://github.com/jupyter-incubator/sparkmagic)libreria utilizzando Apache Livy.](https://livy.apache.org/)
+ **Per gli utenti di Studio:** SageMaker Distribution è un ambiente Docker per la scienza dei dati utilizzato come immagine predefinita delle istanze dei notebook. JupyterLab Tutte le versioni di [SageMaker AI Distribution sono preinstallate](https://github.com/aws/sagemaker-distribution)`sagemaker-studio-analytics-extension`.
+ **Per gli utenti di Studio Classic:** nelle immagini seguenti è preinstallato `sagemaker-studio-analytics-extension`.
  + DataScience — Kernel Python 3
  + DataScience 2.0 — Kernel Python 3
  + DataScience 3.0 — Kernel Python 3
  + SparkAnalytics 1.0 — SparkMagic e kernel PySpark 
  + SparkAnalytics 2.0 — SparkMagic e PySpark kernel
  + SparkMagic — SparkMagic e PySpark kernel
  + PyTorch 1.8 — Kernel Python 3
  + TensorFlow 2.6 — Kernel Python 3
  + TensorFlow 2.11 — Kernel Python 3

Per connetterti ai cluster Amazon EMR utilizzando un'altra immagine integrata o la tua immagine, segui le istruzioni riportate in [Utilizza la tua immagine](#studio-notebooks-emr-byoi).

## Utilizza la tua immagine
<a name="studio-notebooks-emr-byoi"></a>

Per importare la tua immagine in Studio o Studio Classic e consentire ai notebook di connettersi ai cluster Amazon EMR, installa la seguente estensione nel kernel. [sagemaker-studio-analytics-extension](https://pypi.org/project/sagemaker-studio-analytics-extension/) Supporta il collegamento di notebook SageMaker Studio o Studio Classic ai cluster Spark (Amazon EMR) tramite la libreria. [SparkMagic](https://docs.aws.amazon.com/emr/latest/ManagementGuide/emr-studio-magics.html)

```
pip install sparkmagic
pip install sagemaker-studio-sparkmagic-lib
pip install sagemaker-studio-analytics-extension
```

Inoltre, per connetterti ad Amazon EMR con l'autenticazione di [Kerberos](https://docs.aws.amazon.com/emr/latest/ManagementGuide/emr-kerberos.html), è necessario installare il client kinit. Il comando per installare il client kinit può variare a seconda del sistema operativo. Per utilizzare un'immagine di Ubuntu (basata su Debian), usa il comando `apt-get install -y -qq krb5-user`.

[Per ulteriori informazioni su come portare la tua immagine in SageMaker Studio o Studio Classic, consulta Bring your own image. SageMaker ](https://docs.aws.amazon.com/sagemaker/latest/dg/studio-byoi.html)