As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá. # Criação de um modelo de PySpark análise **nota** Os parâmetros são cadeias de caracteres fornecidas pelo usuário que podem conter conteúdo arbitrário. Revise o código para garantir que os parâmetros sejam tratados com segurança para evitar comportamentos inesperados em sua análise. Projete o manuseio de parâmetros para funcionar com segurança, independentemente dos valores dos parâmetros fornecidos no momento do envio. **Pré-requisitos** Antes de criar um modelo de PySpark análise, você deve ter: + Uma associação em uma AWS Clean Rooms colaboração ativa + Acesso a pelo menos uma tabela configurada na colaboração ativa + Permissões para criar modelos de análise + Um script de usuário do Python e um ambiente virtual criado e armazenado no S3 + O bucket do S3 tem o versionamento ativado. Para obter mais informações, consulte [Usando o controle de versão em buckets do](https://docs.aws.amazon.com/AmazonS3/latest/userguide/Versioning.html) S3 + O bucket S3 pode calcular somas de verificação SHA-256 para artefatos carregados. Para obter mais informações, consulte [Usando somas de verificação](https://docs.aws.amazon.com/AmazonS3/latest/userguide/checking-object-integrity.html) + Permissões para ler código de um bucket do S3 Para obter informações sobre como criar a função de serviço necessária, consulte[Crie uma função de serviço para ler o código de um bucket do S3 (função do modelo de PySpark análise)](setting-up-roles.md#create-role-pyspark-analysis-template). O procedimento a seguir descreve o processo de criação de um modelo de PySpark análise usando o [AWS Clean Rooms console](https://console.aws.amazon.com/cleanrooms/home). Ele pressupõe que você já tenha criado um script de usuário e arquivos de ambiente virtual e armazenado seu script de usuário e arquivos de ambiente virtual em um bucket do Amazon S3. **nota** O membro que cria o modelo de PySpark análise também deve ser o membro que recebe os resultados. Para obter informações sobre como criar um modelo de PySpark análise usando o AWS SDKs, consulte a [Referência da AWS Clean Rooms API](https://docs.aws.amazon.com/clean-rooms/latest/apireference/Welcome.html). **Para criar um modelo PySpark de análise** 1. Faça login no Console de gerenciamento da AWS e abra o [AWS Clean Rooms console](https://console.aws.amazon.com/cleanrooms/home) com o Conta da AWS que funcionará como criador da colaboração. 1. No painel de navegação à esquerda, escolha **Colaborações**. 1. Escolha a colaboração. 1. Na guia **Modelos**, vá para a seção **Modelos de análise criados por você**. 1. Escolha **Criar modelo de análise**. 1. Na página **Criar modelo de análise**, para **Detalhes**, 1. Insira um **Nome** para o modelo de análise. 1. (Opcional) Insira uma **Descrição**. 1. Em **Formatar**, escolha a **PySpark**opção. 1. Para **Definição**, 1. Analise os **pré-requisitos** e certifique-se de que cada pré-requisito seja atendido antes de continuar. 1. **Em Arquivo de ponto de entrada**, insira o bucket do S3 ou escolha **Procurar no S3**. 1. (Opcional) Em **Arquivo de bibliotecas**, insira o bucket do S3 ou escolha **Procurar no S3**. 1. Para **Parâmetros — opcional**, se você quiser adicionar parâmetros para tornar seu modelo de análise reutilizável: 1. Selecione **Add parameter (Adicionar parâmetro)**. 1. Insira um **nome de parâmetro**. Os nomes dos parâmetros devem começar com uma letra ou sublinhado, seguido por caracteres alfanuméricos ou sublinhados. 1. Para **Tipo**, **STRING** é selecionado automaticamente como o único tipo suportado para modelos de PySpark análise. 1. (Opcional) Insira um **valor padrão** para o parâmetro. Se você fornecer um valor padrão, os executores de tarefas poderão usar esse valor ao executar trabalhos sem fornecer explicitamente um valor de parâmetro. 1. Para adicionar mais parâmetros, escolha **Adicionar outro parâmetro** e repita as etapas anteriores. **nota** Você pode definir até 50 parâmetros por modelo PySpark de análise. Cada valor de parâmetro pode ter até 1.000 caracteres. 1. Para **tabelas referenciadas na definição**, + Se todas as tabelas referenciadas na definição tiverem sido associadas à colaboração: + Deixe a caixa de seleção **Todas as tabelas referenciadas na definição foram associadas à colaboração** marcada. + Em **Tabelas associadas à colaboração**, escolha todas as tabelas associadas que são referenciadas na definição. + Se todas as tabelas referenciadas na definição não tiverem sido associadas à colaboração: + Desmarque a caixa de seleção **Todas as tabelas referenciadas na definição foram associadas à colaboração**. + Em **Tabelas associadas à colaboração**, escolha todas as tabelas associadas que são referenciadas na definição. + Em **Tabelas que serão associadas posteriormente**, insira o nome da tabela. + Escolha **Listar outra tabela** para listar outra tabela. 1. Para **Configuração de mensagem de erro**, escolha uma das seguintes opções: + **Mensagens de erro básicas — retorna mensagens** de erro básicas sem expor os dados subjacentes. Recomendado para cargas de trabalho de produção. + **Mensagens de erro detalhadas — retorna mensagens** de erro detalhadas para uma solução de problemas mais rápida. Recomendado em ambientes de desenvolvimento e teste. Pode expor dados confidenciais, incluindo informações de identificação pessoal (PII). **nota** Ao usar **mensagens de erro detalhadas**, todos os membros do provedor de dados devem aprovar essa configuração para o modelo. 1. Especifique as permissões **de acesso ao serviço** selecionando um **nome de função de serviço existente** na lista suspensa. 1. A lista de perfis é exibida se você tiver permissões para listar funções. Se você não tiver permissões para listar perfis, insira o nome do recurso da Amazon (ARN) do perfil que você deseja usar. 1. Para visualizar o perfil de serviço, selecione o link externo **Visualizar no IAM**. Se não houver perfis de serviço existentes, a opção de **Usar um perfil de serviço existente** não estará disponível. Por padrão, AWS Clean Rooms não tenta atualizar a política de função existente para adicionar as permissões necessárias. **nota** AWS Clean Rooms requer permissões para consultar de acordo com as regras de análise. Para obter mais informações sobre permissões para AWS Clean Rooms, consulte[AWS políticas gerenciadas para AWS Clean Rooms](security-iam-awsmanpol.md). Se a função não tiver permissões suficientes para AWS Clean Rooms, você receberá uma mensagem de erro informando que a função não tem permissões suficientes para AWS Clean Rooms. A política de perfil deve ser adicionada antes de continuar. Se você não conseguir modificar a política de perfil, receberá uma mensagem de erro informando que o AWS Clean Rooms não conseguiu encontrar a política referente ao perfil de serviço. 1. Se quiser habilitar **Tags** para o recurso de tabela configurado, escolha **Adicionar nova tag** e, em seguida, insira o par **Chave** e **Valor**. 1. Escolha **Criar**. 1. Agora você está pronto para informar ao membro da colaboração que ele pode [revisar um modelo de análise](review-analysis-template.md). (Opcional se quiser consultar seus próprios dados.) **Importante** Não modifique nem remova artefatos (scripts de usuário ou ambientes virtuais) depois de criar um modelo de análise. Isso fará com que: Faça com que todos os trabalhos de análise futuros usando esse modelo falhem. Exija a criação de um novo modelo de análise com novos artefatos. Não afeta trabalhos de análise concluídos anteriormente.