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 cluster com o Apache Spark
<a name="emr-spark-launch"></a>

O procedimento a seguir cria um cluster com o [Spark](https://aws.amazon.com/big-data/what-is-spark/) instalado usando **Opções rápidas** no console do Amazon EMR.

Como alternativa, use as **Opções avançadas** para personalizar ainda mais sua configuração de cluster ou para enviar etapas para instalar aplicações de forma programática e depois executar aplicações personalizadas. Com qualquer uma das opções de criação de cluster, você pode optar por usar o AWS Glue como seu metastore do Spark SQL. Consulte [Use o AWS Glue Data Catalog com o Spark no Amazon EMR](emr-spark-glue.md) para obter mais informações.

**Para iniciar um cluster com o Spark instalado**

1. Abra o console do Amazon EMR em [https://console.aws.amazon.com/emr](https://console.aws.amazon.com/emr/).

1. Escolha **Criar cluster** para usar **Opções rápidas**.

1. Insira um **Nome de cluster**. O nome do cluster não pode conter os caracteres <, >, $, \| ou ` (crase).

1.  Em **Configuração de software**, escolha uma opção de **Versão**.

1.  Em **Aplicações**, escolha o pacote de aplicações do **Spark**.

1.  Selecione outras opções conforme necessário e escolha **Create cluster (Criar cluster)**.
**nota**  
Para configurar o Spark quando estiver criando o cluster, consulte [Configurar o Spark](emr-spark-configure.md).

**Para iniciar um cluster com o Spark instalado usando o AWS CLI**
+ Crie o cluster usando o comando a seguir.

  ```
  aws emr create-cluster --name "Spark cluster" --release-label {{emr-7.13.0}} --applications Name=Spark \
  --ec2-attributes KeyName=myKey --instance-type m5.xlarge --instance-count 3 --use-default-roles
  ```

**nota**  
Os caracteres de continuação de linha do Linux (\\) são incluídos para facilitar a leitura. Eles podem ser removidos ou usados ​​em comandos do Linux. No Windows, remova-os ou substitua-os por um sinal de interpolação (^).

**Iniciar um cluster com o Spark instalado usando o SDK para Java**

Especifique o Spark como um aplicativo com `SupportedProductConfig` usado em `RunJobFlowRequest`.
+ O seguinte exemplo mostra como criar um cluster com o Spark usando Java.

  ```
  import com.amazonaws.AmazonClientException;
  import com.amazonaws.auth.AWSCredentials;
  import com.amazonaws.auth.AWSStaticCredentialsProvider;
  import com.amazonaws.auth.profile.ProfileCredentialsProvider;
  import com.amazonaws.services.elasticmapreduce.AmazonElasticMapReduce;
  import com.amazonaws.services.elasticmapreduce.AmazonElasticMapReduceClientBuilder;
  import com.amazonaws.services.elasticmapreduce.model.*;
  import com.amazonaws.services.elasticmapreduce.util.StepFactory;
  
  public class Main {
  
          public static void main(String[] args) {
                  AWSCredentials credentials_profile = null;
                  try {
                          credentials_profile = new ProfileCredentialsProvider("default").getCredentials();
                  } catch (Exception e) {
                          throw new AmazonClientException(
                                          "Cannot load credentials from .aws/credentials file. " +
                                                          "Make sure that the credentials file exists and the profile name is specified within it.",
                                          e);
                  }
  
                  AmazonElasticMapReduce emr = AmazonElasticMapReduceClientBuilder.standard()
                                  .withCredentials(new AWSStaticCredentialsProvider(credentials_profile))
                                  .withRegion(Regions.US_WEST_1)
                                  .build();
  
                  // create a step to enable debugging in the AWS Management Console
                  StepFactory stepFactory = new StepFactory();
                  StepConfig enabledebugging = new StepConfig()
                                  .withName("Enable debugging")
                                  .withActionOnFailure("TERMINATE_JOB_FLOW")
                                  .withHadoopJarStep(stepFactory.newEnableDebuggingStep());
  
                  Application spark = new Application().withName("Spark");
  
                  RunJobFlowRequest request = new RunJobFlowRequest()
                                  .withName("Spark Cluster")
                                  .withReleaseLabel("emr-5.20.0")
                                  .withSteps(enabledebugging)
                                  .withApplications(spark)
                                  .withLogUri("s3://path/to/my/logs/")
                                  .withServiceRole("EMR_DefaultRole")
                                  .withJobFlowRole("EMR_EC2_DefaultRole")
                                  .withInstances(new JobFlowInstancesConfig()
                                                  .withEc2SubnetId("subnet-12ab3c45")
                                                  .withEc2KeyName("myEc2Key")
                                                  .withInstanceCount(3)
                                                  .withKeepJobFlowAliveWhenNoSteps(true)
                                                  .withMasterInstanceType("m4.large")
                                                  .withSlaveInstanceType("m4.large"));
                  RunJobFlowResult result = emr.runJobFlow(request);
                  System.out.println("The cluster ID is " + result.toString());
          }
  }
  ```