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.

# O que é o agente de solução de problemas do Apache Spark para o Amazon EMR
<a name="spark-troubleshoot"></a>

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

O agente de solução de problemas do Apache Spark para Amazon EMR é um recurso de IA conversacional que simplifica a solução de problemas de aplicativos Apache Spark no Amazon EMR, Glue e Amazon Notebooks. AWS SageMaker A solução de problemas tradicional do Spark exige uma ampla análise manual de registros, métricas de desempenho e padrões de erro para identificar as causas principais e as correções de código. O agente simplifica esse processo por meio de solicitações em linguagem natural, análise automatizada da carga de trabalho e recomendações inteligentes de código.

Você pode usar o agente para solucionar problemas PySpark e falhas nos aplicativos Scala. O agente analisa seus trabalhos fracassados, identifica gargalos de desempenho e fornece recomendações práticas e correções de código, ao mesmo tempo em que oferece controle total sobre as decisões de implementação.

**nota**  
O agente de solução de problemas do Apache Spark está disponível sem custo adicional como parte do Amazon EMR. O agente fornece somente análises e recomendações. Você paga somente pelos recursos do Amazon EMR que usa ao executar seus aplicativos para validar as correções recomendadas.

## Visão geral da arquitetura
<a name="spark-troubleshooting-agent-architecture"></a>

O agente de solução de problemas tem três componentes principais: um assistente de IA compatível com MCP em seu ambiente de desenvolvimento para interação, o [MCP Proxy](https://github.com/aws/mcp-proxy-for-aws), AWS que gerencia a comunicação e a autenticação seguras entre seu cliente e os AWS serviços, e o servidor MCP remoto do Amazon SageMaker Unified Studio, `(preview)` que fornece ferramentas especializadas de solução de problemas do Spark para Amazon EMR, Glue e Amazon Notebooks. AWS SageMaker Este diagrama ilustra como você interage com o servidor MCP remoto do Amazon SageMaker Unified Studio por meio do seu assistente de IA.

![\[Arquitetura do agente de solução de problemas do Spark.\]](http://docs.aws.amazon.com/pt_br/emr/latest/ReleaseGuide/images/spark-troubleshooting-agent-architecture.png)


O assistente de IA orquestrará a solução de problemas usando ferramentas especializadas fornecidas pelo servidor MCP seguindo estas etapas:
+ **Extração de recursos e criação de contexto:** o agente coleta e analisa automaticamente os dados de telemetria do seu aplicativo Spark, incluindo registros do Spark History Server, configurações e rastreamentos de erros. Ele extrai as principais métricas de desempenho, padrões de utilização de recursos e assinaturas de falhas para criar um perfil de contexto abrangente para solução de problemas inteligente.
+ **Analisador de causas raiz e mecanismo de recomendação GenAI:** o agente aproveita os modelos de IA e a base de conhecimento do Spark para correlacionar os recursos extraídos e identificar as causas-raiz de problemas ou falhas de desempenho. Ele fornece informações de diagnóstico e análise do que deu errado na execução do aplicativo Spark.
+ **Recomendação de código GenAI Spark:** Com base na análise da causa raiz da etapa anterior, o agente analisa seus padrões de código existentes e identifica operações ineficientes que precisam de correções de código para falhas de aplicativos. Ele fornece recomendações práticas, incluindo modificações de código específicas, ajustes de configuração e melhorias arquitetônicas com exemplos concretos.

**Topics**
+ [Introdução](#spark-troubleshooting-agent-intro)
+ [Visão geral da arquitetura](#spark-troubleshooting-agent-architecture)
+ [Configuração do agente de solução de problemas](spark-troubleshooting-agent-setup.md)
+ [Usando o agente de solução de problemas](spark-troubleshooting-using-troubleshooting-agent.md)
+ [Características e capacidades](spark-troubleshooting-features.md)
+ [Solução de problemas e perguntas e respostas](spark-troubleshooting-agent-troubleshooting.md)
+ [Detalhes do fluxo de trabalho do agente de solução de problemas do Spark](spark-troubleshooting-agent-workflow.md)
+ [Exemplos imediatos](spark-troubleshooting-agent-prompt-examples.md)
+ [Configuração da função do IAM](spark-troubleshooting-agent-iam-setup.md)
+ [Usando as ferramentas de solução de problemas do Spark](spark-troubleshooting-agent-using-tools.md)
+ [Configurando endpoints VPC de interface para SageMaker Amazon Unified Studio MCP](spark-troubleshooting-agent-vpc-endpoints.md)
+ [Processamento entre regiões para o agente de solução de problemas do Apache Spark](spark-troubleshooting-cross-region-processing.md)
+ [Registro de chamadas MCP do Amazon SageMaker Unified Studio usando AWS CloudTrail](spark-troubleshooting-cloudtrail-integration.md)
+ [Melhorias de serviço para agentes Apache Spark](spark-agents-service-improvements.md)