本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
使用 Amazon EMR 進行資料準備
重要
Amazon SageMaker Studio 和 Amazon SageMaker Studio Classic 是兩種機器學習環境，可用來與 SageMaker AI 互動。
如果您的網域是在 2023 年 11 月 30 日之後建立的，則 Studio 是您的預設體驗。
如果您的網域是在 2023 年 11 月 30 日之前建立的，Amazon SageMaker Studio Classic 是您的預設體驗。若要在 Amazon SageMaker Studio Classic 是您的預設體驗時使用 Studio，請參閱 從 Amazon SageMaker Studio Classic 遷移。
當您從 Amazon SageMaker Studio Classic 遷移至 Amazon SageMaker Studio 時，功能可用性不會遺失。Studio Classic 也以應用程式的形式存在於 Amazon SageMaker Studio 中，以協助您執行舊版機器學習工作流程。
Amazon SageMaker Studio 和 Studio Classic 隨附與 Amazon EMR 的內建整合。在 JupyterLab 和 Studio Classic 筆記本中，資料科學家和資料工程師可以探索並連線至現有的 Amazon EMR 叢集，然後使用 Apache Spark
管理員可以建立定義 Amazon EMR 叢集的AWS CloudFormation 範本。然後，他們可以在 AWS Service Catalog 中讓這些叢集範本可供 Studio 和 Studio Classic 使用者啟動。然後，資料科學家可以選擇預先定義的範本，直接從其 Studio 環境自行佈建 Amazon EMR 叢集。管理員可以進一步參數化範本，讓使用者在預先定義的值內選擇叢集的各個層面。例如，使用者可能想要指定核心節點的數量，或從下拉式功能表中選取節點的執行個體類型。
AWS CloudFormation管理員可以使用 控制 Amazon EMR 叢集的組織、安全和聯網設定。然後，資料科學家和資料工程師可以為其工作負載自訂這些範本，直接從 Studio 和 Studio Classic 建立隨需 Amazon EMR 叢集，而無需設定複雜的組態。使用者可以在使用後終止 Amazon EMR 叢集。
-
如果您是管理員：
確認您已啟用 Studio 或 Studio Classic 與 Amazon EMR 叢集之間的通訊。如需指示，請參閱設定 Amazon EMR 叢集的網路存取區段。啟用此通訊後，您可以：
-
如果您是資料科學家或資料工程師，您可以：
