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 AWS Glue 互動式工作階段進行資料準備
<a name="studio-notebooks-glue"></a>

[AWS Glue 互動式工作階段](https://docs.aws.amazon.com/glue/latest/dg/interactive-sessions-overview.html)是一種無伺服器服務，您可以加入其中以收集、轉換、清理和準備資料，以儲存在您的資料湖和資料管道中。 AWS Glue 互動式工作階段提供隨需的無伺服器 Apache Spark 執行時期環境，您可以於幾秒鐘內在專用資料處理單元 (DPU) 上將其初始化，而無需佈建和管理複雜的運算叢集基礎設施。初始化後，您可以在 Studio 或 Studio Classic 筆記本中瀏覽 AWS Glue 資料目錄、執行大型查詢 AWS Lake Formation、存取由 管理的資料，並使用 Spark 以互動方式分析和準備資料。然後，您可以使用準備好的資料，在 SageMaker Studio 或 Studio Classic 內使用專門打造的 ML 工具訓練、調整和部署模型。當您想要具有可設定性和彈性的中等控制權的無伺服器 Spark 服務時，應考慮資料準備工作負載的 AWS Glue 互動式工作階段。

您可以在 Studio 或 Studio Classic 中啟動 JupyterLab 筆記本來啟動 AWS Glue 互動式工作階段。啟動您的筆記本時，請選擇內建 `Glue PySpark and Ray` 或 `Glue Spark` 核心。這會自動啟動無伺服器互動式 Spark 工作階段。您不需要佈建或管理任何運算叢集或基礎架構。初始化後，您可以從 Studio 或 Studio Classic 筆記本內探索您的資料並與之互動。

在 Studio 或 Studio Classic 中啟動 AWS Glue 互動式工作階段之前，您需要設定適當的角色和政策。此外，您可能需要提供其他資源的存取權，例如 Amazon S3 儲存貯體。如需必要 IAM 政策的詳細資訊，請參閱[Studio 或 Studio Classic 中 AWS Glue 互動式工作階段的許可](getting-started-glue-sm.md#glue-sm-iam)。

Studio 和 Studio Classic 為您的 AWS Glue 互動式工作階段提供預設組態，不過，您可以使用 AWS Glue Jupyter 魔術命令的完整目錄來進一步自訂您的環境。如需有關您可以在 AWS Glue 互動式工作階段中使用的預設和其他 Jupyter 魔法的資訊，請參閱 [在 Studio 或 Studio Classic 中設定您的 AWS Glue 互動式工作階段](getting-started-glue-sm.md#glue-sm-magics)。
+ 對於啟動 AWS Glue 互動式工作階段的 Studio Classic 使用者，他們可以從下列映像和核心中選取：
  + 映像：`SparkAnalytics 1.0`、`SparkAnalytics 2.0`
  + 核心：`Glue Python [PySpark and Ray]` 和 `Glue Spark`
+ 對於 Studio 使用者，請使用預設 [SageMaker Distribution 映像](https://github.com/aws/sagemaker-distribution)，然後選取 `Glue Python [PySpark and Ray]` 或 `Glue Spark` 核心。