Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Den Troubleshooting Agent verwenden
Unterstützte Bereitstellungsmodi
Der Apache Spark Troubleshooting Agent für Amazon EMR unterstützt umfassende Analysefunktionen für ausgefallene Spark-Workloads, einschließlich automatisierter Fehlerdiagnose, Identifizierung von Leistungsengpässen, Codeempfehlungen und umsetzbaren Vorschlägen für eine verbesserte Anwendungsleistung für den folgenden Spark-Bereitstellungsmodus:
-
EMR in EC2
-
EMR Serverlos
-
EMR auf EKS
-
AWS Glue
Weitere Informationen Funktionen und Fähigkeiten zu den Funktionen, Kapazitäten und Einschränkungen finden Sie unter.
Unterstützte Schnittstellen
Fehlerbehebung bei Zellen in SageMaker Amazon-Notebooks
Eine Demonstration der Erfahrungen mit der Fehlerbehebung mit Amazon SageMaker Notebooks. Bei jedem Ausfall einer Notebook-Zelle können Sie den Amazon SageMaker Notebook-Agenten bitten, den Fehler beim Anfordern der Analyse zu beheben, gefolgt von einer möglichen Codekorrektur, falls der Fehler auf Code zurückzuführen ist, indem Sie auf die Fix with AI Schaltfläche klicken.
Fehlerbehebung bei Glue- und EMR Spark-Anwendungen mit Kiro CLI
Starten Sie Kiro CLI oder Ihren AI Assistant und überprüfen Sie die geladenen Tools für den Fehlerbehebungsprozess.
... sagemaker-unified-studio-mcp-code-rec (MCP) - spark_code_recommendation not trusted sagemaker-unified-studio-mcp-troubleshooting (MCP) - analyze_spark_workload not trusted ...
Jetzt sind Sie bereit, den Spark-Troubleshooting-Agent-Workflow zu starten.
Eine Demonstration der Erfahrungen mit der Fehlerbehebung mit Kiro CLI. Sie können den Fehlerbehebungsprozess einfach mit der folgenden Aufforderung starten:
Analyze my Glue job. The job name is "xxx" and the job run id is "xxx"
Integration mit anderen MCP-Clients
Die unter beschriebene Konfiguration Einrichtung für den Troubleshooting- kann auch in anderen MCP-Clients und IDEs verwendet werden, um eine Verbindung zum Managed MCP-Server herzustellen:
-
Integration mit Cline — Um den MCP-Server mit Cline zu verwenden, ändern Sie die obige Konfiguration
cline_mcp_settings.jsonund fügen Sie sie hinzu. Weitere Informationen zur Verwaltung der MCP-Konfiguration finden Sie in der Dokumentation von Cline. -
Integration mit Claude Code Um den MCP-Server mit Claude Code zu verwenden, ändern Sie die Konfigurationsdatei so, dass sie die MCP-Konfiguration enthält. Der Dateipfad variiert je nach Betriebssystem. Eine detaillierte Einrichtung finden Sie unter. https://code.claude.com/docs/en/mcp
-
Integration mit GitHub Copilot — Um den MCP-Server mit GitHub Copilot zu verwenden, folgen Sie den Anweisungen unter Ändern der entsprechenden Konfigurationsdatei und folgen Sie den Anweisungen für jede IDE, https://docs.github.com/en/copilot/how-tos/provide-context/use-mcp/extend-copilot-chat-with-mcp
um das Setup zu aktivieren.
Fehlerbehebung mit der AI-Schaltfläche für die Amazon EMR-Konsole
Sie können die Schaltfläche Troubleshooting with AI direkt auf der Amazon EMR-Konsole verwenden, um den Troubleshooting-Agenten zu starten.
Fehlerbehebung mit der AI-Taste für EMR auf der EC2-Konsole
Öffnen Sie die Amazon-EMR-Konsole unter https://console.aws.amazon.com/elasticmapreduce/home
Das folgende Video zeigt, wie Sie die Schaltfläche Troubleshooting with AI für EMR auf EC2 verwenden.
Fehlerbehebung mit der AI-Taste für die EMR Serverless-Konsole
Öffnen Sie die Amazon EMR-Konsole unter https://console.aws.amazon.com/elasticmapreduce/home
Das folgende Video zeigt, wie Sie die Schaltfläche Troubleshooting with AI für EMR Serverless verwenden.
Fehlerbehebung mit der AI-Taste für EMR auf der EKS-Konsole
Öffnen Sie die Amazon-EMR-Konsole unter https://console.aws.amazon.com/elasticmapreduce/home
Das folgende Video zeigt, wie Sie die Schaltfläche „Problembehandlung mit KI“ für EMR auf EKS verwenden.
