Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

# Creazione di un cluster con Apache Spark
<a name="emr-spark-launch"></a>

La procedura seguente consente di creare un cluster con [Spark](https://aws.amazon.com/big-data/what-is-spark/) installato utilizzando **Opzioni rapide** nella console di Amazon EMR.

In alternativa, puoi utilizzare **Advanced Options (Opzioni avanzate)** per personalizzare ulteriormente la configurazione del cluster o per inviare fasi al fine di installare applicazioni a livello di codice e quindi eseguire le applicazioni personalizzate. Con una di queste opzioni di creazione del cluster, puoi scegliere di utilizzare AWS Glue come metastore Spark SQL. Per ulteriori informazioni, consulta [Usa AWS Glue Data Catalog con Spark su Amazon EMR](emr-spark-glue.md).

**Per avviare un cluster con Spark installato**

1. Apri la console di Amazon EMR all'indirizzo [https://console.aws.amazon.com/emr](https://console.aws.amazon.com/emr/).

1. Scegli **Create cluster (Crea cluster)** per utilizzare **Quick Options (Opzioni rapide)**.

1. Immetti un **Cluster name (Nome cluster)**. Il nome del cluster non può contenere i caratteri <, >, $, \| o `(backtick).

1.  Per **Software Configuration (Configurazione del software)**, scegli un'opzione di **Release (Rilascio)**.

1.  Per **Applications (Applicazioni)**, scegli il bundle di applicazioni **Spark**.

1.  Seleziona le altre opzioni come richiesto, quindi scegli **Create cluster (Crea cluster)**.
**Nota**  
Per configurare Spark durante la creazione del cluster, consulta [Configurazione di Spark](emr-spark-configure.md).

**Per avviare un cluster con Spark installato utilizzando il AWS CLI**
+ Creare il cluster con il seguente comando:

  ```
  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**  
I caratteri di continuazione della riga Linux (\\) sono inclusi per la leggibilità. Possono essere rimossi o utilizzati nei comandi Linux. Per Windows, rimuoverli o sostituirli con un accento circonflesso (^).

**Avvio di un cluster con Spark installato mediante il kit SDK per Java**

Specificare Spark come applicazione con `SupportedProductConfig` utilizzato in `RunJobFlowRequest`.
+ L'esempio seguente mostra come creare un cluster con Spark utilizzando 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());
          }
  }
  ```