Componente de Jupyter de

Puedes instalar componentes adicionales cuando creas un clúster de Dataproc con la función de componentes opcionales. En esta página, se describe el componente de Jupyter.

El componente Jupyter es un notebook basado en la Web para estadísticas de datos interactivos y es compatible con la IU web de JupyterLab. La IU web de Jupyter está disponible en el puerto 8123 del primer nodo principal del clúster.

El notebook de Jupyter proporciona un kernel de Python para ejecutar el código de Spark y un kernel de PySpark. De forma predeterminada, los notebook se guardan en Cloud Storage en el depósito de etapa de pruebas de Dataproc, que el usuario especifica o que se crea de forma automática junto con el clúster. La ubicación se puede cambiar en el momento de la creación del clúster a través de la propiedad dataproc:jupyter.notebook.gcs.dir.

Instala Jupyter y Anaconda

Instala el componente cuando crees un clúster de Dataproc. Los componentes se pueden agregar a los clústeres creados con la versión 1.3 de Dataproc y las posteriores. El componente de Jupyter requiere la instalación del componente de Anaconda (como se muestra en el ejemplo de la herramienta de línea de comandos de gcloud, a continuación).

Consulta las versiones compatibles de Dataproc para la versión del componente incluida en cada versión de la imagen de Dataproc.

Comando de gcloud

Para crear un clúster de Dataproc que incluya el componente Jupyter, usa el comando gcloud dataproc clusters create cluster-name con la marca --optional-components.

gcloud dataproc clusters create cluster-name \
    --optional-components=ANACONDA,JUPYTER \
    --region=region \
    --enable-component-gateway \
    ... other flags

API de REST

Los componentes de Jupyter y Anaconda se pueden especificar a través de la API de Dataproc mediante SoftwareConfig.Component como parte de una solicitud clusters.create.

Console

  1. Habilita el componente.
    • En Cloud Console, abre la página Create a cluster (Crear un clúster) de Dataproc. Haz clic en "Advanced options" (Opciones avanzadas) en la parte inferior de la página para ver la sección Optional Components (Componentes opcionales).

    • Haz clic en Select component (Seleccionar componente) para abrir el panel de selección Optional components (Componentes opcionales). Selecciona "Anaconda" y "Notebook de Jupyter" y otros componentes opcionales para instalar en tu clúster.

  2. Habilita la puerta de enlace de componentes (requiere la versión de imagen 1.3.29 o superior) para facilitar el acceso al notebook Jupyter y a otras interfaces web de los componentes desde Google Cloud Console (consulta Cómo ver y acceder a las URL de puerta de enlace de componente).
    • Marca la casilla de verificación Puerta de enlace de componentes en el formulario Crear un clúster.

Abre las IU de Jupyter y JupyterLab

Haz clic en los vínculos de la puerta de enlace del componente de Cloud Console para abrir en tu navegador local las notebooks de Jupyter y las IU de JupyterLab que se ejecutan en el nodo principal de tu clúster.

Adjunta GPU a nodos trabajadores o principales

Puedes agregar GPU a los nodos principales y trabajadores de tu clúster cuando usas un notebook de Jupyter para lo siguiente:

  1. Procesar los datos en Spark, luego recopilar un DataFrame en la instancia principal y ejecutar TensorFlow
  2. Usa Spark para organizar las ejecuciones de TensorFlow en paralelo
  3. Ejecuta Tensorflow-on-YARN
  4. Uso con otras situaciones de aprendizaje automático que usan GPU