É possível instalar outros componentes, como o Jupyter, ao criar um cluster do Dataproc usando o recurso Componentes opcionais. Nesta página, você conhecerá o componente Jupyter.
O componente Jupyter é um notebook baseado na Web para análise de dados interativa e é compatível com a IU da Web do JupyterLab. A IU da Web do Jupyter está disponível na porta 8123
do primeiro node mestre do cluster.
O notebook do Jupyter fornece um kernel do Python para executar o código Spark e um kernel do PySpark. Por padrão, os notebooks são salvos no Cloud Storage no bucket de preparação do Dataproc, que é especificado pelo usuário ou criado automaticamente na criação do cluster. O local pode ser alterado no momento da criação do cluster por meio da
propriedade do cluster dataproc:jupyter.notebook.gcs.dir
.
Instalar o Jupyter
Instale o componente ao criar um cluster do Dataproc. O componente Jupyter requer a ativação do Gateway de componentes do Dataproc. Ao usar a versão 1.5 da imagem, a instalação do componente Jupyter também requer a instalação do componente Anaconda.
Console
- Ativar o componente.
- No console do Google Cloud, abra a página Criar um cluster do Dataproc. O painel Configurar cluster está selecionado.
- Na seção Componentes, faça o seguinte:
- Em Componentes opcionais, selecione o componente Jupyter e, se estiver usando a versão 1.5 da imagem, o componente Anaconda.
- Em Gateway de componentes, selecione Ativar gateway de componente. Consulte Visualizar e acessar URLs do Gateway de componentes.
CLI da gcloud
Para criar um cluster do Dataproc que inclua o componente Jupyter, use o comando gcloud dataproc clusters create cluster-name com a sinalização --optional-components
.
Exemplo mais recente da versão de imagem padrão
O exemplo a seguir instala o componente Jupyter em um cluster que usa a versão de imagem padrão mais recente.
gcloud dataproc clusters create cluster-name \ --optional-components=JUPYTER \ --region=region \ --enable-component-gateway \ ... other flags
Exemplo da versão de imagem 1.5
O exemplo de versão de imagem 1.5 a seguir instala os componentes do Jupyter e do Anaconda. A instalação do componente Anaconda é necessária ao usar a versão 1.5 da imagem.
gcloud dataproc clusters create cluster-name \ --optional-components=ANACONDA,JUPYTER \ --region=region \ --image-version=1.5 \ --enable-component-gateway \ ... other flags
API REST
O componente Jupyter pode ser instalado por meio da API Dataproc usando SoftwareConfig.Component
como parte de uma solicitação clusters.create
. A instalação do componente Anaconda também é necessária ao usar a versão 1.5 da imagem.
- Defina a propriedade EndpointConfig.enableHttpPortAccess
como
true
como parte da solicitaçãoclusters.create
para ativar a conexão com a IU da Web do notebook Jupyter usando o Gateway de componentes.
Abrir as IUs do Jupyter e do JupyterLab
Clique nos links do Gateway de componentes do console do Google Cloud para abrir no navegador local o notebook Jupyter ou a interface do JupyterLab em execução no nó mestre do cluster.
Selecione "GCS" ou "Disco local" para criar um novo Jupyter Notebook em um local ou em outro.
Como anexar GPUs a nós mestres e/ou de trabalho
É possível adicionar GPUs aos nós mestre e de trabalho do cluster ao usar um notebook do Jupyter para:
- Pré-processar dados no Spark, coletar um DataFrame no mestre e executar o TensorFlow
- Usar o Spark para orquestrar execuções do TensorFlow em paralelo
- Execute o Tensorflow-on-YARN
- Usar com outros cenários de machine learning que usam GPUs