Componente opcional de Zeppelin de Dataproc

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

El componente de notebook de Zeppelin es un notebook basado en la Web para el análisis de datos interactivos. La IU web de Zeppelin está disponible en el puerto 8080 del primer nodo principal del clúster.

De forma predeterminada, los notebook se guardan en Cloud Storage en el bucket 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 zeppelin:zeppelin.notebook.gcs.dir.

• Zeppelin se puede configurar proporcionando propiedades de clúster con el prefijo zeppelin y zeppelin-env.
  • Para reducir el riesgo de ejecución de código remoto sobre las API del servidor de notebook no seguro, la configuración predeterminada de la propiedad del clúster zeppelin:zeppelin.server.addr para las versiones de imagen 1.3 o posteriores es 127.0.0.1, que restringe las conexiones a localhost cuando la puerta de enlace del componente está habilitada.

Instala el componente

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.

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 de Zeppelin, usa el comando gcloud dataproc clusters create cluster-name con la marca --optional-components.

Cuando crees el clúster (con la versión de imagen 1.3.29 o posterior), usa el comando gcloud dataproc clusters create con la marca --enable-component-gateway, como se muestra a continuación, para habilitar la conexión a la IU web del notebook de Zeppelin mediante la puerta de enlace de componentes.

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

API de REST

El componente Zeppelin se puede especificar a través de la API de Dataproc mediante SoftwareConfig.Component como parte de una solicitud clusters.create.

Con el uso de la API de Dataproc v1, establece la propiedad EndpointConfig.enableHttpPortAccess para true como parte de la solicitud clusters.create para habilitar la conexión a la IU web del notebook de Zeppelin mediante Puerta de enlace de componentes.

Consola

1. Habilita el componente y la puerta de enlace del componente.
   • En la consola de Google Cloud, abre la página Crear un clúster de Dataproc. Se selecciona el panel Configurar clúster.
   • En la sección Componentes, haz lo siguiente:
     • En componentes opcionales, selecciona Zeppelin y otros componentes opcionales para instalar en tu clúster.
     • En Puerta de enlace de componentes, selecciona Habilitar puerta de enlace de componentes (consulta Visualiza y accede a las URL de la puerta de enlace de componentes).

Abre el notebook de Zeppelin

Consulta Visualiza las URLs de puerta de enlace de componentes y accede a ellas para hacer clic en los vínculos de puerta de enlace de componentes en la consola de Google Cloud a fin de abrir la IU del notebook de Zeppelin que se ejecuta en el nodo principal del clúster en tu navegador local.