在 Dataproc 集群上安装并运行 Jupyter 笔记本

---

目标

本教程介绍如何在新集群上安装 Dataproc Jupyter 和 Anaconda 组件，然后使用 Dataproc 组件网关从本地浏览器连接到在集群上运行的 Jupyter 笔记本界面。

注意： 运行本教程将产生 Google Cloud 费用 - 请参阅 Dataproc 价格。

费用

在本文档中，您将使用 Google Cloud 的以下收费组件：

• Dataproc
• Cloud Storage

您可使用价格计算器根据您的预计使用情况来估算费用。 Google Cloud 新用户可能有资格申请免费试用。

准备工作

如果您尚未创建 Google Cloud Platform 项目和 Cloud Storage 存储桶，请首先创建这些资源。

1. 设置项目

   1. 登录您的 Google Cloud 账号。如果您是 Google Cloud 新手，请创建一个账号来评估我们的产品在实际场景中的表现。新客户还可获享 $300 赠金，用于运行、测试和部署工作负载。

   2. 在 Google Cloud Console 中的项目选择器页面上，选择或创建一个 Google Cloud 项目。

      注意：如果您不打算保留在此过程中创建的资源，请创建新的项目，而不要选择现有的项目。完成本教程介绍的步骤后，您可以删除所创建的项目，并移除与该项目关联的所有资源。

      转到“项目选择器”

   3. 确保您的 Google Cloud 项目已启用结算功能。

   4. 启用 Dataproc, Compute Engine, and Cloud Storage API。

      启用 API

   5. 安装 Google Cloud CLI。

   6. 如需初始化 gcloud CLI，请运行以下命令：

      gcloud init

   7. 在 Google Cloud Console 中的项目选择器页面上，选择或创建一个 Google Cloud 项目。

      注意：如果您不打算保留在此过程中创建的资源，请创建新的项目，而不要选择现有的项目。完成本教程介绍的步骤后，您可以删除所创建的项目，并移除与该项目关联的所有资源。

      转到“项目选择器”

   8. 确保您的 Google Cloud 项目已启用结算功能。

   9. 启用 Dataproc, Compute Engine, and Cloud Storage API。

      启用 API

   10. 安装 Google Cloud CLI。

   11. 如需初始化 gcloud CLI，请运行以下命令：

       gcloud init

2. 在您的项目中创建 Cloud Storage 存储桶，以存储您在本教程中创建的任何笔记本。

   1. 在 Google Cloud 控制台中，进入 Cloud Storage 存储桶页面。

      进入“存储桶”页面

   2. 点击创建存储分区。
   3. 在创建存储分区页面上，输入您的存储分区信息。要转到下一步，请点击继续。
      • 在指定存储分区的名称中，输入符合存储分区命名要求的名称。
      • 对于选择数据存储位置，执行以下操作：
        • 选择位置类型选项。
        • 选择位置选项。
      • 对于为数据选择一个默认存储类别，请选择一个存储类别。
      • 对于选择如何控制对象的访问权限，请选择访问权限控制选项。
      • 对于高级设置（可选），请指定加密方法、保留政策或存储分区标签。
   4. 点击创建。
   您的笔记本将存储在 Cloud Storage 中的 gs://bucket-name/notebooks/jupyter 下。

创建集群并安装 Jupyter 组件

使用已安装的 Jupyter 组件创建集群。

注意：创建集群时，指定您在准备工作第 2 步中创建的存储桶的名称（仅指定名称作为存储桶 staging bucket），如需设置暂存存储桶，请参阅 Dataproc 暂存存储桶和临时存储桶。您的笔记本将存储在 Cloud Storage 中的 gs://bucket-name/notebooks/jupyter 下。

打开 Jupyter 和 JupyterLab 界面

点击 Google Cloud 控制台中的 Google Cloud 控制台组件网关链接，打开在集群的主节点上运行的 Jupyter 笔记本或 JupyterLab 界面。

Jupyter 实例显示的顶级目录是一个虚拟目录，可让您查看 Cloud Storage 存储桶或本地文件系统的内容。您可以通过点击集群中 Cloud Storage 的 GCS 链接或集群中主节点的本地文件系统的本地磁盘来选择位置。

1. 点击 GCS 链接。Jupyter 笔记本网页界面会显示存储在 Cloud Storage 存储桶中的笔记本，包括您在本教程中创建的所有笔记本。

   

清理

完成本教程后，您可以清理您创建的资源，让它们停止使用配额，以免产生费用。以下部分介绍如何删除或关闭这些资源。

删除项目

若要避免产生费用，最简单的方法是删除您为本教程创建的项目。

要删除项目，请执行以下操作：

警告：删除项目会产生以下影响

• 项目中的所有内容都会被删除。如果您将现有项目用于本文档中的任务，则删除该项目后，还将删除您已在该项目中完成的任何其他工作。
• 自定义项目 ID 丢失。创建此项目时，您可能创建了要在将来使用的自定义项目 ID。要保留使用该项目 ID 的网址（例如 appspot.com 网址），请删除项目内的所选资源，而不是删除整个项目。

如果您打算探索多个架构、教程或快速入门，则重复使用项目可以帮助您避免超出项目配额限制。

1. 在 Google Cloud 控制台中，进入管理资源页面。

   转到“管理资源”

2. 在项目列表中，选择要删除的项目，然后点击删除。
3. 在对话框中输入项目 ID，然后点击关闭以删除项目。

删除集群

• 如需删除您的集群，请输入以下命令：

  gcloud dataproc clusters delete cluster-name \
      --region=${REGION}
  

删除存储桶

• 如需删除您在准备工作第 2 步中创建的 Cloud Storage 存储桶，包括存储在存储桶中的笔记本，请运行以下命令：

  gsutil -m rm -r gs://${BUCKET_NAME}
  

后续步骤

• 请参阅 Jupyter/IPython 笔记本快速入门指南