Descripción general de Dataproc Hub

Dataproc Hub te permite aprovechar AI Platform Notebooks y Dataproc para ejecutar tareas interactivas de procesamiento de datos y AA a gran escala mediante los notebooks de Jupyter y el ecosistema de Hadoop y Spark.

Los notebooks de Dataproc Hub son notebooks seleccionados por el administrador y de un solo usuario que se ejecutan en un clúster de JupyterLab de Dataproc y que se ejecutan en el proyecto del usuario. Para obtener soluciones alternativas de notebook en Google Cloud, consulta

• Instala el componente Jupyter en tu clúster de Dataproc.
• Crea una instancia de notebooks administrados de Vertex AI Workbench.

• Dataproc Hub aprovecha JupyterHub para hacer lo siguiente:

  • Permite que los administradores creen una lista seleccionada de plantillas de notebook para diferentes grupos de datos y usuarios del AA a fin de lograr la coherencia en toda la organización.
  • Acelera la creación de notebooks mediante el aprovisionamiento de datos y usuarios del AA con entornos preconfigurados que coincidan con sus requisitos de software y hardware.

• Dataproc Hub proporciona interfaces independientes para administradores y usuarios:

  • Los administradores usan la página Dataproc→Workbench→Notebooks administrados por el usuario en Google Cloud Console para crear instancias de Dataproc Hub. Cada instancia de concentrador contiene un conjunto predefinido de entornos de notebook definidos por los archivos de configuración de clúster YAML.
  • Los usuarios de datos y AA usan la IU de instancias →Notebooks en Google Cloud Console para seleccionar un entorno de notebook predefinido a fin de generar un servidor de notebook en su clúster de Dataproc.
    • Los usuarios sin acceso a la consola pueden acceder a la instancia de Dataproc Hub para generar un clúster de Dataproc a partir de su navegador web mediante una URL de instancia de Dataproc Hub que proporciona el administrador.
      Si la organización no define e implementa funciones de administrador y de usuario de notebook diferentes, en lugar de usar Dataproc Hub para configurar y generar un clúster de notebook de Jupyter, los usuarios pueden instalar el componente de Jupyter en su clúster.

• Casos de uso de Dataproc Hub:

  • Los usuarios de datos y AA están organizados en grupos con requisitos comunes de software y hardware (los usuarios se pueden ubicar en varios grupos)
  • Acceso restringido a la consola de Dataproc: los usuarios no tienen acceso a Dataproc en Google Cloud Console

• Características de Dataproc Hub:

  • Entornos de usuario predefinidos
  • Aislamiento de clústeres y notebooks: los miembros de un grupo no proporcionan acceso fácil a los clústeres y notebooks de los miembros de otros grupos

Más información

• Administradores: Configura Dataproc Hub
• Usuarios: Usa Dataproc Hub