Installer et exécuter un notebook Jupyter sur un cluster Dataproc

---

Objectifs

Ce tutoriel vous montre comment installer les composants Jupyter et Anaconda de Dataproc sur un nouveau cluster, puis vous connecter à l'interface utilisateur du notebook Jupyter s'exécutant sur le cluster à partir du navigateur local en utilisant la passerelle des composants Dataproc

Remarque : L'exécution de ce tutoriel entraîne des frais Google Cloud. Consultez la page Tarifs de Dataproc.

Coûts

Dans ce document, vous utilisez les composants facturables suivants de Google Cloud :

• Dataproc
• Cloud Storage

Obtenez une estimation des coûts en fonction de votre utilisation prévue à l'aide du simulateur de coût. Les nouveaux utilisateurs de Google Cloud peuvent bénéficier d'un essai gratuit.

Avant de commencer

Si ce n'est pas déjà fait, créez un projet Google Cloud Platform et un bucket Cloud Storage.

1. Configurer votre projet

   1. Connectez-vous à votre compte Google Cloud. Si vous débutez sur Google Cloud, créez un compte pour évaluer les performances de nos produits en conditions réelles. Les nouveaux clients bénéficient également de 300 $ de crédits gratuits pour exécuter, tester et déployer des charges de travail.

   2. Dans Google Cloud Console, sur la page de sélection du projet, sélectionnez ou créez un projet Google Cloud.

      Remarque : Si vous ne comptez pas conserver les ressources créées dans cette procédure, créez un projet au lieu de sélectionner un projet existant. Après avoir suivi ces étapes, vous pouvez supprimer le projet. Cela entraîne la suppression de toutes les ressources qui lui sont associées.

      Accéder au sélecteur de projet

   3. Vérifiez que la facturation est activée pour votre projet Google Cloud.

   4. Activer les API Dataproc, Compute Engine, and Cloud Storage.

      Activer les API

   5. Installez Google Cloud CLI.

   6. Pour initialiser gcloudCLI, exécutez la commande suivante :

      gcloud init

   7. Dans Google Cloud Console, sur la page de sélection du projet, sélectionnez ou créez un projet Google Cloud.

      Remarque : Si vous ne comptez pas conserver les ressources créées dans cette procédure, créez un projet au lieu de sélectionner un projet existant. Après avoir suivi ces étapes, vous pouvez supprimer le projet. Cela entraîne la suppression de toutes les ressources qui lui sont associées.

      Accéder au sélecteur de projet

   8. Vérifiez que la facturation est activée pour votre projet Google Cloud.

   9. Activer les API Dataproc, Compute Engine, and Cloud Storage.

      Activer les API

   10. Installez Google Cloud CLI.

   11. Pour initialiser gcloudCLI, exécutez la commande suivante :

       gcloud init

2. Créez un bucket Cloud Storage dans votre projet pour stocker les notebooks que vous créez dans ce tutoriel.

   1. Dans la console Google Cloud, accédez à la page Buckets Cloud Storage.

      Accéder à la page "Buckets"

   2. Cliquez sur Créer un bucket.
   3. Sur la page Créer un bucket, saisissez les informations concernant votre bucket. Pour passer à l'étape suivante, cliquez sur Continuer.
      • Pour nommer votre bucket, saisissez un nom qui répond aux exigences de dénomination des buckets.
      • Pour Choisir l'emplacement de stockage des données, procédez comme suit :
        • Sélectionnez une option de type d'emplacement.
        • Sélectionnez une option Location (Emplacement).
      • Pour Choisir une classe de stockage par défaut pour vos données, sélectionnez une classe de stockage.
      • Pour le champ Choisir comment contrôler l'accès aux objets, sélectionnez une option de Contrôle des accès.
      • Sous Paramètres avancés (facultatif), choisissez une méthode de chiffrement, une règle de conservation ou des libellés de bucket.
   4. Cliquez sur Create (Créer).
   Vos notebooks seront enregistrés dans Cloud Storage sous gs://bucket-name/notebooks/jupyter.

Créer un cluster et installer le composant Jupyter

Créez un cluster avec le composant Jupyter installé.

Remarque : Lors de la création du cluster, spécifiez le nom du bucket créé à l'étape 2 Avant de commencer (ne spécifiez que le nom du bucket) en tant que staging bucket Dataproc (consultez la section Buckets de préproduction et buckets temporaires Dataproc pour obtenir des instructions sur la définition du bucket de préproduction). Vos notebooks seront enregistrés dans Cloud Storage sous gs://bucket-name/notebooks/jupyter.

Ouvrir les interfaces utilisateur Jupyter et JupyterLab

Cliquez sur les liens de la passerelle des composants de la console Google Cloud dans la console Google Cloud pour ouvrir le notebook Jupyter ou les interfaces utilisateur JupyterLab s'exécutant sur le nœud maître de votre cluster.

Le répertoire de premier niveau affiché par votre instance Jupyter est un répertoire virtuel qui vous permet de voir le contenu de votre bucket Cloud Storage ou de votre système de fichiers local. Vous pouvez choisir l'un ou l'autre de ces emplacements en cliquant sur le lien GCS pour Cloud Storage ou sur le lien Disque local pour le système de fichiers local du nœud maître dans votre cluster.

1. Cliquez sur le lien GCS. L'interface utilisateur Web des notebooks Jupyter affiche les notebooks stockés dans votre bucket Cloud Storage, y compris ceux que vous créez dans ce tutoriel.

   

Effectuer un nettoyage

Une fois le tutoriel terminé, vous pouvez procéder au nettoyage des ressources que vous avez créées afin qu'elles ne soient plus comptabilisées dans votre quota et qu'elles ne vous soient plus facturées. Dans les sections suivantes, nous allons voir comment supprimer ou désactiver ces ressources.

Supprimer le projet

Le moyen le plus simple d'empêcher la facturation est de supprimer le projet que vous avez créé pour ce tutoriel.

Pour supprimer le projet :

Attention : La suppression d'un projet aura les effets suivants :

• Tout le contenu du projet est supprimé. Si vous avez utilisé un projet existant pour les tâches de ce document, lorsque vous le supprimez, vous supprimez également tout autre travail effectué dans le projet.
• Les ID de projets personnalisés sont perdus. Lorsque vous avez créé ce projet, vous avez peut-être créé un ID de projet personnalisé que vous souhaitez utiliser à l'avenir. Pour conserver les URL qui utilisent l'ID de projet, telle qu'une URL appspot.com, supprimez les ressources sélectionnées dans le projet au lieu de supprimer l'ensemble du projet.

Si vous envisagez d'explorer plusieurs architectures, tutoriels et guides de démarrage rapide, réutiliser des projets peut vous aider à ne pas dépasser les limites de quotas des projets.

1. Dans la console Google Cloud, accédez à la page Gérer les ressources.

   Accéder à la page Gérer les ressources

2. Dans la liste des projets, sélectionnez le projet que vous souhaitez supprimer, puis cliquez sur Supprimer.
3. Dans la boîte de dialogue, saisissez l'ID du projet, puis cliquez sur Arrêter pour supprimer le projet.

Supprimer le cluster

• Pour supprimer le cluster :

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

Supprimer le bucket

• Pour supprimer le bucket Cloud Storage créé à l'étape 2 Avant de commencer, y compris les notebooks stockés dans le bucket :

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

Étapes suivantes

• Consultez le guide de démarrage rapide pour les notebooks Jupyter/IPython.