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

Coûts

Ce tutoriel utilise les composants facturables suivants de Google Cloud :

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. Configurez 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.

      Accéder au sélecteur de projet

    3. Assurez-vous que la facturation est activée pour votre projet Cloud. Découvrez comment vérifier que la facturation est activée pour votre projet.

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

      Activer les API

    5. Installez et initialisez le SDK Cloud.
    6. Dans Google Cloud Console, sur la page de sélection du projet, sélectionnez ou créez un projet Google Cloud.

      Accéder au sélecteur de projet

    7. Assurez-vous que la facturation est activée pour votre projet Cloud. Découvrez comment vérifier que la facturation est activée pour votre projet.

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

      Activer les API

    9. Installez et initialisez le SDK Cloud.

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

    1. Dans Cloud Console, accédez à la page du navigateur Cloud Storage.

      Accéder à la page du navigateur

    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 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).
    5. 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.

Ouvrir les interfaces utilisateur Jupyter et JupyterLab

Cliquez sur les liens de la passerelle des composants Cloud Console dans Cloud Console pour ouvrir les interfaces utilisateur du notebook Jupyter ou JupyterLab exécutées sur le nœud maître de votre cluster.

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

  1. Cliquez sur le lien GCS. L'interface utilisateur Web du notebook Jupyter affiche les notebooks stockés dans votre bucket Cloud Storage, y compris ceux que vous avez créés 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 :

  1. Dans Cloud Console, 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}
    

Étape suivante