Instalar e executar uma anotação do Jupyter em um cluster do Dataproc

Objetivos

Neste tutorial, mostramos como instalar os componentes Jupyter e Anaconda do Dataproc em um novo cluster e, em seguida, se conectar à IU do notebook Jupyter em execução no cluster a partir do navegador local. usando o gateway de componentes do Dataproc

Observação: a execução deste tutorial incorrerá em cobranças do Google Cloud. Consulte Preços do Dataproc.

Custos

Neste tutorial, usamos os seguintes componentes faturáveis do Google Cloud:

• Dataproc
• Cloud Storage

Para gerar uma estimativa de custo baseada na projeção de uso deste tutorial, use a calculadora de preços. Novos usuários do Google Cloud podem estar qualificados para uma avaliação gratuita.

Antes de começar

Caso ainda não tenha feito isso, crie um projeto do Google Cloud Platform e um bucketdo Cloud Storage.

1. Como configurar o projeto

   1. Faça login na sua conta do Google Cloud. Se você começou a usar o Google Cloud agora, crie uma conta para avaliar o desempenho de nossos produtos em situações reais. Clientes novos também recebem US$ 300 em créditos para executar, testar e implantar cargas de trabalho.

   2. No Console do Google Cloud, na página do seletor de projetos, selecione ou crie um projeto do Google Cloud.

      Observação: se você não pretende manter os recursos criados neste procedimento, crie um projeto novo em vez de selecionar um que já existe. Depois de concluir essas etapas, é possível excluir o projeto. Para fazer isso, basta remover todos os recursos associados a ele.

      Acessar o seletor de projetos

   3. Verifique se o faturamento está ativado para seu projeto na nuvem. Saiba como confirmar se o faturamento está ativado para o projeto.

   4. Ative as APIs Dataproc, Compute Engine, and Cloud Storage.

      Ative as APIs

   5. Instale e inicialize o SDK do Cloud..

   6. No Console do Google Cloud, na página do seletor de projetos, selecione ou crie um projeto do Google Cloud.

      Observação: se você não pretende manter os recursos criados neste procedimento, crie um projeto novo em vez de selecionar um que já existe. Depois de concluir essas etapas, é possível excluir o projeto. Para fazer isso, basta remover todos os recursos associados a ele.

      Acessar o seletor de projetos

   7. Verifique se o faturamento está ativado para seu projeto na nuvem. Saiba como confirmar se o faturamento está ativado para o projeto.

   8. Ative as APIs Dataproc, Compute Engine, and Cloud Storage.

      Ative as APIs

   9. Instale e inicialize o SDK do Cloud..

2. Como criar um bucket do Cloud Storage no projeto para armazenar todos os notebooks criados neste tutorial.

   1. No Console do Cloud, acesse a página Navegador do Cloud Storage.

      Acessar o navegador

   2. Clique em Criar bucket.
   3. Na página Criar um bucket, insira as informações do seu bucket. Para ir à próxima etapa, clique em Continuar.
      • Em Nomear o bucket, insira um nome que atenda aos requisitos de nomenclatura de bucket.
      • Em Escolha um local para armazenar seus dados, faça o seguinte:
        • Selecione uma opção de Tipo de local.
        • Escolha uma opção de Local.
      • Em Escolher uma classe de armazenamento padrão para seus dados, selecione uma classe de armazenamento.
      • Em Escolha como controlar o acesso a objetos, selecione uma opção de Controle de acesso.
      • Em Configurações avançadas (opcional), especifique um método de criptografia, uma política de retenção ou rótulos de bucket.
   4. Clique em Criar.
   Seus blocos de notas serão armazenados no Cloud Storage em gs://bucket-name/notebooks/jupyter.

Criar um cluster e instalar o componente Jupyter

Crie um cluster com o componente Jupyter instalado.

Observação: ao criar o cluster, especifique o nome do bucket criado na etapa 2 antes de começar. Especifique apenas o nome. do bucket como staging bucket do Dataproc. Consulte buckets de preparo e temporários do Dataproc para instruções sobre como configurar o bucket de preparo. Seus blocos de notas serão armazenados no Cloud Storage em gs://bucket-name/notebooks/jupyter.

Abrir as IUs do Jupyter e do JupyterLab

Clique nos links de gateway de componente do Console do Cloud no Console do Cloud para abrir o notebook do Jupyter ou as IUs do JupyterLab em execução no nó mestre do cluster.

O diretório de nível superior exibido pela instância do Jupyter é um diretório virtual que permite ver o conteúdo do bucket do Cloud Storage ou do sistema de arquivos local. Escolha um dos locais clicando no link GCS do Cloud Storage ou em Disco local para o sistema de arquivos local do nó mestre no cluster.

1. Clique no link GCS. A IU da Web do notebook Jupyter exibe os notebooks armazenados no bucket do Cloud Storage, incluindo os notebooks criados neste tutorial.

   

Limpar

Depois de concluir o tutorial, você pode limpar os recursos que criou para que eles parem de usar a cota e gerar cobranças. Nas seções a seguir, você aprenderá a excluir e desativar esses recursos.

Excluir o projeto

O jeito mais fácil de evitar cobranças é excluindo o projeto que você criou para o tutorial.

Para excluir o projeto:

Cuidado: excluir um projeto tem os seguintes efeitos:

• Tudo no projeto é excluído. Se você tiver usado um projeto atual para seguir este tutorial, a exclusão dele incluirá quaisquer outras ações feitas no projeto.
• Os IDs do projeto personalizados são perdidos. Ao criar o projeto, você pode ter criado um código do projeto personalizado para ser usado no futuro. Para preservar os URLs que usam o ID do projeto, como um URL appspot.com, exclua recursos específicos do projeto, em vez de excluir o projeto inteiro.

Se você planeja explorar vários tutoriais e guias de início rápido, a reutilização de projetos pode evitar que você exceda os limites da cota do projeto.

1. No Console do Cloud, acesse a página Gerenciar recursos:

   Acessar "Gerenciar recursos"

2. Na lista de projetos, selecione o projeto que você quer excluir e clique em Excluir .
3. Na caixa de diálogo, digite o ID do projeto e clique em Encerrar para excluí-lo.

Exclusão do cluster

• Para excluir o cluster:

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

Exclusão do bucket

• Para excluir o bucket do Cloud Storage criado em Antes de começar, siga a etapa 2, incluindo os notebooks armazenados no bucket:

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

A seguir

• Consulte o Guia de início rápido do Jupyter/IPython Notebook