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

Objetivo: este tutorial mostra como instalar os componentes Jupyter e Anaconda do Dataproc em um novo cluster e conectar-se à IU do Jupyter Notebook em execução no cluster a partir do navegador local usando o Gateway de Componentes do Dataproc.

Observação: a execução deste tutorial gerará cobranças do Google Cloud. Consulte os Preços do Dataproc .

Antes de começar

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

Criar o projeto

1. Faça login na sua conta do Google.

   Se você ainda não tiver uma, inscreva-se.

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 a página do 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 and Compute Engine.

   Ative as APIs

5. Instale e inicialize o SDK do Cloud..

Crie um bucket do Cloud Storage no projeto

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

   Acessar a página "Navegador do Cloud Storage"

2. Clique em Criar bucket.
3. Na caixa de diálogo Criar bucket, especifique os seguintes atributos.
   • Nome exclusivo do bucket, sujeito aos requisitos de nome de bucket.
   • Uma classe de armazenamento.
   • Um local onde os dados do bucket serão armazenados.
4. Clique em Criar.
Seus notebooks serão armazenados no Cloud Storage em gs://bucket-name/notebooks/jupyter.

Criar um cluster e instalar o componente Jupyter

Comando gcloud

1. Execute localmente o seguinte comando gcloud beta dataproc clusters create em uma janela de terminal ou no Cloud Shell:

   1. crie o cluster e instale os componentes do Jupyter e do Anaconda no nó mestre do cluster
   2. ative o Gateway de componentes

   Insira os valores para cluster-name, bucket-name e project-id no comando abaixo. Para bucket-name, especifique o nome do bucket criado em Criar um bucket do Cloud Storage no projeto (especifique apenas o nome do bucket). Seus blocos de notas serão armazenados no Cloud Storage em gs://bucket-name/notebooks/jupyter.

   Linux/macOS

   gcloud beta dataproc clusters create cluster-name \
       --optional-components=ANACONDA,JUPYTER \
       --image-version=1.3 \
       --enable-component-gateway \
       --bucket=bucket-name \
       --region=region \
       --project=project-id
   

   Windows

   gcloud dataproc clusters create cluster-name ^
       --optional-components=ANACONDA,JUPYTER ^
       --image-version=1.3 ^
       --enable-component-gateway ^
       --bucket=bucket-name ^
       --region=region ^
       --project=project-id
   

Console

1. Acesse a página Clusters do Dataproc no Console do Cloud.
2. Clique em Criar cluster para abrir a página "Criar um cluster".

   

3. Digite o nome do cluster no campo Nome.
4. Selecione uma região e uma zona para o cluster nos menus suspensos Região e Zona. Consulte Regiões e zonas disponíveis. Especifique uma região distinta e selecione "Sem preferência" para a zona a fim de permitir que o Dataproc escolha uma zona dentro da região selecionada para o cluster. Consulte Colocação em zona automática do Dataproc). Em vez disso, selecione uma região de global, que é um namespace especial de várias regiões capaz de implantar instâncias em todas as zonas do Compute Engine globalmente. Ao selecionar uma região global, você também precisa selecionar uma zona.
5. Marque a caixa de seleção "Gateway de componentes".

   

6. Expanda o painel Opções avançadas.

   

7. Digite o nome do bucket criado em Criar um Cloud Storage no projeto, no campo bucket de preparo do Cloud Storage. Só especifique o nome do bucket. Seus blocos de notas serão armazenados no Cloud Storage em gs://bucket-name/notebooks/jupyter.

   

8. Clique em "Selecionar componente" para abrir o painel de seleção de componentes opcionais.

   

9. Selecione os componentes "Anaconda" e "Jupyter Notebook".

   

10. Você pode usar os padrões fornecidos para as outras opções.

11. Clique em criar para criar o cluster e instalar os componentes e o gateway do componente no nó mestre do cluster.

Abrir a anotação do Jupyter no navegador local

1. Navegue até o formulário Clusters do Dataproc no Google Cloud Console e selecione o cluster para abrir o formulário Detalhes do cluster. Clique na guia Interfaces da Web para exibir uma lista de links do Gateway de componentes para as interfaces da Web dos componentes padrão e opcionais instalados no cluster.

   

2. Clique no link Jupyter. A IU da Web do notebook do Jupyter será aberta no navegador local.

   

Para mais informações:: consulte o Guia de início rápido do Jupyter/IPython Notebook.