在 Dataproc 集群上安装并运行 Jupyter 笔记本

目标

本教程介绍如何在新集群上安装 Dataproc Jupyter 和 Anaconda 组件,然后使用 Dataproc 组件网关从本地浏览器连接到在集群上运行的 Jupyter 笔记本界面。

费用

本教程使用 Google Cloud 的如下计费组件:

请使用价格计算器根据您的预计使用情况来估算费用。Google Cloud 新用户可能有资格申请免费试用

准备工作

如果您尚未创建 Google Cloud Platform 项目和 Cloud Storage 存储分区,请首先创建这些资源。

  1. 设置项目

    1. 登录您的 Google Cloud 帐号。如果您是 Google Cloud 新手,请创建一个帐号来评估我们的产品在实际场景中的表现。新客户还可获享 $300 赠金,用于运行、测试和部署工作负载。
    2. 在 Google Cloud Console 的项目选择器页面上,选择或创建一个 Google Cloud 项目。

      转到“项目选择器”

    3. 确保您的 Cloud 项目已启用结算功能。 了解如何确认您的项目是否已启用结算功能

    4. 启用 Dataproc, Compute Engine, and Cloud Storage API。

      启用 API

    5. 安装并初始化 Cloud SDK
    6. 在 Google Cloud Console 的项目选择器页面上,选择或创建一个 Google Cloud 项目。

      转到“项目选择器”

    7. 确保您的 Cloud 项目已启用结算功能。 了解如何确认您的项目是否已启用结算功能

    8. 启用 Dataproc, Compute Engine, and Cloud Storage API。

      启用 API

    9. 安装并初始化 Cloud SDK

  2. 在您的项目中创建 Cloud Storage 存储分区,以存储您在本教程中创建的任何笔记本。

    1. 在 Cloud Console 中,转到 Cloud Storage 浏览器页面。

      转到浏览器

    2. 点击创建存储分区
    3. 创建存储分区页面上,输入您的存储分区信息。要转到下一步,请点击继续
      • 指定存储分区的名称中,输入符合存储分区命名要求的名称。
      • 对于选择数据存储位置,执行以下操作:
        • 选择位置类型选项。
        • 选择位置选项。
      • 对于为数据选择一个默认存储类别,请选择一个存储类别
      • 对于选择如何控制对象的访问权限,请选择访问权限控制选项。
      • 对于高级设置(可选),请指定加密方法保留政策存储分区标签
    4. 点击创建
    5. 您的笔记本将存储在 Cloud Storage 中的 gs://bucket-name/notebooks/jupyter 下。

创建集群并安装 Jupyter 组件

使用已安装的 Jupyter 组件创建集群

打开 Jupyter 和 JupyterLab 界面

点击 Cloud Console 中的 Cloud Console 组件网关链接,以打开集群主节点上运行的 Jupyter 笔记本或 JupyterLab 界面。

Jupyter 实例显示的顶级目录是一个虚拟目录,可让您查看 Cloud Storage 存储分区或本地文件系统的内容。您可以通过点击集群中 Cloud Storage 的 GCS 链接或集群中主节点的本地文件系统的本地磁盘来选择位置。

  1. 点击 GCS 链接。Jupyter 笔记本网页界面会显示存储在 Cloud Storage 存储分区中的笔记本,包括您在本教程中创建的所有笔记本。

清除数据

完成本教程后,您可以清理您创建的资源,让它们停止使用配额,以免产生费用。以下部分介绍如何删除或关闭这些资源。

删除项目

为了避免产生费用,最简单的方法是删除您为本教程创建的项目。

要删除项目,请执行以下操作:

  1. 在 Cloud Console 中,转到管理资源页面。

    转到“管理资源”

  2. 在项目列表中,选择要删除的项目,然后点击删除
  3. 在对话框中输入项目 ID,然后点击关闭以删除项目。

删除集群

  • 如需删除您的集群,请输入以下命令:
    gcloud dataproc clusters delete cluster-name \
        --region=${REGION}
    

删除存储分区

  • 如需删除您在准备工作第 2 步中创建的 Cloud Storage 存储分区,包括存储在存储分区中的笔记本,请运行以下命令:
    gsutil -m rm -r gs://${BUCKET_NAME}
    

后续步骤