Créer des sessions interactives et des modèles de session

Cette page vous explique comment créer des sessions interactives et des modèles de session Serverless pour Apache Spark. Un modèle de session peut être utilisé pour créer plusieurs sessions interactives basées sur la configuration du modèle de session.

Remarque : Les sessions interactives Serverless pour Apache Spark sont associées à des notebooks interactifs. Pour obtenir un exemple d'utilisation de session avec des notebooks Jupyter, consultez Utiliser le plug-in JupyterLab pour Dataproc pour les sessions de notebook par lot et interactives sans serveur. Pour obtenir des exemples d'utilisation de session dans les notebooks BigQuery Studio, consultez Exécuter du code PySpark dans les notebooks BigQuery Studio.

Créer une session interactive

Vous pouvez utiliser la Google Cloud CLI ou l'API Dataproc pour créer une session interactive Serverless pour Apache Spark.

gcloud

Vous pouvez utiliser les gcloud beta dataproc sessions create command SESSION_NAME pour créer une session interactive Serverless pour Apache Spark.

gcloud beta dataproc sessions create spark SESSION_ID \
    --location=REGION \
    optional flags ...

Remplacez ou ajoutez les éléments suivants :

• SESSION_ID : obligatoire. ID de la session.

• REGION : obligatoire. Région disponible pour localiser votre session.

• --version : facultatif. Version d'exécution Spark compatible . Si vous n'utilisez pas cet indicateur pour spécifier une version, la version d'exécution Spark par défaut actuelle est utilisée.

• --container-image : facultatif. Une image de conteneur personnalisée à utiliser pour votre session.

• --property : facultatif. Une ou plusieurs propriétés Spark séparées par une virgule pour votre session.

• --service-account : facultatif. Compte de service à utiliser pour votre session. S'il n'est pas spécifié, le compte de service Compute Engine par défaut est utilisé.

• --subnet : facultatif. Nom d'un sous-réseau dans la région de la session. S'il n'est pas spécifié, Serverless pour Apache Spark utilise le sous-réseau default dans la région de la session. Serverless pour Apache Spark active l'accès privé à Google (PGA) sur le sous-réseau. Pour connaître les exigences en matière de connectivité réseau, consultez Google Cloud Configuration du réseau Serverless pour Apache Spark.

REST

Vous pouvez utiliser l'API Dataproc sessions.create pour créer une session interactive Serverless pour Apache Spark.

Remarques :

• name : obligatoire. Nom de la session.

• version : facultatif. L'une des versions d'exécution Spark compatibles pour votre session. Si vous ne spécifiez pas de version, la version par défaut actuelle est utilisée.

• containerImage : facultatif. Une image de conteneur personnalisée à utiliser pour votre session.

• properties : facultatif. Mappage des noms de propriétés de session sur des valeurs. Consultez Propriétés Spark.

• serviceAccount : facultatif. Compte de service à utiliser pour exécuter votre session. S'il n'est pas spécifié, le compte de service Compute Engine par défaut est utilisé.

• subnetworkUri : facultatif. Nom d'un sous-réseau dans la région de la session. S'il n'est pas spécifié, Serverless pour Apache Spark utilise le sous-réseau default dans la région de la session. Serverless pour Apache Spark active l'accès privé à Google (PGA) sur le sous-réseau. Pour connaître les exigences en matière de connectivité réseau, consultez Google Cloud Configuration du réseau Serverless pour Apache Spark.

Créer un modèle de session

Un modèle de session Serverless pour Apache Spark définit les paramètres de configuration permettant de créer une ou plusieurs sessions interactives Serverless pour Apache Spark. Vous pouvez utiliser la Google Cloud console, la gcloud CLI ou l'API Dataproc pour créer un modèle de session Serverless pour Apache Spark pour une session Jupyter ou Spark Connect.

Remarque : Vous pouvez créer une session dans un notebook BigQuery Studio à partir de un modèle de session Serverless pour Apache Spark. Cette section explique comment configurer le modèle pour l'utiliser dans un notebook BigQuery Studio.

Console

Pour créer un modèle de session Serverless pour Apache Spark à l'aide de la Google Cloud console, procédez comme suit :

1. Dans la Google Cloud console, accédez à la page **Modèles de session**.

   Accéder aux modèles de session

   1. Cliquez sur Créer.

2. Sur la page Créer un modèle de session, saisissez ou confirmez les paramètres de configuration du modèle. Veuillez noter les points suivants :

   • ID d'exécution du modèle : obligatoire. Acceptez l'ID (nom) par défaut ou spécifiez un nom d'exécution de modèle.
   • Région : obligatoire. Acceptez la région par défaut ou spécifiez une région disponible pour les sessions de modèle.
   • Version d'exécution : facultatif. Les environnements d'exécution de session sélectionnables correspondent aux versions d'exécution Serverless pour Apache Spark.
     • Exigence de session de notebook BigQuery Studio : si vous créez un modèle à utiliser pour les sessions Spark Connect de notebook BigQuery Studio, il doit utiliser la version d'exécution Spark 2.3 ou ultérieure.
   • Type de configuration du modèle : obligatoire. Sélectionnez un type. Si vous sélectionnez Jupyter, spécifiez le Nom à afficher et sélectionnez le Type de kernel Jupyter. Consultez également Lancer un notebook Jupyter sur Serverless pour Apache Spark.
     • Exigence de session de notebook BigQuery Studio les sessions de notebook BigQuery Studio doivent spécifier Spark Connect comme type de configuration du modèle.
   • Compte de service : facultatif. Compte de service à utiliser pour exécuter les sessions basées sur un modèle. S'il n'est pas spécifié, le compte de service Compute Engine par défaut est utilisé.
   • Image de conteneur personnalisée : facultatif. Image de conteneur personnalisée à utiliser pour vos sessions basées sur un modèle.
   • Propriétés : facultatif. Cliquez sur Ajouter un élément pour chaque propriété à définir pour vos sessions basées sur un modèle. Pour en savoir plus, consultez Propriétés Spark.
   • Configuration réseau : * obligatoire. Sélectionnez un sous-réseau dans la région de la session. Serverless pour Apache Spark active l'accès privé à Google sur le sous-réseau spécifié. Pour connaître les exigences en matière de connectivité réseau, consultez Google Cloud Configuration du réseau Serverless pour Apache Spark.

3. Cliquez sur Envoyer pour créer le modèle de session.

gcloud

Vous ne pouvez pas créer directement un modèle de session Serverless pour Apache Spark à l'aide de la gcloud CLI, mais vous pouvez utiliser la gcloud beta dataproc session-templates import commande pour importer un modèle de session existant. Vous pouvez modifier le modèle importé, puis l'exporter à l'aide de la commande gcloud beta dataproc session-templates export.

REST

Vous pouvez utiliser l'API Dataproc sessionTemplates.create pour créer un modèle de session Serverless pour Apache Spark.

Remarques :

• name : obligatoire. Nom du modèle de session.

• version : facultatif. L'une des versions d'exécution Spark compatibles pour vos sessions basées sur un modèle. Si vous ne spécifiez pas de version, la version par défaut est utilisée.

  • Exigence de session de notebook BigQuery Studio : si vous créez un modèle à utiliser pour les sessions Spark Connect de notebook BigQuery Studio, il doit utiliser la version d'exécution Spark 2.3 ou ultérieure.

• sessionConfig : spécifiez jupyter_session ou spark_connect_session. Si vous spécifiez jupyter_session, spécifiez également les JupyterConfig.display_name et JupyterConfig.kernel. Consultez également Lancer un notebook Jupyter sur Serverless pour Apache Spark.

  • Exigence de session de notebook BigQuery Studio les sessions de notebook BigQuery Studio doivent spécifier Spark Connect comme type de configuration du modèle.

• containerImage : facultatif. Image de conteneur personnalisée à utiliser pour vos sessions basées sur un modèle.

• properties : facultatif. Mappage des noms de propriétés de session sur des valeurs. Consultez Propriétés Spark.

• serviceAccount : facultatif. Compte de service à utiliser pour exécuter vos sessions basées sur un modèle. S'il n'est pas spécifié, le compte de service Compute Engine par défaut est utilisé.

• subnetworkUri : facultatif. Nom d'un sous-réseau dans la région de la session. S'il n'est pas spécifié, Serverless pour Apache Spark utilise le sous-réseau default dans la région de la session. Serverless pour Apache Spark active l'accès privé à Google (PGA) sur le sous-réseau. Pour connaître les exigences en matière de connectivité réseau, consultez Google Cloud Configuration du réseau Serverless pour Apache Spark.