使用可选组件功能创建 Managed Service for Apache Spark 集群时，可以安装 Jupyter 等其他组件。本页面介绍了 Jupyter 组件。
Jupyter 组件是一个基于网页的单用户笔记本，用于交互式数据分析，并支持 JupyterLab 网页界面。您可以通过集群的第一个主节点上的 8123 端口访问 Jupyter 网页界面。
为多个用户启动笔记本。您可以创建启用了 Managed Service for Apache Spark 的 Vertex AI Workbench 实例，也可以在虚拟机上安装 Managed Service for Apache Spark JupyterLab 插件，以便向多个用户提供笔记本。
配置 Jupyter。您可以通过提供 dataproc:jupyter 集群属性来配置 Jupyter。为降低通过不安全的笔记本服务器 API 执行远程代码的风险，默认将 dataproc:jupyter.listen.all.interfaces 集群属性设置为 false。启用组件网关时，该设置会将连接限制为 localhost (127.0.0.1)（安装 Jupyter 组件时必须激活组件网关）。
Jupyter 笔记本提供了一个用于运行 Spark 代码的 Python 内核和一个 PySpark 内核。默认情况下，笔记本保存在 Cloud Storage 的 Managed Service for Apache Spark 暂存存储桶中，该存储桶由用户指定，或在创建集群时自动创建。在创建集群时，通过设置 dataproc:jupyter.notebook.gcs.dir 集群属性来更改该位置。
处理数据文件。您可以使用 Jupyter 笔记本处理已上传到 Cloud Storage 的数据文件。由于 Cloud Storage 连接器已预安装在 Managed Service for Apache Spark 集群上，因此您可以直接在笔记本中引用这些文件。以下示例展示了如何访问 Cloud Storage 中的 CSV 文件：
df = spark.read.csv("gs://bucket/path/file.csv")
df.show()
如需查看 PySpark 示例，请参阅通用加载和保存函数。
安装 Jupyter
在创建 Managed Service for Apache Spark 集群时安装该组件。Jupyter 组件需要激活 Managed Service for Apache Spark 组件网关。
控制台
- 启用组件。
- 在 Google Cloud 控制台中，打开 Managed Service for Apache Spark 创建集群页面。设置集群面板已处于选中状态。
- 在组件部分中执行以下操作：
- 在可选组件下，选择 Jupyter 组件。
- 在组件网关下，选择启用组件网关（请参阅查看和访问组件网关网址）。
gcloud CLI
如需创建包含 Jupyter 组件的 Managed Service for Apache Spark 集群，请使用带有 --optional-components 标志的 gcloud dataproc clusters create cluster-name 命令。
最新默认映像版本的示例
以下示例演示如何在使用最新默认映像版本的集群上安装 Jupyter 组件。
gcloud dataproc clusters create cluster-name \ --optional-components=JUPYTER \ --region=region \ --enable-component-gateway \ ... other flags
REST API
可以通过 Managed Service for Apache Spark API，将 SoftwareConfig.Component 作为 clusters.create 请求的一部分来安装 Jupyter 组件。
- 在
clusters.create请求中，将 EndpointConfig.enableHttpPortAccess 属性设置为true，以便通过组件网关连接到 Jupyter 笔记本网页界面。
打开 Jupyter 和 JupyterLab 界面
点击 Google Cloud 控制台的组件网关链接，在本地浏览器中打开在集群主节点上运行的 Jupyter 笔记本或 JupyterLab 界面。
选择“GCS”或“Local Disk”在任一位置创建一个新的 Jupyter 笔记本。
将 GPU 挂接到主节点和工作器节点
在使用 Jupyter 笔记本执行以下操作时，您可以向集群的主节点和工作器节点添加 GPU：
- 在 Spark 中预处理数据，然后将 DataFrame 收集到主节点上并运行 TensorFlow
- 使用 Spark 编排 TensorFlow 并行运行
- 运行 Tensorflow-on-YARN
- 与使用 GPU 的其他机器学习场景搭配使用