Componente opcional de Zeppelin del servicio administrado para Apache Spark

Puedes instalar componentes adicionales, como Zeppelin, cuando creas un clúster de Managed Service para Apache Spark con la función de componentes opcionales. En esta página, se describe el componente Zeppelin.

El componente de notebook de Zeppelin es un notebook basado en la Web para el análisis de datos interactivos. La IU web de Zeppelin está disponible en el puerto 8080 del primer nodo principal del clúster.

De forma predeterminada, los notebook se guardan en Cloud Storage en el bucket de etapa de pruebas de Managed Service para Apache Spark, que el usuario especifica o se crea de forma automática junto con el clúster. La ubicación se puede cambiar en el momento de la creación del clúster a través de la zeppelin:zeppelin.notebook.gcs.dir propiedad.

• Puedes configurar Zeppelin si proporcionas las propiedades del clúster zeppelin y zeppelin-env con prefijos.
  • Para reducir el riesgo de ejecución de código remoto sobre las API del servidor de notebook no seguro, la configuración predeterminada de la propiedad del clúster zeppelin:zeppelin.server.addr para las versiones de imagen 1.3 o posteriores es 127.0.0.1, que restringe las conexiones a localhost cuando la puerta de enlace del componente está habilitada.

Instala el componente

Instala el componente cuando crees un clúster de Managed Service para Apache Spark. Los componentes se pueden agregar a los clústeres creados con Managed Service para Apache Spark versión 1.3 y posteriores.

Consulta las versiones compatibles de Dataproc para la versión del componente incluida en cada versión de Managed Service para Apache Spark.

Google Cloud Consola de

1. En la Google Cloud consola, abre la página Crear clúster.
2. Haz clic en Configuración adicional para expandir esa sección.
3. Edita Componentes opcionales.
4. En el panel que se abre, selecciona la casilla de verificación de Zeppelin Notebook, y, luego, haz clic en Guardar.

gcloud CLI

Para crear un clúster de Managed Service para Apache Spark que incluya el componente de Zeppelin, usa el comando gcloud dataproc clusters create cluster-name con la marca --optional-components.

Cuando crees el clúster (versión de imagen 1.3.29 o posterior), usa el comando gcloud dataproc clusters create con la marca --enable-component-gateway como se muestra a continuación, para habilitar la conexión a la IU web del notebook de Zeppelin mediante la puerta de enlace de componentes.

gcloud dataproc clusters create cluster-name \
    --optional-components=ZEPPELIN \
    --region=region \
    --enable-component-gateway \
    ... other flags

API de REST

El componente Zeppelin se puede especificar a través de la API de Dataproc mediante SoftwareConfig.Component como parte de una solicitud clusters.create.

Con el uso de la API de Dataproc v1, establece la EndpointConfig.enableHttpPortAccess para true como parte de la solicitud clusters.create para habilitar la conexión a la IU web del notebook de Zeppelin mediante Puerta de enlace de componentes.

Abre el notebook de Zeppelin

Consulta Visualiza y accede a las URL de la puerta de enlace de componentes para hacer clic en los vínculos de la puerta de enlace de componentes en la Google Cloud consola de para abrir la IU del notebook de Zeppelin que se ejecuta en el nodo principal del clúster en tu navegador local.