Menggunakan Dataproc Hub

Dataproc Hub dan notebook yang dikelola pengguna Vertex AI Workbench tidak digunakan lagi. Pada 30 Januari 2025, dukungan untuk notebook yang dikelola pengguna akan berakhir dan kemampuan untuk membuat instance notebook yang dikelola pengguna akan dihapus. Untuk solusi notebook alternatif di Google Cloud, lihat:

• Instal komponen Jupyter di cluster Dataproc Anda.
• Buat instance Vertex AI Workbench yang mendukung Dataproc.

Membuat cluster JupyterLab Dataproc dari Dataproc Hub

1. Pilih tab User-Managed Notebooks di halaman Dataproc→Workbench di konsol Google Cloud .

2. Klik Open JupyterLab di baris yang mencantumkan instance Dataproc Hub yang dibuat oleh administrator.

   1. Jika Anda tidak memiliki akses ke konsol Google Cloud , masukkan URL instance Hub Dataproc yang dibagikan oleh administrator kepada Anda di browser web.

3. Di halaman Jupyterhub→Dataproc Options, pilih konfigurasi cluster dan zona. Jika diaktifkan, tentukan penyesuaian, lalu klik Buat.

   

   Setelah cluster Dataproc dibuat, Anda akan dialihkan ke antarmuka JupyterLab yang berjalan di cluster.

Membuat notebook dan menjalankan tugas Spark

1. Di panel kiri antarmuka JupyterLab, klik GCS (Cloud Storage).

2. Buat notebook PySpark dari peluncur JupyterLab.

   

3. Kernel PySpark menginisialisasi SparkContext (menggunakan variabel sc). Anda dapat memeriksa SparkContext dan menjalankan tugas Spark dari notebook.

   rdd = (sc.parallelize(['lorem', 'ipsum', 'dolor', 'sit', 'amet', 'lorem'])
          .map(lambda word: (word, 1))
          .reduceByKey(lambda a, b: a + b))
   print(rdd.collect())
   

   

4. Beri nama dan simpan notebook. Notebook disimpan dan tetap berada di Cloud Storage setelah cluster Dataproc dihapus.

Matikan cluster Dataproc

1. Dari antarmuka JupyterLab, pilih File→Hub Control Panel untuk membuka halaman Jupyterhub.

   Saat menggunakan versi image Dataproc 1.4 atau yang lebih lama, buka /hub/home untuk mengakses halaman Jupyterhub.

2. Klik Stop My Cluster untuk mematikan (menghapus) server JupyterLab, yang akan menghapus cluster Dataproc.

   Menghentikan server dan menghapus cluster tidak akan menghapus instance Dataproc Hub. Anda dapat mengklik Start my server di halaman Jupyterhub (Hub Control Panel) atau memilih link Open JupyterLab untuk instance Dataproc Hub Anda di halaman Dataproc→Workbench→User-Managed Notebooks di konsol Google Cloud untuk membuka, mengonfigurasi, dan membuat cluster Dataproc JupyterLab lainnya.