在集群上安装并运行 Jupyter 笔记本

目标

本教程介绍如何在新集群上安装 Managed Service for Apache Spark Jupyter 组件，然后使用 Managed Service for Apache Spark 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。

注意 ：运行本教程将产生 Google Cloud 费用 - 请参阅 Managed Service for Apache Spark 价格。

费用

在本文档中，您将使用 Google Cloud的以下收费组件：

• Managed Service for Apache Spark
• Cloud Storage

如需根据您的预计使用情况来估算费用，请使用价格计算器。

新 Google Cloud 用户可能有资格申请免费试用。

准备工作

如果您尚未创建项目和 Cloud Storage 存储桶，请先创建这些资源。 Google Cloud

1. 设置项目

   登录您的 Google Cloud 账号。如果您是 Google Cloud新手，请 创建一个账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。

   In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Roles required to select or create a project

   • Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
   • Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

   Go to project selector

   Verify that billing is enabled for your Google Cloud project.

   Enable the Dataproc, Compute Engine, and Cloud Storage APIs.

   Roles required to enable APIs

   To enable APIs, you need the Service Usage Admin IAM role (roles/serviceusage.serviceUsageAdmin), which contains the serviceusage.services.enable permission. Learn how to grant roles.

   Enable the APIs

   安装 Google Cloud CLI。

   如果您使用的是外部身份提供方 (IdP)，则必须先使用联合身份登录 gcloud CLI。

   如需初始化 gcloud CLI，请运行以下命令：

   gcloud init

   In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Roles required to select or create a project

   • Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
   • Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

   Go to project selector

   Verify that billing is enabled for your Google Cloud project.

   Enable the Dataproc, Compute Engine, and Cloud Storage APIs.

   Roles required to enable APIs

   To enable APIs, you need the Service Usage Admin IAM role (roles/serviceusage.serviceUsageAdmin), which contains the serviceusage.services.enable permission. Learn how to grant roles.

   Enable the APIs

   安装 Google Cloud CLI。

   如果您使用的是外部身份提供方 (IdP)，则必须先使用联合身份登录 gcloud CLI。

   如需初始化 gcloud CLI，请运行以下命令：

   gcloud init

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 Google Cloud 控制台中，前往 Cloud Storage 存储分区页面。

      进入“存储桶”

   2. 点击 创建。
   3. 在创建存储桶页面上，输入您的存储桶信息。要转到下一步，请点击继续。
      1. 在开始使用部分中，执行以下操作：
         • 输入符合存储桶命名要求的全局唯一的名称。
         • 如需添加存储桶标签，请展开标签部分 ()，点击 添加标签，并为标签指定 key 和 value。
      2. 在选择数据存储位置部分，执行以下操作：
         1. 选择位置类型。
         2. 从位置类型下拉菜单中选择一个位置，用于永久存储存储桶的数据。
            • 如果您选择双区域位置类型，还可以通过勾选相关复选框来启用增强型复制。
         3. 如需设置跨存储桶复制，请选择通过 Storage Transfer Service 添加跨存储桶复制，然后按照以下步骤操作：

            设置跨存储桶复制

            1. 在存储桶菜单中，选择一个存储桶。

            2. 在复制设置部分中，点击配置以配置复制作业的设置。

               系统会显示配置跨存储桶复制窗格。

               • 如需按对象名称前缀过滤要复制的对象，请输入要用于包含或排除对象的前缀，然后点击 添加前缀。
               • 如需为复制的对象设置存储类别，请从存储类别菜单中选择一个存储类别。 如果您跳过此步骤，则复制的对象会默认使用目标存储桶的存储类别。
               • 点击完成。
      3. 在选择数据存储方式部分中，执行以下操作：
         1. 为存储桶选择默认存储类别，或者选择 Autoclass 对存储桶数据进行自动存储类别管理。
         2. 如需启用分层命名空间，请在针对数据密集型工作负载优化存储部分中，选择在此存储桶上启用分层命名空间。
            注意：您无法在现有存储分区中启用分层命名空间。
      4. 在选择如何控制对对象的访问权限部分中，选择存储桶是否强制执行禁止公开访问，然后为存储桶对象选择访问权限控制方法。
         注意：如果禁止公开访问设置是在组织政策层面强制执行的，您将无法更改此设置。
      5. 在选择如何保护对象数据部分中，执行以下操作：
         • 在数据保护下，选择您要为存储桶设置的任何选项。
           • 如需启用软删除，请选中软删除政策（用于数据恢复）复选框，然后指定您希望在删除对象后保留对象的天数。
           • 如需设置对象版本控制，请选中对象版本控制（用于版本控制）复选框，然后指定每个对象的最大版本数以及非当前版本过期前的天数。
           • 如需为对象和存储分区启用保留政策，请点击保留（合规性）复选框，然后执行以下操作：
             • 如需启用对象保留锁定，请点击启用对象保留复选框。
             • 如需启用存储桶锁定，请点击设置存储桶保留政策复选框，然后为保留期限选择时间单位和时长。
         • 如需选择对象数据的加密方式，请展开数据加密部分 ()，然后选择数据加密方法。
   4. 点击创建。
   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。

注意 ：创建集群时，指定您在准备工作第 2 步中创建的存储桶的名称（仅指定名称作为 Managed Service for Apache Spark staging bucket），如需设置暂存存储桶，请参阅 Dataproc 暂存存储桶和临时存储桶。您的笔记本将存储在 Cloud Storage 中的 gs://bucket-name/notebooks/jupyter 下。

打开 Jupyter 和 JupyterLab 界面

点击 Google Cloud 控制台的Google Cloud 控制台组件网关链接，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 存储桶或本地文件系统的内容。您可以通过点击 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 存储桶中的笔记本，包括您在本教程中创建的所有笔记本。

清理

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：

注意：删除项目会产生以下影响：

• 项目中的所有内容都会被删除。如果您将现有项目用于本文档中的任务，则删除该项目后，还将删除您已在该项目中完成的任何其他工作。
• 自定义项目 ID 丢失。创建此项目时，您可能创建了要在将来使用的自定义项目 ID。要保留使用该项目 ID 的网址（例如 appspot.com 网址），请删除项目内的所选资源，而不是删除整个项目。

如果您打算探索多个架构、教程或快速入门，则重复使用项目可以帮助您避免超出项目配额限制。

1. 在 Google Cloud 控制台中，前往管理资源页面。

   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}
  

删除存储桶

• 如需删除您在准备工作第 2 步中创建的 Cloud Storage 存储桶，包括存储在存储桶中的笔记本，请运行以下命令：

  gcloud storage rm gs://${BUCKET_NAME} --recursive
  

后续步骤

• 请参阅 Jupyter/IPython 笔记本快速入门指南