Crea un clúster con la consola de Google Cloud

Crea un clúster con la consola de Google Cloud

En esta página, se muestra cómo usar la consola de Google Cloud para crear un clúster de Managed Service para Apache Spark, ejecutar un trabajo básico de Apache Spark en el clúster y, luego, modificar la cantidad de trabajadores en él.

---

Para seguir la guía paso a paso sobre esta tarea directamente en la consola Google Cloud , haz clic en Guiarme:

Guiarme

---

Antes de comenzar

Accede a tu cuenta de Google Cloud . Si eres nuevo en Google Cloud, crea una cuenta para evaluar el rendimiento de nuestros productos en situaciones reales. Los clientes nuevos también obtienen $300 en créditos gratuitos para ejecutar, probar y, además, implementar cargas de trabajo.

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 you have the permissions required to complete this guide.

Verify that billing is enabled for your Google Cloud project.

Enable the Dataproc API, if it is not already enabled.

Roles required to enable APIs

To enable APIs, you need the serviceusage.services.enable permission. If you created the project, then you likely already have this permission through the Owner role (roles/owner). Otherwise, you can get this permission through the Service Usage Admin role (roles/serviceusage.serviceUsageAdmin). Learn how to grant roles.

Enable the API

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 you have the permissions required to complete this guide.

Verify that billing is enabled for your Google Cloud project.

Enable the Dataproc API, if it is not already enabled.

Roles required to enable APIs

To enable APIs, you need the serviceusage.services.enable permission. If you created the project, then you likely already have this permission through the Owner role (roles/owner). Otherwise, you can get this permission through the Service Usage Admin role (roles/serviceusage.serviceUsageAdmin). Learn how to grant roles.

Enable the API

Roles obligatorios

Se requieren ciertos roles de Identity and Access Management (IAM) para ejecutar los ejemplos de esta página. Según las políticas de la organización, es posible que ya se hayan otorgado estos roles. Para verificar las asignaciones de roles, consulta ¿Necesitas otorgar roles?.

Para obtener más información sobre cómo otorgar roles, consulta Administra el acceso a proyectos, carpetas y organizaciones.

Funciones de usuario

Para obtener los permisos que necesitas para crear un clúster de Managed Service para Apache Spark, pídele a tu administrador que te otorgue los siguientes roles de IAM:

• Editor de Dataproc (roles/dataproc.editor) en el proyecto
• Usuario de la cuenta de servicio (roles/iam.serviceAccountUser) en la cuenta de servicio predeterminada de Compute Engine

Función de cuenta de servicio

Para garantizar que la cuenta de servicio predeterminada de Compute Engine tenga los permisos necesarios para crear un clúster de Managed Service para Apache Spark, pídele a tu administrador que otorgue los siguientes roles de IAM a la cuenta de servicio predeterminada de Compute Engine en el proyecto:

Importante: Debes otorgar estos roles a la cuenta de servicio predeterminada de Compute Engine, no a tu cuenta de usuario. Si no se otorgan los roles a la principal correcta, es posible que se produzcan errores de permisos.

• Todos: Trabajador de Dataproc (roles/dataproc.worker)

Crea un clúster

1. En el menú de navegación de la consola de Google Cloud , en Infraestructura, ve a la página Clústeres de Managed Service para Apache Spark.

   Ir a los clústeres

2. Haz clic en Crear clúster y, luego, elige Clúster en Compute Engine.

3. En el campo Nombre del clúster, ingresa example-cluster.

4. En las listas Región y Zona, selecciona una región y una zona.

   Selecciona una región (por ejemplo, us-east1 o europe-west1) para aislar recursos, como instancias de máquina virtual (VM) y ubicaciones de almacenamiento de metadatos y Cloud Storage que usa Managed Service para Apache Spark, en la región. Para obtener más información, consulta Regiones y zonas disponibles y Región del clúster.

5. Para todas las demás opciones, usa la configuración predeterminada.

6. Para crear el clúster, haz clic en Crear.

   El clúster nuevo aparece en una lista en la página Clústeres. El estado es Aprovisionando hasta que el clúster esté listo para usarse y, luego, el estado cambia a En ejecución. El aprovisionamiento del clúster puede tardar un par de minutos.

Enviar un trabajo de Spark

Envía un trabajo de Spark que estime un valor de Pi:

1. En el menú de navegación de Managed Service para Apache Spark, haz clic en Trabajos (y lotes) (o Trabajos).

2. En la página Trabajos, haz clic en Enviar trabajo y, luego, haz lo siguiente en la página Enviar un trabajo:

   1. En Selecciona el tipo de procesamiento para el trabajo, selecciona Spark en Compute Engine.
   2. En la sección Detalles del trabajo del clúster, haz lo siguiente:
      1. En el campo ID de tarea, usa el parámetro de configuración predeterminado o proporciona un ID que sea único para tu proyecto de Google Cloud .
      2. En el menú Clúster, selecciona example-cluster.

   3. En la sección Archivos y artefactos, haz lo siguiente:

      1. En Tipo de trabajo, selecciona Spark (Scala/Java).
      2. En Configuración del controlador, selecciona Clase principal y, en el campo Clase principal, ingresa org.apache.spark.examples.SparkPi.

      3. En el campo Archivos JAR, ingresa file:///usr/lib/spark/examples/jars/spark-examples.jar. (Este archivo JAR de muestra está preinstalado en el clúster. Para los trabajos personalizados, especifica una ruta de acceso de Cloud Storage; consulta Envía un trabajo).

         Precaución: No copies archivos JAR personalizados directamente en los directorios del sistema del clúster, como /usr/lib/spark/jars/. Colocar archivos JAR personalizados en directorios del sistema contamina la ruta de clase del agente de Managed Service para Apache Spark y puede causar fallas en la cancelación de trabajos y aplicaciones de YARN huérfanas.

      4. En el campo Argumentos, ingresa 1000 para configurar la cantidad de tareas.

      Nota: El trabajo de Spark calcula un valor aproximado del número pi con el método de Montecarlo.

      Permite generar coordenadas x e y en un plano cartesiano que da forma a un cuadrado unitario que encierra un círculo. El argumento de entrada (1000) determina la cantidad de pares x, y que se generarán; cuantos más pares se generen, mayor será la precisión de la estimación. Esta estimación usa nodos trabajadores de Managed Service para Apache Spark para paralelizar el cálculo. Para obtener más información, consulta Estimating Pi using the Monte Carlo Method y JavaSparkPi.java en GitHub.

   4. Haz clic en Enviar.

      Tu trabajo se muestra en la página Detalles del trabajo. El estado del trabajo es En ejecución o Iniciando y, luego, cambia a Completado después de que se envía.

      Para evitar el desplazamiento en el resultado, haz clic en Ajustar líneas: desactivado. El resultado es similar al siguiente:

      Pi is roughly 3.1416759514167594
      

      Para ver los detalles del trabajo, haz clic en la pestaña Configuración.

Actualiza un clúster

Actualiza tu clúster cambiando la cantidad de instancias de trabajador:

1. En el menú de navegación de Managed Service para Apache Spark, haz clic en Clústeres.
2. En la lista de clústeres, haz clic en example-cluster.

3. En la página Detalles del clúster, haz clic en la pestaña Configuración.

   Se mostrará la configuración de tu clúster.

4. Haz clic en Editar.

5. En el campo Nodos trabajadores, ingresa 5.

6. Haz clic en Guardar.

El clúster ya se actualizó. Para disminuir la cantidad de nodos trabajadores al valor original, sigue el mismo procedimiento.

Realiza una limpieza

Sigue estos pasos para evitar que se apliquen cargos a tu cuenta de Google Cloud por los recursos que usaste en esta página.

1. Para borrar el clúster, en la página Detalles del clúster de example-cluster, haz clic en Borrar.
2. Para confirmar que deseas borrar el clúster, haz clic en Borrar.

¿Qué sigue?

• Prueba esta guía de inicio rápido con otras herramientas:

  • Usa el Explorador de APIs

  • Usa Google Cloud CLI

• Aprende a diseñar reglas de firewall sólidas cuando creas un proyecto.

• Aprende a escribir y ejecutar un trabajo de Spark Scala.