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** ：运行本教程将产生费用 - 请参阅 Managed Service for Apache Spark 价格。

Google Cloud

费用

在本文档中，您将使用的以下收费组件： Google Cloud

• Managed Service for Apache Spark
• Cloud Storage

您可使用 价格计算器 根据您的预计使用情况来估算费用。

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。如果您是新手 Google Cloud， 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 存储桶 ，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“存储分区”

   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 显示。

               • 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. 在选择数据存储位置 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： 如果组织政策强制执行此设置，您将无法更改禁止公开访问 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，请点击 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，请点击 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的天数。
           • 如需对对象和存储分区启用保留政策，请点击保留（用于合规性） 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，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间长度。
         • 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：

警告：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