Menginstal dan menjalankan notebook Jupyter di cluster

Tujuan

Tutorial ini menunjukkan cara menginstal komponen Jupyter Managed Service untuk Apache Spark di cluster baru, lalu terhubung ke UI notebook Jupyter yang berjalan di cluster dari browser lokal Anda menggunakan Managed Service untuk Apache Spark .

Catatan: Menjalankan tutorial ini akan dikenai Google Cloud biaya—lihat Harga Managed Service untuk Apache Spark.

Biaya

Dalam dokumen ini, Anda akan menggunakan komponen yang dapat ditagih sebagai berikut Google Cloud:

• Managed Service for Apache Spark
• Cloud Storage

Untuk membuat perkiraan biaya berdasarkan proyeksi penggunaan Anda, gunakan kalkulator harga.

Pengguna baru mungkin memenuhi syarat untuk mendapatkan uji coba gratis. Google Cloud

Sebelum memulai

Jika Anda belum melakukannya, buatlah Google Cloud project dan bucketCloud Storage.

1. Menyiapkan project

   Login keakun Anda. Google Cloud Jika Anda baru menggunakan Google Cloud, buat akun untuk mengevaluasi performa produk kami dalam skenario dunia nyata. Pelanggan baru juga mendapatkan kredit gratis senilai $300 untuk menjalankan, menguji, dan men-deploy workload.

   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

   Instal Google Cloud CLI.

   Jika Anda menggunakan penyedia identitas (IdP) eksternal, Anda harus login ke gcloud CLI dengan identitas gabungan Anda terlebih dahulu.

   Untuk melakukan inisialisasi gcloud CLI, jalankan perintah berikut:

   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

   Instal Google Cloud CLI.

   Jika Anda menggunakan penyedia identitas (IdP) eksternal, Anda harus login ke gcloud CLI dengan identitas gabungan Anda terlebih dahulu.

   Untuk melakukan inisialisasi gcloud CLI, jalankan perintah berikut:

   gcloud init

2. Membuat bucket Cloud Storage di project Anda untuk menyimpan notebook yang Anda buat dalam tutorial ini.

   1. Di Google Cloud konsol, buka halaman Buckets Cloud Storage.

      Buka Buckets

   2. Klik Create.
   3. Di halaman Create a bucket, masukkan informasi bucket Anda. Untuk melanjutkan ke langkah berikutnya, klik Continue.
      1. Di bagian Get started, lakukan hal berikut:
         • Masukkan nama yang unik secara global yang memenuhi persyaratan penamaan bucket.
         • Untuk menambahkan label bucket, luaskan bagian Labels (), klik Add label, lalu tentukan key dan value untuk label Anda.
      2. Di bagian Choose where to store your data, lakukan hal berikut:
         1. Pilih Jenis lokasi.
         2. Pilih lokasi tempat data bucket Anda disimpan secara permanen dari menu drop-down Location type.
            • Jika memilih jenis lokasi dual-region, Anda juga dapat memilih untuk mengaktifkan replikasi turbo menggunakan kotak centang yang relevan.
         3. Untuk menyiapkan replikasi lintas bucket, pilih Add cross-bucket replication via Storage Transfer Service dan ikuti langkah-langkah berikut:

            Menyiapkan replikasi lintas bucket

            1. Di menu Bucket, pilih bucket.

            2. Di bagian Replication settings , klik Configure untuk mengonfigurasi setelan tugas replikasi.

               Panel Configure cross-bucket replication akan muncul muncul.

               • Untuk memfilter objek yang akan direplikasi berdasarkan awalan nama objek, masukkan awalan yang ingin Anda sertakan atau kecualikan objeknya, lalu klik Add a prefix.
               • Untuk menetapkan kelas penyimpanan bagi objek yang direplikasi, pilih kelas penyimpanan dari menu Storage class. Jika Anda melewati langkah ini, objek yang direplikasi akan menggunakan kelas penyimpanan bucket tujuan secara default.
               • Klik Done.
      3. Di bagian Choose how to store your data, lakukan hal berikut:
         1. Pilih kelas penyimpanan default untuk bucket atau Autoclass untuk pengelolaan kelas penyimpanan otomatis untuk data bucket Anda.
         2. Untuk mengaktifkan namespace hierarkis, di bagian Optimize storage for data-intensive workloads, pilih Enable hierarchical namespace on this bucket.
            Catatan: Anda tidak dapat mengaktifkan namespace hierarkis di bucket yang ada.
      4. Di bagian Choose how to control access to objects, pilih apakah bucket Anda menerapkan pencegahan akses publik atau tidak, lalu pilih metode kontrol akses untuk objek bucket Anda.
         Catatan: Anda tidak dapat mengubah setelan Prevent public access jika setelan ini diterapkan pada kebijakan organisasi.
      5. Di bagian Choose how to protect object data, lakukan hal berikut:
         • Pilih salah satu opsi di bagian Perlindungan data yang ingin Anda tetapkan untuk bucket Anda.
           • Untuk mengaktifkan penghapusan sementara, centang kotak Soft delete policy (For data recovery) , lalu tentukan jumlah hari Anda ingin menyimpan objek setelah penghapusan.
           • Untuk menetapkan Pembuatan Versi Objek, centang kotak Object versioning (Untuk kontrol versi) , lalu tentukan jumlah maksimum versi per objek dan jumlah hari setelah versi lama berakhir masa berlakunya.
           • Untuk mengaktifkan kebijakan retensi pada objek dan bucket, centang kotak Retention (For compliance), lalu lakukan hal berikut:
             • Untuk mengaktifkan Kunci Retensi Objek, centang kotak Enable object retention.
             • Untuk mengaktifkan Kunci Bucket, centang kotak Set bucket retention policy, lalu pilih satuan waktu dan lama untuk periode retensi data.
         • Untuk memilih cara data objek Anda akan dienkripsi, luaskan bagian Data encryption (), lalu pilih metode Data encryption.
   4. Klik Create.
   Notebook Anda akan disimpan di Cloud Storage di bagian gs://bucket-name/notebooks/jupyter.

Membuat cluster dan menginstal komponen Jupyter

Buat cluster dengan komponen Jupyter yang diinstal.

Catatan: Saat membuat cluster, tentukan nama bucket yang Anda buat di Sebelum memulai, langkah 2 (hanya tentukan nama bucket) sebagai staging bucket Managed Service untuk Apache Spark (lihat Bucket staging dan sementara Dataproc untuk mengetahui petunjuk tentang cara menetapkan bucket staging). Notebook Anda akan disimpan di Cloud Storage di bagian gs://bucket-name/notebooks/jupyter.

Membuka UI Jupyter dan JupyterLab

Klik link Google Cloud Component Gateway konsol di Google Cloud konsol untuk membuka UI notebook Jupyter atau JupyterLab yang berjalan di cluster Anda

Direktori tingkat atas yang ditampilkan oleh instance Jupyter Anda adalah direktori virtual yang memungkinkan Anda melihat konten bucket Cloud Storage atau sistem file lokal Anda. Anda dapat memilih salah satu lokasi dengan mengklik link GCS untuk Cloud Storage atau Local Disk untuk sistem file lokal node master di cluster Anda.

1. Klik link GCS. UI web notebook Jupyter menampilkan notebook yang disimpan di bucket Cloud Storage Anda, termasuk notebook yang Anda buat dalam tutorial ini.

Pembersihan

Setelah menyelesaikan tutorial, Anda dapat membersihkan resource yang dibuat agar tidak lagi menggunakan kuota dan menimbulkan tagihan. Bagian berikut menjelaskan cara menghapus atau menonaktifkan resource ini.

Menghapus project

Cara termudah untuk menghilangkan penagihan adalah dengan menghapus project yang Anda buat untuk tutorial.

Untuk menghapus project:

Perhatian: Menghapus project memiliki efek berikut:

• Semua hal dalam project akan dihapus. Jika menggunakan project yang sudah ada untuk tugas dalam dokumen ini, saat Anda menghapusnya, pekerjaan lain yang telah Anda lakukan dalam project tersebut juga akan terhapus.
• Project ID kustom hilang. Saat membuat project ini, Anda mungkin telah membuat project ID kustom yang ingin digunakan di masa mendatang. Untuk mempertahankan URL yang menggunakan project ID, seperti URL appspot.com, hapus resource yang dipilih di dalam project, bukan menghapus seluruh project.

Jika Anda berencana mempelajari beberapa arsitektur, tutorial atau panduan memulai, dengan menggunakan kembali project dapat membantu Anda agar tidak melampaui batas kuota project.

1. Di Google Cloud konsol, buka halaman Manage resources.

   Buka Kelola resource

2. Pada daftar project, pilih project yang Anda ingin Anda hapus, lalu klik Delete.
3. Pada dialog, ketik project ID, lalu klik Shut down untuk menghapus project.

Menghapus cluster

• Untuk menghapus cluster Anda:

  gcloud dataproc clusters delete cluster-name \
      --region=${REGION}
  

Menghapus bucket

• Untuk menghapus bucket Cloud Storage yang Anda buat di Sebelum memulai, langkah 2, termasuk notebook yang disimpan di bucket:

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

Langkah berikutnya

• Lihat Panduan Memulai Cepat Notebook Jupyter/IPython