Puoi installare componenti aggiuntivi come Jupyter quando crei un utilizzando il cluster Componenti facoltativi funzionalità. Questa pagina descrive il componente Jupyter.
Il componente Jupyter è un notebook per un solo utente basato su web per l'analisi interattiva dei dati e supporta l'interfaccia utente web di JupyterLab. La UI web di Jupyter è disponibile sulla porta 8123 sul primo nodo master del cluster.
Avvia blocchi note per più utenti. Puoi creare un'istanza Vertex AI Workbench abilitata per Dataproc o installare il plug-in JupyterLab di Dataproc su una VM per fornire i notebook a più utenti.
Configura Jupyter. Jupyter può essere configurato fornendo dataproc:jupyter
proprietà del cluster.
Per ridurre il rischio di esecuzione di codice remoto tramite un server di blocchi note non protetto
API, la proprietà predefinita del cluster dataproc:jupyter.listen.all.interfaces
è false, che limita le connessioni a localhost (127.0.0.1) quando
il gateway dei componenti
abilitato (l'attivazione del gateway dei componenti è necessaria quando si installa il componente Jupyter).
Il blocco note Jupyter fornisce un kernel Python per eseguire il codice Spark e un
kernel PySpark. Per impostazione predefinita, i blocchi note vengono salvati in Cloud Storage nel bucket temporaneo Dataproc, specificato dall'utente o creato automaticamente al momento della creazione del cluster. La posizione può essere modificata al momento della creazione del cluster utilizzando la proprietà del cluster dataproc:jupyter.notebook.gcs.dir.
Lavora con i file di dati. Puoi utilizzare un blocco note Jupyter per lavorare con i file di dati che sono stati caricati su Cloud Storage. Poiché il connettore Cloud Storage è preinstallato su un cluster Dataproc, puoi fare riferimento ai file direttamente nel notebook. Ecco un esempio di accesso ai file CSV in Cloud Storage:
df = spark.read.csv("gs://bucket/path/file.csv")
df.show()
Per esempi di PySpark, consulta Funzioni generiche di caricamento e salvataggio.
Installa Jupyter
Installa il componente quando crei un cluster Dataproc. Il componente Jupyter richiede l'attivazione del gateway dei componenti di Dataproc.
Console
- Attiva il componente.
- Nella console Google Cloud, apri la pagina Dataproc Crea un cluster. Il riquadro Configura cluster è selezionato.
- Nella sezione Componenti:
- In Componenti facoltativi, seleziona Jupyter.
- In Gateway dei componenti, seleziona Attiva gateway dei componenti (consulta Visualizzare e accedere agli URL del gateway dei componenti).
Interfaccia a riga di comando gcloud
Per creare un cluster Dataproc che includa il componente Jupyter,
utilizza il comando
gcloud dataproc clusters create cluster-name con il flag --optional-components.
Esempio di versione dell'immagine predefinita più recente
Il seguente esempio installa il componente Jupyter su un cluster che utilizza la versione dell'immagine predefinita più recente.
gcloud dataproc clusters create cluster-name \ --optional-components=JUPYTER \ --region=region \ --enable-component-gateway \ ... other flags
API REST
Il componente Jupyter può essere installato tramite l'API Dataproc utilizzando SoftwareConfig.Component all'interno di una richiesta clusters.create.
- Imposta EndpointConfig.enableHttpPortAccess
proprietà a
truenell'ambito diclusters.createper abilitare la connessione all'interfaccia utente web del blocco note Jupyter utilizzando Gateway dei componenti.
Aprire le interfacce utente di Jupyter e JupyterLab
Fai clic sui link della console Google Cloud Component Gateway per aprire nel browser locale l'interfaccia utente di JupyterLab o Jupyter Notebook in esecuzione sul nodo principale del cluster.
Seleziona "GCS" o "Disco locale" per creare un nuovo blocco note Jupyter in entrambe le località.
Collega le GPU ai nodi master e worker
Puoi aggiungere GPU ai nodi master e worker del tuo cluster quando utilizzi un Jupyter Notebook per:
- Esegui la preelaborazione dei dati in Spark, poi raccogli un DataFrame sul master ed esegui TensorFlow
- Utilizzare Spark per orchestrare le esecuzioni di TensorFlow in parallelo
- Esegui Tensorflow-on-YARN
- Da utilizzare con altri scenari di machine learning che impiegano GPU