建立 Dataproc 叢集
需求條件:
名稱:叢集名稱開頭須為小寫英文字母,其後最多可接 51 個小寫英文字母、數字和連字號,但結尾不得為連字號。
叢集地區:您必須為叢集指定 Compute Engine 地區,例如
us-east1
或europe-west1
,才能在該地區內隔離叢集資源,例如 VM 執行個體和儲存在 Cloud Storage 中的叢集中繼資料。連線:在由主要 VM 和工作站 VM 組成的 Dataproc 叢集中,Compute Engine 虛擬機器執行個體 (VM) 需要彼此的完整內部 IP 網路交叉連線。
default
虛擬私有雲網路會提供這項連線能力 (請參閱「Dataproc 叢集網路設定」)。
gcloud
如要在指令列建立 Dataproc 叢集,請在本機的終端機視窗或在 Cloud Shell 中執行 gcloud dataproc clusters create 指令。
gcloud dataproc clusters create CLUSTER_NAME \ --region=REGION
這項指令建立的叢集會具有主要虛擬機器執行個體和工作站虛擬機器執行個體的預設 Dataproc 服務設定、磁碟大小和類型、網路類型、部署叢集的地區和區域,以及其他叢集設定。要瞭解如何使用指令列標記來自訂叢集設定,請參閱 gcloud dataproc clusters create 指令說明。
使用 YAML 檔案建立叢集
- 執行下列
gcloud
指令,將現有 Dataproc 叢集的設定匯出到cluster.yaml
檔案。gcloud dataproc clusters export EXISTING_CLUSTER_NAME \ --region=REGION \ --destination=cluster.yaml
- 匯入 YAML 檔案設定以建立新叢集。
gcloud dataproc clusters import NEW_CLUSTER_NAME \ --region=REGION \ --source=cluster.yaml
注意:在匯出作業期間,系統會篩選叢集專用欄位 (例如叢集名稱)、僅限輸出欄位,以及自動套用的標籤。用來建立叢集的匯入 YAML 檔案不允許有這些欄位。
REST
本節說明如何使用必要值和預設設定 (1 個主節點、2 個工作站) 建立叢集。
使用任何要求資料之前,請先替換以下項目:
- CLUSTER_NAME:叢集名稱
- PROJECT: Google Cloud 專案 ID
- REGION:叢集建立所在的可用 Compute Engine 地區。
- ZONE:選用區域,叢集將在所選區域內建立。
HTTP 方法和網址:
POST https://dataproc.googleapis.com/v1/projects/PROJECT/regions/REGION/clusters
JSON 要求主體:
{ "project_id":"PROJECT", "cluster_name":"CLUSTER_NAME", "config":{ "master_config":{ "num_instances":1, "machine_type_uri":"n1-standard-2", "image_uri":"" }, "softwareConfig": { "imageVersion": "", "properties": {}, "optionalComponents": [] }, "worker_config":{ "num_instances":2, "machine_type_uri":"n1-standard-2", "image_uri":"" }, "gce_cluster_config":{ "zone_uri":"ZONE" } } }
如要傳送要求,請展開以下其中一個選項:
您應該會收到如下的 JSON 回應:
{ "name": "projects/PROJECT/regions/REGION/operations/b5706e31......", "metadata": { "@type": "type.googleapis.com/google.cloud.dataproc.v1.ClusterOperationMetadata", "clusterName": "CLUSTER_NAME", "clusterUuid": "5fe882b2-...", "status": { "state": "PENDING", "innerState": "PENDING", "stateStartTime": "2019-11-21T00:37:56.220Z" }, "operationType": "CREATE", "description": "Create cluster with 2 workers", "warnings": [ "For PD-Standard without local SSDs, we strongly recommend provisioning 1TB ..."" ] } }
控制台
在瀏覽器中,前往 Google Cloud 控制台的 Dataproc「Create a cluster」(建立叢集) 頁面,然後在「Create a Dataproc cluster on Compute Engine」(在 Compute Engine 上建立 Dataproc 叢集) 頁面中,按一下「Compute Engine」列的「Create」(建立)。系統會選取「設定叢集」面板,並填入預設值的欄位。您可以選取每個面板,確認或變更預設值,自訂叢集。
按一下 [建立],建立叢集。叢集名稱會出現在「Clusters」(叢集) 頁面中,且在叢集佈建後,其狀態會更新為「Running」(執行中)。按一下叢集名稱,開啟叢集詳細資料頁面,即可檢查叢集的工作、執行個體和設定,並連線至叢集上執行的網頁介面。
Go
- 安裝用戶端程式庫。
- 設定應用程式預設憑證。
- 執行程式碼。
Java
- 安裝用戶端程式庫。
- 設定應用程式預設憑證。
- 執行程式碼。
Node.js
- 安裝用戶端程式庫。
- 設定應用程式預設憑證。
- 執行程式碼。
Python
- 安裝用戶端程式庫。
- 設定應用程式預設憑證。
- 執行程式碼。