Créer un cluster à l'aide de la Google Cloud console

Créer un cluster à l'aide de la Google Cloud console

Cette page vous explique comment utiliser la Google Cloud console pour créer un cluster Managed Service pour Apache Spark, exécuter un job Apache Spark de base dans le cluster, puis modifier le nombre de nœuds de calcul dans le cluster.

Avant de commencer

1. 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

2. Verify that you have the permissions required to complete this guide.

3. Verify that billing is enabled for your Google Cloud project.

4. Enable the Dataproc API.

   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

Rôles requis

Certains rôles de Identity and Access Management (IAM) sont requis pour exécuter les exemples de cette page. En fonction des règles d'administration, ces rôles peuvent déjà avoir été attribués. Pour vérifier les attributions de rôles, consultez la section Devez-vous attribuer des rôles ?.

Pour en savoir plus sur l'attribution de rôles, consultez Gérer l'accès aux projets, aux dossiers et aux organisations.

Rôles utilisateur

Pour obtenir les autorisations nécessaires pour créer un cluster Managed Service pour Apache Spark, demandez à votre administrateur de vous accorder les rôles IAM suivants :

• Éditeur Dataproc (roles/dataproc.editor) sur le projet
• Utilisateur du compte de service (roles/iam.serviceAccountUser) sur le compte de service Compute Engine par défaut

Rôle du compte de service

Pour vous assurer que le compte de service Compute Engine par défaut dispose des autorisations nécessaires pour créer un cluster Managed Service pour Apache Spark, demandez à votre administrateur d'attribuer les rôles IAM suivants au compte de service Compute Engine par défaut sur le projet :

Important : Vous devez attribuer ces rôles au compte de service Compute Engine par défaut, et non à votre compte utilisateur. Si vous ne les accordez pas au bon compte principal, vous risquez de rencontrer des erreurs d'autorisation.

• Tous : Nœud de calcul Dataproc (roles/dataproc.worker)

Créer un cluster

1. Dans la Google Cloud console, accédez à la page Clusters de Managed Service pour Apache Spark.

   accéder aux clusters

2. Cliquez sur Créer un cluster.

3. Dans la boîte de dialogue Créer un cluster Dataproc, cliquez sur Créer dans la ligne Cluster sur Compute Engine.

4. Dans le champ Nom du cluster, saisissez example-cluster.

5. Dans les listes Région et Zone, sélectionnez une région et une zone.

   Sélectionnez une région (par exemple, us-east1 ou europe-west1) pour isoler les ressources, telles que les instances de machine virtuelle (VM) et les emplacements de stockage Cloud Storage et de métadonnées utilisés par Managed Service pour Apache Spark dans la région. Pour en savoir plus, consultez la section Régions et zones disponibles et Région du cluster.

6. Pour toutes les autres options, utilisez les paramètres par défaut.

7. Pour créer le cluster, cliquez sur Créer.

   Votre nouveau cluster apparaît dans une liste sur la page Clusters. L'état indique Provisionnement jusqu'à ce que le cluster soit prêt à être utilisé, puis passe à En cours d'exécution. Le provisionnement du cluster peut prendre quelques minutes.

Envoyer une tâche Spark

Envoyez une tâche Spark qui estime une valeur de pi :

1. Dans le menu de navigation Managed Service pour Apache Spark, cliquez sur Jobs.

2. Sur la page Jobs, cliquez sur Envoyer une tâche, puis procédez comme suit :

   1. Dans le champ ID de tâche , utilisez le paramètre par défaut ou fournissez un ID qui est unique à votre Google Cloud projet.
   2. Dans le menu déroulant Cluster, sélectionnez example-cluster.
   3. Pour Type de tâche, sélectionnez Spark.
   4. Dans le champ Classe principale ou fichier JAR, saisissez org.apache.spark.examples.SparkPi.

   5. Dans le champ Fichiers JAR, saisissez file:///usr/lib/spark/examples/jars/spark-examples.jar. (Cet exemple de fichier JAR est préinstallé sur le cluster. Pour les tâches personnalisées, spécifiez un chemin Cloud Storage. Consultez Envoyer une tâche.)

      Attention : Ne copiez pas les fichiers JAR personnalisés directement dans les répertoires système du cluster , tels que /usr/lib/spark/jars/. Si vous placez des fichiers JAR personnalisés dans des répertoires système, vous polluez le chemin de classe de l'agent Managed Service pour Apache Spark, ce qui peut entraîner des échecs d'annulation de tâches et des applications YARN orphelines.

   6. Dans le champ Arguments, saisissez 1000 pour définir le nombre de tâches.

      Remarque : La tâche Spark estime pi à l'aide de la méthode de Monte-Carlo

      Elle génère des points x et y sur un plan de coordonnées représentant un cercle entouré d'un carré unité. L'argument d'entrée (1000) détermine le nombre de paires x-y à générer. Plus le nombre de paires est élevé, plus l'estimation est précise. Cette estimation utilise les nœuds de calcul Managed Service pour Apache Spark afin de charger le calcul en parallèle. Pour en savoir plus, consultez la page consacrée au calcul de pi à l'aide de la méthode de Monte Carlo et celle concernant JavaSparkPi.java sur GitHub.

   7. Cliquez sur Envoyer.

      Votre tâche s'affiche sur la page Détails de la tâche. L'état de la tâche est En cours d'exécution ou Démarrage, puis passe à Réussie après son envoi.

      Pour éviter de faire défiler la sortie, cliquez sur Retour à la ligne : désactivé. La sortie ressemble à ce qui suit :

      Pi is roughly 3.1416759514167594
      

      Pour afficher les détails de la tâche, cliquez sur l'onglet Configuration.

Mettre à jour un cluster

Mettez à jour votre cluster en modifiant le nombre d'instances de nœuds de calcul :

1. Dans le menu de navigation Managed Service pour Apache Spark, cliquez sur Clusters.
2. Dans la liste des clusters, cliquez sur example-cluster.

3. Sur la page Détails du cluster, cliquez sur l'onglet Configuration.

   Les paramètres de votre cluster s'affichent.

4. Cliquez sur Modifier.

5. Dans le champ Nœuds de calcul, saisissez 5.

6. Cliquez sur Enregistrer.

Votre cluster est maintenant mis à jour. Pour rétablir la valeur d'origine du nombre de nœuds de calcul, suivez la même procédure.

Libérer de l'espace

Pour éviter que les ressources utilisées dans cette démonstration soient facturées sur votre Google Cloud compte pour les ressources utilisées sur cette page, procédez comme suit :

1. Pour supprimer le cluster, sur la page Détails du cluster pour example-cluster, cliquez sur Supprimer.
2. Pour confirmer la suppression du cluster, cliquez sur Supprimer.

Étape suivante

• Suivez ce guide de démarrage rapide en utilisant d'autres outils :

  • Utiliser l'API Explorer

  • Utiliser la Google Cloud CLI

• Découvrez comment définir des règles de pare-feu robustes lorsque vous créez un projet

• Découvrez comment écrire et exécuter une tâche Spark Scala job.