GSP103

總覽

Dataproc 是運作快速又簡單易用的全代管雲端服務，可讓您以更輕鬆且更具成本效益的方式，執行 Apache Spark 和 Apache Hadoop 叢集。過去需要數小時或數天處理的作業，現在只要幾秒或幾分鐘就能完成。您可以快速建立 Dataproc 叢集，並隨時視情況調整規模，無須擔心叢集無法容納資料管道。

本研究室將說明如何使用 Google Cloud 控制台建立 Dataproc 叢集、在叢集中執行簡單的 Apache Spark 工作，然後修改叢集中的工作站數量。

學習內容

本研究室的內容包括：

• 在 Google Cloud 控制台中建立 Dataproc 叢集
• 執行簡易的 Apache Spark 工作
• 修改叢集中的工作站數量

設定和需求

點選「Start Lab」按鈕前的須知事項

請詳閱以下操作說明。研究室活動會計時，而且中途無法暫停。點選「Start Lab」 後就會開始計時，讓您瞭解有多少時間可以使用 Google Cloud 資源。

您將在真正的雲端環境中完成實作研究室活動，而不是在模擬或示範環境。為達此目的，我們會提供新的暫時憑證，讓您用來在研究室活動期間登入及存取 Google Cloud。

如要完成這個研究室活動，請先確認：

• 您可以使用標準的網際網路瀏覽器 (Chrome 瀏覽器為佳)。

注意：請使用無痕模式或私密瀏覽視窗執行此研究室。這可以防止個人帳戶和學生帳戶之間的衝突，避免個人帳戶產生額外費用。

• 是時候完成研究室活動了！別忘了，活動一開始將無法暫停。

注意：如果您擁有個人 Google Cloud 帳戶或專案，請勿用於本研究室，以免產生額外費用。

如何開始研究室及登入 Google Cloud 控制台

1. 按一下「Start Lab」(開始研究室) 按鈕。如果研究室會產生費用，畫面中會出現選擇付款方式的彈出式視窗。左側的「Lab Details」(研究室詳細資料) 面板會顯示下列項目：

   • 「Open Google Console」(開啟 Google 控制台) 按鈕
   • 剩餘時間
   • 必須在這個研究室中使用的暫時憑證
   • 完成這個研究室所需的其他資訊 (如有)

2. 按一下「Open Google Console」(開啟 Google 控制台)。接著，研究室會啟動相關資源並開啟另一個分頁，當中會顯示「Sign in」(登入) 頁面。

   提示：您可以在不同的視窗中並排開啟分頁。

   注意事項：如果頁面中顯示了「Choose an account」(選擇帳戶) 對話方塊，請按一下「Use Another Account」(使用其他帳戶)。

3. 如有必要，請複製「Lab Details」(研究室詳細資料) 面板中的使用者名稱，然後貼到「Sign in」(登入) 對話方塊。按一下「Next」(下一步)。

4. 複製「Lab Details」(研究室詳細資料) 面板中的密碼，然後貼到「Welcome」(歡迎使用) 對話方塊。按一下「Next」(下一步)。

   重要注意事項：請務必使用左側面板中的憑證，而非 Google Cloud 技能重點加強的憑證。 注意事項：如果使用自己的 Google Cloud 帳戶來進行這個研究室，可能會產生額外費用。

5. 按過後續的所有頁面：

   • 接受條款及細則。
   • 由於這是臨時帳戶，請勿新增救援選項或雙重驗證機制。
   • 請勿申請免費試用。

Cloud 控制台稍後會在這個分頁中開啟。

注意事項：按一下畫面左上方的導覽選單，即可在選單中查看 Google Cloud 產品與服務的清單。

確認 Cloud Dataproc API 已啟用

如要在 Google Cloud 中建立 Dataproc 叢集，請務必啟用 Cloud Dataproc API。確認 API 是否啟用的步驟如下：

1. 依序點選「導覽選單」>「API 和服務」>「程式庫」。

2. 在「搜尋 API 和服務」對話方塊中輸入 Cloud Dataproc，控制台的搜尋結果中就會顯示 Cloud Dataproc API。

3. 點選「Cloud Dataproc API」，查看該 API 的狀態。如果 API 尚未啟用，請點選「啟用」按鈕。

如果 API 已啟用，請按照研究室的指示繼續操作。

將權限授予服務帳戶

如要建立叢集，首先必須將 儲存權限授予服務帳戶，步驟如下：

1. 依序前往「導覽選單」>「IAM 與管理」>「身分與存取權管理」。

2. 點選 compute@developer.gserviceaccount.com 服務帳戶旁的「鉛筆」圖示。

3. 點選「+ 新增其他角色」按鈕，選取「Storage 管理員」角色。

選取「Storage 管理員」角色後，點選「儲存」。

工作 1：建立叢集

1. 在 Cloud Platform 控制台中，依序選取「導覽選單」>「Dataproc」>「叢集」，然後點選「建立叢集」。

2. 在「Compute Engine 上的叢集」部分點選「建立」。

3. 為叢集設定下列欄位，並保留所有其他欄位的預設值。

注意： 在「設定節點」部分中，請確定「主要節點」和「工作站節點」都設為正確的機器系列與機器類型。

欄位	值
名稱	example-cluster
區域
可用區
機器系列	E2
機器類型	e2-standard-2
工作站節點數	2
主要磁碟大小	30 GB
僅限內部 IP	取消選取「將所有執行個體設為僅具備內部 IP 位址」

注意：「可用區」是特殊的多區域命名空間，可以將執行個體部署至全球所有 Google Compute 可用區。您也能指定 us-central1 或 europe-west1 等不同的區域，區隔 Cloud Dataproc 所用資源 (包括 VM 執行個體和 Cloud Storage) 與中繼資料的儲存位置。

4. 點選「建立」來建立叢集。

新叢集會出現在「叢集」清單中。建立作業可能需要幾分鐘才能完成，期間叢集狀態會顯示為「佈建中」，待叢集可以使用後，狀態就會變更為「執行中」。

測試已完成的工作

請點選「Check my progress」，確認工作已完成。

建立 Dataproc 叢集

工作 2：提交工作

如要執行範例 Spark 工作，請按照下列步驟操作：

1. 點選左側窗格中的「工作」，切換至 Dataproc 工作檢視畫面，然後按一下「提交工作」。

2. 設定下列欄位以更新工作，並保留所有其他欄位的預設值：

欄位	值
區域
叢集	example-cluster
工作類型	Spark
主要類別或 jar 檔案	org.apache.spark.examples.SparkPi
Jar 檔案	file:///usr/lib/spark/examples/jars/spark-examples.jar
引數	1000 (這會設定任務數量)

3. 點選「提交」。

注意：Spark 工作會使用蒙特卡羅法估算圓周率。這個做法是在座標面上產生 x,y 點，建立一個由單位正方形包圍圓形的模型，輸入的引數 (1000) 會決定要產生的 x,y 配對數。配對數越多，預估值就越準確。預估過程中，系統會利用 Cloud Dataproc 工作站節點平行處理計算工作。詳情請參閱「Estimating Pi using the Monte Carlo Method」(使用蒙特卡羅法估算圓周率)，以及 GitHub 上的 JavaSparkPi.java。

您的工作應該會出現在「工作」清單；這個清單包含專案的所有工作，以及相關的叢集、類型與目前狀態。目前顯示的工作狀態是「執行中」，完成後就會變更為「已完成」。

測試已完成的工作

請點選「Check my progress」，確認工作已完成。

提交工作

工作 3：查看工作的輸出內容

如要查看已完成工作的輸出內容，請按照下列步驟操作：

1. 在「工作」清單中點選工作 ID。

2. 將「換行」設為啟用，或是捲動至最右側來查看系統計算的圓周率。您將「換行」設為啟用後，輸出內容應如下所示：

這表示工作已成功計算出圓周率的粗估值！

工作 4：更新叢集以修改工作站數量

如要變更叢集中的工作站執行個體數量，請按照下列步驟操作：

1. 選取左側導覽窗格中的「叢集」，返回 Dataproc 叢集檢視畫面。

2. 在「叢集」清單中點選「example-cluster」。根據預設，這個頁面會顯示叢集的 CPU 使用率總覽。

3. 點選「設定」查看叢集目前的設定。

4. 按一下「編輯」。您現在可以修改工作站節點的數量。

5. 在「工作站節點數」欄位中輸入 4。

6. 點選「儲存」。

叢集已更新完成，請檢查叢集中的 VM 執行個體數量。

測試已完成的工作

請點選「Check my progress」，確認工作已完成。

更新叢集

1. 如要使用更新後的叢集重新執行工作，請依序點選左側窗格中的「工作」和「提交工作」。

2. 參考「提交工作」一節，並設定相同的欄位：

欄位	值
區域
叢集	example-cluster
工作類型	Spark
主要類別或 jar 檔案	org.apache.spark.examples.SparkPi
Jar 檔案	file:///usr/lib/spark/examples/jars/spark-examples.jar
引數	1000 (這會設定任務數量)

3. 點選「提交」。

工作 5：隨堂測驗

完成下列選擇題能加深您的印象，更清楚本研究室介紹的概念，請盡您所能回答。

恭喜！

您已瞭解如何使用 Google Cloud 控制台建立及更新 Dataproc 叢集，然後在該叢集中提交工作。

後續步驟/瞭解詳情

這個研究室屬於 Qwik Start 研究室系列，此系列旨在帶您一窺 Google Cloud 的眾多功能。歡迎在研究室目錄中搜尋「Qwik Start」，看看接下來要參加哪個研究室！

Google Cloud 教育訓練與認證

協助您瞭解如何充分運用 Google Cloud 的技術。我們的課程會介紹專業技能和最佳做法，讓您可以快速掌握要領並持續進修。我們提供從基本到進階等級的訓練課程，並有隨選、線上和虛擬課程等選項，方便您抽空參加。認證可協助您驗證及證明自己在 Google Cloud 技術方面的技能和專業知識。

使用手冊上次更新日期：2024 年 3 月 21 日

研究室上次測試日期：2024 年 3 月 21 日

Copyright 2024 Google LLC 保留所有權利。Google 和 Google 標誌是 Google LLC 的商標，其他公司和產品名稱則有可能是其關聯公司的商標。