[PYTHON] Cloud Datalab Übersicht

Cloud Datalab wurde nicht von der Sonne getroffen, obwohl es gut aussieht, sondern [Google Cloud NEXT](https: //cloudnext.withgoogle) Entsprechend dem Zeitpunkt von .com /) wurde BETA am 8. März 2017 in GA geändert und v1.0 veröffentlicht. War dort.

Es sollte ziemlich erstaunlich sein, aber es hat noch nicht viel Aufmerksamkeit erhalten, also werde ich versuchen, die Anziehungskraft von Datalab nach und nach zu vermitteln. (Vielleicht schreibe ich den Artikel ungefähr dreimal.) Zuerst gebe ich Ihnen einen Überblick über Cloud Datalab.

Was ist Cloud Datalab?

• Interaktive Analyseumgebung für Datenanalyse, Visualisierung und maschinelles Lernen auf GCP
• Da es auf Jupyter basiert, das bei Datenanalysten beliebt ist, ist es ein nützliches Tool für Benutzer, die Jupyter bereits verwenden, um einen reibungslosen Übergang zu gewährleisten.
• Der Vorteil der Ausführung auf GCP besteht darin, dass es in BigQuery, GCS und CloudML Engine integriert ist, sodass Sie große Datenmengen nahtlos berühren können. --Datalab selbst wird auf github veröffentlicht als Docker-Image unter der Annahme, dass es auf GCE ausgeführt wird.

Preis

• Für Datalab selbst fallen keine besonderen Kosten an
• Da Datalab jedoch auf GCE ausgeführt werden soll, wird Ihnen die von Ihnen verwendete GCE in Rechnung gestellt.
• Außerdem werden Ihnen nur die Kosten für GCP-Komponenten berechnet.
• BigQuery oder GCS
• Außerdem wird standardmäßig eine Festplatte für die Persistenz erstellt, und die Daten werden auch zur Sicherung in GCS gespeichert, sodass standardmäßig Kosten für diesen Bereich anfallen.

Starten Sie und so weiter

Es ist fast wie bei Cloud Datalab Schnellstart.

Installation

Angenommen, Google Cloud SDK ist installiert, erhalten Sie einen zusätzlichen Befehl datalab

$ gcloud components install datalab

installieren

Wenn Sie Projekte und Zonen einrichten, ist dies einfach, da Sie keine Befehlsoptionen hinzufügen müssen. Nehmen Sie, wie oben erwähnt, Einstellungen in Bezug auf GCE vor, da es auf GCE ausgeführt wird.

$ gcloud config set core/project ${PROJECT_ID}
$ gcloud config set compute/zone ${ZONE}

Starten einer Instanz für Datalab und Herstellen einer Verbindung zu Datalab

$ datalab create ${INSTANCE_NAME}

Dadurch wird eine Instanz für Datalab gestartet, ein schönes Netzwerk erstellt und konfiguriert, ein Browser gestartet und eine Verbindung zu Datalab hergestellt. Es ist einfach.

Es ist ein Bildschirm, auf dem Leute, die Jupyter verwendet haben, verstehen können, was zu tun ist.

Anmelden

Melden Sie sich mit Ihrem Konto über den Browser an. Dies liegt daran, dass Datalab ein Dienstkonto verwendet, um andere GCP-Dienste zu verwenden. Es ist einfach, weil es von der GUI ist.

Dann analysieren Sie, wie Sie möchten

Wenn Sie mit Jupyter vertraut sind, können Sie es nach Belieben analysieren. Auch wenn Sie nicht damit vertraut sind, ist Nice README enthalten. Wenn Sie es befolgen, erfahren Sie, wie Sie das Notebook BigQuery verwenden Und ich denke, Sie können die Zusammenarbeit mit GCS verstehen. Derzeit ist es einfach, da Sie die Seite hier sehen können, wenn Sie datalab starten.

wenn Sie fertig sind

Das Gute an der Cloud ist, dass Sie sich verabschieden können, wenn Sie so viel verwenden, wie Sie möchten. Verabschieden wir uns.

$ datalab delete ${INSTANCE_NAME}

Es ist auch leicht, sich zu verabschieden. Wenn Sie jedoch nicht mehr belastet werden möchten, weil dies nur das Löschen der Instanz ist, können Sie die Standardfestplatte löschen (der Notebook-Inhalt selbst wird hier gemountet) oder Vergessen Sie nicht, das Backup-GCS zu löschen.

Verschiedene Gefühle

――Es ist schön, die Jupyter-Umgebung extrem einfach erstellen zu können. ――Es scheint besser zu sein, in andere Cloud-Dienste integriert zu sein, als Jupyter alleine auszuführen. ――Es scheint, dass es nur in der Cloud einzigartige Vorzüge gibt, daher scheint es gut, etwas tiefer zu graben.

Nächstes Mal werden wir uns Datalab selbst genauer ansehen.