はじめに

公式ドキュメントに沿ってdatabricks on AWSを動かしてみたいと思います。
今回のテーマは
「Get EC2 instance information」です。
その名の通り、databricks上でコードを実行してEC2インスタンスの情報を表示させるという内容です。

本題

今回行う作業としては、

• 作業ページまでのログイン

• クラスターの作成

• Notebookの作成

• スクリプトの実行

の4ステップです。
早速初めて行きましょう。

作業ページにログインする

1.以下URLからdatabricksにログインします。
https://accounts.cloud.databricks.com/registration.html#login

2.「Deploy Databricks」を選択し、水色文字になっているURLをクリックします。

3.1でログイン時に使用したメールアドレスとパスワードを使用してログインします。
　この画面に辿りついたらOKです。
　

クラスターの作成

1.先ほどの画面Common Tasks欄のNew Clusterをクリック。
　※左のメニューバーからClustersを選択してもOKです。

2.ここではクラスターの詳細設定ができますが、とりあえずデフォルトのもので構いません。
　(コストが気になるという方は
　Worker Typeのところをm4.largeなどの変更しても大丈夫です。)
　Cluster Nameを記入したらCreate Clusterをクリックします。
　

3.左のメニューバーからClusterページにいき
　このようにStateがRunningになったらクラスターの設定が完了です。

Notebook作成

左上のメニューバーからHome画面に戻ったら
画面右のCreate a Blank Notebookをクリックします。
Name : 任意
Default Language : Python
Cluster : 先ほど作成したもの
を記入してCreateをクリック。

スクリプトの実行

以下のスクリプトを実行していきましょう。
基本的な動作はjupyter notebookと同じです。

1.今回使うモジュールのimport

import urllib.request
import json

2.インスタンス情報取得

instance = json.loads(urllib.request.urlopen('http://169.254.169.254/latest/dynamic/instance-identity/document').read())
instance

3.マスター/ドライバーのパブリックホスト名を取得

public_hostname = urllib.request.urlopen('http://169.254.169.254/latest/meta-data/public-hostname').read()
public_hostname

4.全てのワーカーのパブリックホスト名とIP情報を取得
numWorkersはClusterページから確認して各自変更してください。

numWorkers = ***

worker_instance_ids = sc.parallelize(range(numWorkers)).map(lambda x: 
  (urllib.request.urlopen('http://169.254.169.254/latest/meta-data/public-hostname').read(), urllib.request.urlopen('http://169.254.169.254/latest/meta-data/public-ipv4').read())
)

print ​worker_instance_ids.distinct().collect()

※今回の内容は以下公式サイトを参考に作成しました。
ドキュメント内のスクリプトはPython2のモジュールになっているので、本記事ではPython3用に修正しております。
https://docs.databricks.com/administration-guide/cloud-configurations/aws/describe-my-ec2.html

さいごに

公式ドキュメントに基づいて実際にNotebookを動かしてみました。
非常に簡単でしたが、databricksとAWSが連携していることが確認できたと思います。

最後までお読みいただきありがとうございました。