Un aprovisionador es responsable de crear y derribar el clúster de nube en el que se ejecuta la canalización. Los diferentes aprovisionadores pueden crear diferentes tipos de clústeres en varias nubes.
Cada aprovisionador expone un conjunto de parámetros de configuración que controlan el tipo de clúster que se crea para una ejecución. Por ejemplo, el clúster de Dataproc y los aprovisionadores de Amazon EMR tienen una configuración de tamaño del clúster. Los aprovisionadores también tienen de las credenciales necesarias para comunicarse con sus respectivas nubes y aprovisionar los nodos de procesamiento requeridos.
Aprovisionadores compatibles con Cloud Data Fusion
Cloud Data Fusion admite los siguientes aprovisionadores:
- Dataproc
- Es un servicio en la nube rápido, fácil de usar y completamente administrado que permite ejecutar clústeres de Apache Spark y Apache Hadoop.
- Amazon Elastic MapReduce (EMR)
- Proporciona un framework administrado de Hadoop que procesa grandes cantidades de datos en con instancias de Amazon EC2 escalables de forma dinámica.
- Hadoop remoto
- Ejecuta trabajos en un clúster de Hadoop preexistente, ya sea a nivel local o en el en la nube.