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, los aprovisionadores de Dataproc y Amazon EMR tienen parámetros de configuración de tamaño de clúster. Los aprovisionadores también tienen parámetros de configuración para las credenciales necesarias para comunicarse con sus respectivas nubes y aprovisionar los nodos de procesamiento necesarios.
Aprovisionadores admitidos en 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 de Hadoop administrado que procesa grandes cantidades de datos en instancias de Amazon EC2 escalables de forma dinámica.
- Hadoop remoto
- Ejecuta trabajos en un clúster de Hadoop preexistente, ya sea local o en la nube.