Un aprovisionador es responsable de crear y eliminar el clúster de nube en el que se ejecuta la canalización. Distintos 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 una configuración de tamaño del clúster. Los aprovisionadores también tienen una configuración para las credenciales requeridas para comunicarse con sus respectivas nubes y aprovisionar los nodos de procesamiento necesarios.
Aprovisionadores compatibles con Cloud Data Fusion
Cloud Data Fusion admite los siguientes aprovisionadores:
- Dataproc
- Un servicio de nube rápido, fácil de usar y completamente administrado para 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 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 la nube.