Endpoints regionais

Um endpoint regional armazena e manipula metadados sobre o job do Dataflow, além de implantar e controlar os workers do Dataflow.

Os nomes dos endpoints regionais seguem uma convenção padrão baseada nos nomes das regiões do Compute Engine. Por exemplo, o nome da região central dos EUA é us-central1. Atualmente, o Dataflow fornece endpoints regionais para as seguintes regiões:

• us-west1
• us-central1
• us-east1
• us-east4
• northamerica-northeast1
• europe-west2
• europe-west1
• europe-west4
• europe-west3
• asia-southeast1
• asia-east1
• asia-northeast1
• australia-southeast1

Observação: os endpoints regionais do Dataflow ainda não estão disponíveis em todas as regiões do Google Cloud. Mesmo assim, é possível executar jobs do Dataflow nelas. Basta substituir a região ou a zona do worker. Para ver uma lista de regiões e zonas em que é possível executar workers do Dataflow, consulte a página Locais do Cloud.

Por que especificar um endpoint regional?

Em algumas situações, pode ser útil especificar um ponto de extremidade regional para seu job no Dataflow.

Segurança e compliance

Talvez seja necessário restringir o processamento de jobs no Dataflow a uma região geográfica específica em apoio às necessidades de segurança e compliance do projeto.

Observação: os dados são tratados com rigor pelos workers do Dataflow na região geográfica atribuída, mas as mensagens de registro do pipeline são armazenadas no Cloud Logging, que tem uma única presença global no Google Cloud.

Localidade dos dados

Minimize os custos de latência de rede e de transporte de rede executando um job do Dataflow na mesma região que suas fontes, coletores e locais de armazenamento temporário/de teste de arquivo. É importante observar que, se você usar fontes, coletores ou locais de armazenamento temporário/de teste de arquivo que estejam localizados fora da região do job, seus dados poderão ser enviados entre regiões.

Observações sobre fontes comuns de jobs no Dataflow:

• Buckets do Cloud Storage podem ser recursos regionais ou multirregionais. Para utilizar qualquer um deles como fonte, recomendamos a execução de operações de leitura na mesma região.
• Os tópicos do Pub/Sub são recursos globais e não têm considerações regionais.

Resiliência e separação geográfica

Isole suas operações normais do Dataflow de interrupções que poderiam ocorrer em outras regiões geográficas ou planeje sites alternativos para a continuidade do negócio em caso de um desastre em escala regional.

Observação: nos planos de continuidade de negócios e recuperação de desastres, é preciso precisa incorporar detalhes das fontes e dos coletores usados nos seus jobs do Dataflow. A equipe de vendas do Cloud Platform pode ajudar você a atender a esses requisitos.

Colocação em zona automática

Por padrão, um endpoint regional seleciona automaticamente a melhor zona na região com base na capacidade da zona disponível no momento da solicitação de criação do job. A seleção de zona automática ajuda a garantir que os workers sejam executados na melhor zona para seu job.

Como usar endpoints regionais

Observação: a configuração de endpoints regionais exige a versão 2.0.0 ou posterior do SDK do Apache Beam.

Para especificar um endpoint regional para o job, defina a opção --region como um dos endpoints regionais compatíveis. Se você não especificar um endpoint regional, o Dataflow usará a região de computação padrão e os workers do job serão iniciados em zonas dentro dela. Se o endpoint regional não estiver na região padrão, será preciso especificar a região em todos os comandos do Cloud Dataflow nesse job para evitar erros.

A Interface de linha de comando do Cloud Dataflow também é compatível com a opção --region para especificar endpoints regionais.

Como substituir a região ou a zona do worker

Por padrão, quando você envia um job com o parâmetro --region, o endpoint regional atribui workers automaticamente à melhor zona dentro da região. No entanto, pode ser necessário especificar uma região ou uma zona específica (usando --worker_region ou --worker_zone, respectivamente) para suas instâncias de worker.

Observação: se você fornecer um valor para --worker_region, uma zona nessa região será escolhida automaticamente.

Modifique o local do worker nos seguintes casos:

• Os workers estão em uma região ou zona que não tem um endpoint regional, e você quer usar um endpoint regional mais próximo dessa região ou zona.

• É recomendável garantir que o processamento de dados do job do Dataflow ocorra estritamente em uma região ou zona específica.

Para os demais casos, não recomendamos modificar o local do worker. A tabela de cenários comuns contém recomendações de uso para essas situações.

Cuidado: se você substituir a região ou a zona do worker e os workers estiverem em uma região diferente do endpoint regional, poderá haver um impacto negativo no desempenho, no tráfego de rede e na latência da rede.

Execute o comando gcloud compute regions list para ver uma lista de regiões e zonas disponíveis para implantação do worker.

Cenários comuns

A tabela a seguir contém recomendações de uso para cenários comuns.

Cenário	Recomendação
Quero usar um ponto de extremidade regional aceito e não tenho preferência de zona na região. Nesse caso, o endpoint regional seleciona automaticamente a melhor zona com base na capacidade disponível.	Use --region para especificar um endpoint regional. Isso garante que o Dataflow gerencie seu job e processe os dados na região especificada.
Preciso que o processamento do worker ocorra em uma zona específica de uma região que tenha um endpoint regional.	Especifique --region e --worker_zone. Use --region para especificar o endpoint regional. Use --worker_zone para especificar a zona dentro dessa região.
Preciso que o processamento do worker ocorra em uma região específica que não tenha um endpoint regional.	Especifique --region e --worker_region. Use --region para especificar o endpoint regional compatível mais próximo da região em que o processamento do worker precisa ocorrer. Use --worker_region para especificar uma região em que o processamento do worker precisa ocorrer.
Preciso usar o Dataflow Shuffle.	Use --region para especificar um endpoint regional que aceite o Dataflow Shuffle. Alguns endpoints regionais podem não ser compatíveis com esse recurso. Consulte a documentação do recurso para ver uma lista de regiões compatíveis.