Auf dieser Seite wird erläutert, wie Sie Arm-VMs als Worker für Batch- und Streaming-Dataflow-Jobs verwenden.
Sie können die Tau T2A-Maschinenserie von Arm-Prozessoren verwenden, um Dataflow-Jobs auszuführen. Da die Arm-Architektur für Energieeffizienz optimiert ist, erzielen Sie mit diesen VMs ein besseres Preis-Leistungs-Verhältnis für einige Arbeitslasten. Weitere Informationen zu Arm-VMs finden Sie unter Arm-VMs in Compute.
Voraussetzungen
- Die folgenden Apache Beam SDKs unterstützen Arm-VMs:
- Apache Beam Java SDK Versionen 2.50.0 oder höher
- Apache Beam Python SDK Versionen 2.50.0 oder höher
- Apache Beam Go SDK Version 2.50.0 oder höher
- Wählen Sie eine Region aus, in der Tau T2A-Maschinen verfügbar sind. Weitere Informationen finden Sie unter verfügbare Regionen und Zonen.
- Verwenden Sie Runner v2, um den Job auszuführen.,
- Streamingjobs müssen Streaming Engine verwenden.
Beschränkungen
- Es gelten alle Tau T2A-Einschränkungen.
- GPUs werden nicht unterstützt.
- Cloud Profiler wird nicht unterstützt.
- Dataflow Prime wird nicht unterstützt.
- Der Empfang von Worker-VM-Messwerten aus Cloud Monitoring wird nicht unterstützt.
- Die Erstellung von Container-Images wird nicht unterstützt.
Job mit Arm-VMs ausführen
Legen Sie die folgende Pipelineoption fest, um Arm-VMs zu verwenden.
Java
Legen Sie die Pipelineoption workerMachineType fest und geben Sie einen Tau T2A-Maschinentyp an.
Weitere Informationen zum Festlegen von Pipelineoptionen finden Sie unter Dataflow-Pipelineoptionen festlegen.
Python
Legen Sie die Pipelineoption machine_type fest und geben Sie einen Tau T2A-Maschinentyp an.
Weitere Informationen zum Festlegen von Pipelineoptionen finden Sie unter Dataflow-Pipelineoptionen festlegen.
Einfach loslegen (Go)
Legen Sie die Pipelineoption worker_machine_type fest und geben Sie einen Tau T2A-Maschinentyp an.
Weitere Informationen zum Festlegen von Pipelineoptionen finden Sie unter Dataflow-Pipelineoptionen festlegen.
Container-Images mit mehreren Architekturen verwenden
Wenn Sie in Dataflow einen benutzerdefinierten Container verwenden, muss der Container der Architektur der Worker-VMs entsprechen. Wenn Sie auf den ARM-VMs einen benutzerdefinierten Container verwenden möchten, empfehlen wir, ein Image mit mehreren Architekturen zu erstellen. Weitere Informationen finden Sie unter Container-Image mit mehreren Architekturen erstellen.
Preise
Ihnen werden Dataflow-Computing-Ressourcen in Rechnung gestellt. Die Dataflow-Preise sind unabhängig von der Maschinentypfamilie. Weitere Informationen finden Sie unter Dataflow-Preise.