Menggunakan Arm VM di Dataflow

Halaman ini menjelaskan cara menggunakan VM Arm sebagai pekerja untuk tugas Dataflow dan streaming.

Anda dapat menggunakan seri mesin Tau T2A dari pemroses Arm untuk menjalankan tugas Dataflow. Karena arsitektur Arm dioptimalkan untuk efisiensi daya, penggunaan VM ini akan menghasilkan harga untuk performa yang lebih baik untuk beberapa workload. Untuk mengetahui informasi selengkapnya tentang Arm VM, baca artikel Arm VM di Compute.

Persyaratan

  • Apache Beam SDK berikut mendukung VM Arm:
    • Apache Beam Java SDK versi 2.50.0 atau yang lebih baru
    • Apache Beam Python SDK versi 2.50.0 atau yang lebih baru
    • Apache Beam Go SDK versi 2.50.0 atau yang lebih baru
  • Pilih region tempat mesin Tau T2A tersedia. Untuk mengetahui informasi selengkapnya, lihat Region dan zona yang tersedia.
  • Gunakan Runner v2 untuk menjalankan tugas.
  • Tugas streaming harus menggunakan Streaming Engine.

Batasan

Menjalankan tugas menggunakan Arm VM

Untuk menggunakan Arm VM, tetapkan opsi pipeline berikut.

Java

Tetapkan opsi pipeline workerMachineType dan tentukan jenis mesin Tau T2A.

Untuk mengetahui informasi lebih lanjut tentang cara menetapkan opsi pipeline, baca artikel Menetapkan opsi pipeline Dataflow.

Python

Tetapkan opsi pipeline machine_type dan tentukan jenis mesin Tau T2A.

Untuk mengetahui informasi lebih lanjut tentang cara menetapkan opsi pipeline, baca artikel Menetapkan opsi pipeline Dataflow.

Go

Tetapkan opsi pipeline worker_machine_type dan tentukan jenis mesin Tau T2A.

Untuk mengetahui informasi lebih lanjut tentang cara menetapkan opsi pipeline, baca artikel Menetapkan opsi pipeline Dataflow.

Menggunakan image container multi-arsitektur

Jika Anda menggunakan container kustom di Dataflow, container tersebut harus sesuai dengan arsitektur VM pekerja. Jika Anda berencana menggunakan container kustom pada VM ARM, sebaiknya buat image multi-arsitektur. Untuk mengetahui informasi selengkapnya, lihat Mem-build image container multi-arsitektur.

Harga

Anda akan dikenai biaya untuk resource komputasi Dataflow. Harga Dataflow tidak bergantung pada kelompok jenis mesin. Untuk mengetahui informasi selengkapnya, lihat Harga Dataflow.

Langkah selanjutnya