En esta página, se explica cómo usar VMs de Arm como trabajadores para los trabajos de Dataflow y de transmisión por lotes.
Puedes usar la serie de máquinas Tau T2A de procesadores ARM para ejecutar trabajos de Dataflow. Debido a que la arquitectura de Arm está optimizada para la eficiencia energética, el uso de estas VMs genera un mejor precio por el rendimiento de algunas cargas de trabajo. Para obtener más información sobre las VMs de Arm, consulta VMs de Arm en Compute.
Requisitos
- Los siguientes SDK de Apache Beam admiten VMs de Arm:
- SDK de Apache Beam para Java, versiones 2.50.0 o posteriores
- SDK de Apache Beam para Python, versiones 2.50.0 o posteriores
- SDK de Apache Beam para Go, versiones 2.50.0 o posteriores
- Selecciona una región en la que estén disponibles las máquinas Tau T2A. Para obtener más información, consulta Regiones y zonas disponibles.
- Usa Runner v2 para ejecutar el trabajo.
- Los trabajos de transmisión deben usar Streaming Engine.
Limitaciones
- Se aplican todas las limitaciones de Tau T2A.
- No se admiten GPU.
- No se admite Cloud Profiler.
- No se admite Dataflow Prime.
- No se admite recibir métricas de una VM de trabajador de Cloud Monitoring.
- No se admite la compilación previa de imágenes de contenedor.
Ejecuta un trabajo con VMs de Arm
Para usar VMs de Arm, configura la siguiente opción de canalización.
Java
Establece la opción de canalización workerMachineType y especifica un tipo de máquina Tau T2A.
Para obtener más información sobre la configuración de las opciones de canalización, consulta Configura opciones de canalización de Dataflow.
Python
Establece la opción de canalización machine_type y especifica un tipo de máquina Tau T2A.
Para obtener más información sobre la configuración de las opciones de canalización, consulta Configura opciones de canalización de Dataflow.
Go
Establece la opción de canalización worker_machine_type y especifica un tipo de máquina Tau T2A.
Para obtener más información sobre la configuración de las opciones de canalización, consulta Configura opciones de canalización de Dataflow.
Usa imágenes de contenedor de varias arquitecturas
Si usas un contenedor personalizado en Dataflow, el contenedor debe coincidir con la arquitectura de las VMs de trabajador. Si planeas usar un contenedor personalizado en VMs de ARM, te recomendamos compilar una imagen de varias arquitecturas. Para obtener más información, consulta Compila una imagen de contenedor de varias arquitecturas.
Precios
Se te cobra por los recursos de procesamiento de Dataflow. Los precios de Dataflow son independientes de la familia de los tipos de máquinas. Para obtener más información, consulta Precios de Dataflow.