Mantenha tudo organizado com as coleções
Salve e categorize o conteúdo com base nas suas preferências.
É possível personalizar o ambiente de execução do código do usuário nos pipelines do
Dataflow fornecendo uma imagem de contêiner personalizada. Os contêineres personalizados são
compatíveis com pipelines que usam o
Runner v2 do Dataflow.
Quando o Dataflow inicia VMs de worker, ele usa imagens de contêiner
do Docker para iniciar processos de SDK conteinerizados nos workers. Por padrão, um pipeline usa uma imagem do Apache Beam pré-criada.
No entanto, é possível fornecer uma imagem de contêiner personalizada para seu job do Dataflow.
Quando você especifica uma imagem de contêiner personalizada, o Dataflow inicia os workers
que recebem a imagem especificada.
É possível usar um contêiner personalizado pelos seguintes motivos:
Pré-instalar dependências de pipeline para reduzir o tempo de início do worker.
Pré-instalar dependências de pipeline que não estão disponíveis em
repositórios públicos.
Pré-instalar dependências de pipeline quando o acesso a repositórios públicos for
desativado. O acesso pode ser desativado por motivos de segurança.
Como preparar arquivos grandes para reduzir o tempo de início do worker.
[[["Fácil de entender","easyToUnderstand","thumb-up"],["Meu problema foi resolvido","solvedMyProblem","thumb-up"],["Outro","otherUp","thumb-up"]],[["Difícil de entender","hardToUnderstand","thumb-down"],["Informações incorretas ou exemplo de código","incorrectInformationOrSampleCode","thumb-down"],["Não contém as informações/amostras de que eu preciso","missingTheInformationSamplesINeed","thumb-down"],["Problema na tradução","translationIssue","thumb-down"],["Outro","otherDown","thumb-down"]],["Última atualização 2025-08-18 UTC."],[[["\u003cp\u003eDataflow pipelines using Runner v2 support the use of custom container images to customize the runtime environment of user code.\u003c/p\u003e\n"],["\u003cp\u003eBy default, Dataflow pipelines use prebuilt Apache Beam images, but users can specify their own custom container images for their Dataflow jobs.\u003c/p\u003e\n"],["\u003cp\u003eCustom containers allow users to preinstall pipeline dependencies, including those not in public repositories, and to manage dependencies when access to public repositories is restricted.\u003c/p\u003e\n"],["\u003cp\u003eUsing custom containers also allows you to prestage large files and launch third-party software to customize the execution environment.\u003c/p\u003e\n"],["\u003cp\u003eThe main use cases of custom containers are to reduce worker start time, customize the environment, and to manage dependencies.\u003c/p\u003e\n"]]],[],null,[]]
