Dataflow
Elaborazione unificata dei dati in modalità flusso e batch serverless, veloce e conveniente.
I nuovi clienti ricevono 300 $ di crediti gratuiti da spendere su Dataflow.
-
Servizio di elaborazione dati completamente gestito
-
Provisioning e gestione automatizzati delle risorse di elaborazione
-
Scalabilità automatica orizzontale delle risorse worker per ottimizzare l'utilizzo delle risorse
-
Innovazione guidata dalla community del software open source con l'SDK Apache Beam
-
Elaborazione "exactly-once" affidabile e coerente
Vantaggi
Analizza rapidamente i flussi di dati
Dataflow velocizza e semplifica lo sviluppo di pipeline di dati in modalità flusso garantendo una latenza dei dati minore.
Semplifica operazioni e gestione
Puoi consentire ai team di concentrarsi sulla programmazione invece che sulla gestione dei cluster di server grazie all'approccio serverless di Dataflow, che elimina i problemi di sovraccarico operativo dai carichi di lavoro di data engineering.
Riduci il costo totale di proprietà
Grazie alla scalabilità automatica delle risorse e all'ottimizzazione dei costi per l'elaborazione batch, Dataflow offre una capacità praticamente illimitata per gestire i carichi di lavoro durante i picchi e i periodi di punta stagionali senza spendere troppo.
Funzionalità principali
Funzionalità principali
Scalabilità automatica delle risorse e ridistribuzione dinamica del lavoro
Riduci al minimo i tempi di latenza della pipeline, ottimizza l'utilizzo delle risorse e abbatti i costi di elaborazione per record di dati mediante la scalabilità automatica delle risorse sensibili ai dati. Gli input di dati vengono partizionati automaticamente e ridistribuiti costantemente per livellare l'utilizzo delle risorse dei worker e ridurre l'effetto dei "tasti di scelta rapida" sulle prestazioni della pipeline.
Pianificazione e prezzi flessibili per l'elaborazione batch
Per consentire un'elaborazione flessibile nei tempi di pianificazione dei job, come i job notturni, la pianificazione flessibile delle risorse (FlexRS) offre prezzi inferiori per l'elaborazione batch. Questi job flessibili sono inseriti in una coda con la garanzia che verranno recuperati per l'esecuzione entro un lasso di tempo di sei ore.
Pattern AI in tempo reale pronti per l'uso
Abilitate tramite pattern pronti all'uso, le funzionalità di AI in tempo reale di Dataflow permettono reazioni in tempo reale a grandi quantità di eventi con intelligenza simile a quella umana. I clienti possono creare soluzioni intelligenti che vanno dall'analisi predittiva e dal rilevamento di anomalie alla personalizzazione in tempo reale e ad altri casi d'uso di analisi avanzata.
Clienti
Impara dai clienti che utilizzano Dataflow
Documentazione
Documentazione
Serverless Data Processing with Dataflow: Foundations
Formazione di base su tutto ciò che devi sapere su Dataflow.
Guida rapida di Dataflow mediante Python
Configura un progetto Google Cloud e un ambiente di sviluppo Python, scarica l'SDK Apache Beam Python, quindi esegui e modifica l'esempio WordCount nel servizio Dataflow.
Utilizzo di Dataflow SQL
Crea una query SQL ed esegui il deployment di un job Dataflow per eseguire la query SQL dall'interfaccia utente di Dataflow SQL.
Installazione dell'SDK Apache Beam
Installa l'SDK Apache Beam per eseguire le pipeline nel servizio Dataflow.
Machine learning con Apache Beam e TensorFlow
Preelabora, addestra ed esegui previsioni su un modello di machine learning per l'energia molecolare utilizzando Apache Beam, Dataflow e TensorFlow.
Tutorial sul conteggio di parole Dataflow tramite Java
In questo tutorial apprenderai il funzionamento di base del servizio Cloud Dataflow eseguendo una semplice pipeline di esempio tramite l'SDK Apache Beam Java.
Lab pratici: elaborazione dei dati con Google Cloud Dataflow
Scopri come elaborare un set di dati di testo in tempo reale utilizzando Python e Dataflow, per poi archiviarlo in BigQuery.
Lab pratici: elaborazione dei flussi con Pub/Sub e Dataflow
Scopri come utilizzare Dataflow per leggere messaggi pubblicati per un argomento Pub/Sub, visualizzare i messaggi per timestamp e scrivere i messaggi su Cloud Storage.
Risorse Dataflow
Trova informazioni su prezzi, quote per le risorse, domande frequenti e altro ancora.
Casi d'uso
Casi d'uso
L'analisi dei flussi di Google rende i dati più organizzati, utili e accessibili fin dal momento in cui vengono generati. Basata su Dataflow insieme a Pub/Sub e BigQuery, la nostra soluzione per i flussi di dati fornisce le risorse necessarie per importare, elaborare e analizzare volumi variabili di dati in tempo reale per ottenere degli insight sull'attività in tempo reale. Questo provisioning astratto riduce la complessità e rende l'analisi dei flussi accessibile sia ai data analyst che ai data engineer.
Dataflow integra gli eventi di flusso nell'ambiente Vertex AI e TensorFlow Extended (TFX) di Google Cloud per consentire l'analisi predittiva, il rilevamento delle frodi, la personalizzazione in tempo reale e altri casi d'uso di analisi avanzata. TFX utilizza Dataflow e Apache Beam come motore di elaborazione di dati distribuiti al fine di gestire vari aspetti del ciclo di vita ML, tutti supportati con CI/CD per ML tramite pipeline Kubeflow.
Ricava insight sull'attività dalla tua rete di dispositivi globale grazie a una piattaforma IoT intelligente.
Tutte le funzionalità
Tutte le funzionalità
| Scalabilità automatica verticale (novità in Dataflow Prime) | Regola dinamicamente la capacità di calcolo allocata a ciascun worker in base all'utilizzo. La scalabilità automatica verticale si integra alla perfezione con la scalabilità automatica orizzontale per scalare senza problemi i worker per adattarsi al meglio alle esigenze della pipeline. |
| Adattabilità (novità in Dataflow Prime) | L'adattabilità crea pool di risorse specifiche per fase, ottimizzati per ciascuna fase per ridurre lo spreco di risorse. |
| Diagnostica intelligente (novità in Dataflow Prime) | Una suite di funzionalità che comprendono 1) gestione delle pipeline di dati basata su SLO, 2) funzionalità di visualizzazione del job che offrono agli utenti un modo visivo per ispezionare il grafico del job e individuare i colli di bottiglia, 3) suggerimenti automatici per identificare e correggere i problemi di prestazioni e disponibilità. |
| Streaming Engine | Streaming Engine separa il computing dall'archiviazione dello stato e trasferisce parte dell'esecuzione delle pipeline dalle VM worker al servizio Dataflow backend, migliorando notevolmente la scalabilità automatica e la latenza dei dati. |
| Scalabilità automatica orizzontale | La scalabilità automatica consente al servizio Dataflow di scegliere automaticamente il numero appropriato di istanze worker necessarie per eseguire il tuo job. Il servizio Dataflow può anche riallocare dinamicamente più o meno worker durante il runtime in base alle caratteristiche del tuo job. |
| Dataflow Shuffle | Dataflow Shuffle, basato su servizi, trasferisce l'operazione di shuffle, usata per il raggruppamento e l'unione dei dati, dalle VM worker al servizio Dataflow backend per le pipeline batch. Le pipeline batch possono essere facilmente scalate, senza necessità di tuning, in centinaia di terabyte. |
| Dataflow SQL | Dataflow SQL ti permette di sfruttare le tue competenze su SQL per sviluppare pipeline di Dataflow in modalità flusso direttamente dall'interfaccia utente web di BigQuery. Puoi unire flussi di dati di Pub/Sub a file di Cloud Storage o tabelle di BigQuery, scrivere i risultati in BigQuery e creare dashboard in tempo reale con Fogli Google o altri strumenti di business intelligence. |
| Pianificazione flessibile delle risorse (FlexRS) | Dataflow FlexRS riduce i costi di elaborazione batch grazie a tecniche di pianificazione avanzate, al servizio Dataflow Shuffle e a una combinazione di istanze di macchine virtuali prerilasciabili e VM standard. |
| Modelli Dataflow | Con i modelli Dataflow puoi condividere facilmente le tue pipeline con i membri del team e dell'intera organizzazione oppure sfruttare i numerosi modelli forniti da Google per implementare attività di elaborazione dati semplici ma utili. Sono inclusi i modelli Change Data Capture per i casi d'uso sull'analisi dei flussi di dati. Con i modelli flessibili, puoi creare un modello da qualsiasi pipeline Dataflow. |
| Integrazione con Notebooks | Crea in modo iterativo pipeline complete con Vertex AI Notebooks ed esegui il deployment con l'esecutore di Dataflow. Genera pipeline Apache Beam dettagliate ispezionando i grafici delle pipeline in un flusso di lavoro Read–Eval–Print Loop (REPL). Disponibile tramite Vertex AI di Google, Notebooks ti consente di scrivere pipeline in un ambiente intuitivo con i più recenti framework di data science e machine learning. |
| Change Data Capture in tempo reale | Sincronizza o replica i dati in modo affidabile e con una latenza minima tra le origini dati eterogenee per ottimizzare l'analisi dei flussi di dati. I modelli Dataflow estensibili si integrano con Datastream per replicare i dati da Cloud Storage in BigQuery, PostgreSQL o Cloud Spanner. Il connettore Debezium di Apache Beam offre un'opzione open source per importare le modifiche dei dati da MySQL, PostgreSQL, SQL Server e Db2. |
| Monitoraggio incorporato | La funzionalità di monitoraggio incorporato di Dataflow ti consente di accedere direttamente alle metriche dei job per facilitare la risoluzione dei problemi relativi alle pipeline in modalità batch e flusso. Puoi accedere ai grafici di monitoraggio con visibilità a livello sia di fase che di worker e impostare avvisi per condizioni come dati inattivi ed elevata latenza di sistema. |
| Chiavi di crittografia gestite dal cliente | Puoi creare una pipeline in modalità batch o flusso protetta con una chiave di crittografia gestita dal cliente (CMEK) o accedere a dati protetti tramite CMEK in origini e sink. |
| Controlli di servizio VPC di Dataflow | L'integrazione di Dataflow con i Controlli di servizio VPC aumenta la sicurezza dell'ambiente di elaborazione dati migliorando la tua capacità di ridurre il rischio di esfiltrazione di dati. |
| IP privati | La disattivazione degli IP pubblici assicura una maggiore protezione dell'infrastruttura di elaborazione dati. Evitando di utilizzare indirizzi IP pubblici per i worker di Dataflow, riduci anche il numero di indirizzi IP pubblici conteggiati nella tua quota di progetto Google Cloud. |
Prezzi
Prezzi
I job di Dataflow vengono fatturati al secondo, sulla base dell'utilizzo effettivo dei worker in modalità batch o flusso di Dataflow. Ulteriori risorse, come Cloud Storage o Pub/Sub, vengono fatturate in base al prezzo del servizio corrispondente.
Partner
Esplora le soluzioni dei partner
I partner Google Cloud hanno sviluppato integrazioni con Dataflow che consentono di eseguire in modo rapido e semplice attività avanzate di elaborazione dati di qualsiasi dimensione.
I prodotti di AI Cloud sono conformi alle nostre norme relative allo SLA. Possono offrire garanzie di latenza o disponibilità diverse rispetto ad altri servizi Google Cloud.