Dataflow
Einheitliche serverlose, schnelle und kostengünstige Verarbeitung von Streaming- und Batchdaten.
Neukunden erhalten ein Guthaben im Wert von 300 $ für Dataflow.
-
Vollständig verwalteter Datenverarbeitungsdienst
-
Automatisierte Bereitstellung und Verwaltung von Verarbeitungsressourcen
-
Horizontales Autoscaling von Worker-Ressourcen zur Optimierung der Ressourcennutzung
-
Von der OSS-Community vorangetriebene Innovationen mit dem Apache Beam SDK
-
Zuverlässige und einheitliche, genau einmalige Verarbeitung
Vorteile
Analyse von Streamingdaten mit hoher Geschwindigkeit
Dataflow ermöglicht die schnelle, vereinfachte Entwicklung von Streamingdaten-Pipelines mit besonders niedriger Latenz.
Vorgänge und Verwaltung vereinfachen
Dank des serverlosen Ansatzes von Dataflow entfällt der operative Aufwand von Data Engineering-Arbeitslasten, sodass sich Teams auf das Programmieren konzentrieren können und sich nicht um die Verwaltung von Serverclustern kümmern müssen.
Gesamtbetriebskosten reduzieren
Durch das Autoscaling von Ressourcen und eine kostenoptimierte Batchverarbeitung stellt Dataflow praktisch unbegrenzte Kapazitäten für Ihre nur temporär auftretenden Arbeitslasten und Lastspitzen bereit, ohne dass übermäßige Kosten anfallen.
Wichtige Features
Wichtige Features
Ressourcen-Autoscaling und dynamischer Arbeitsausgleich
Mit datenbewusstem Ressourcen-Autoscaling können Sie die Pipelinelatenz minimieren, die Ressourcennutzung maximieren und Verarbeitungskosten pro Dataset reduzieren. Dateneingaben werden automatisch partitioniert und permanent gleichmäßig verteilt, um die Worker-Ressourcennutzung auszugleichen und die Auswirkung von „Hot Keys“ auf die Pipelineleistung zu reduzieren.
Flexible Planung und Preise für die Batchverarbeitung
Zur flexiblen Verarbeitung im Rahmen der zeitlichen Planung von Jobs, beispielsweise über Nacht, ergibt sich mit der flexiblen Ressourcenplanung (FlexRS) ein günstigerer Preis für die Batchverarbeitung. Diese flexiblen Jobs werden in einer Warteschlange mit der Garantie platziert, dass sie innerhalb von sechs Stunden abgerufen und ausgeführt werden.
Einsatzbereite Echtzeit-AI-Muster
Mit einsatzbereiten Mustern ermöglichen die Echtzeit-KI-Funktionen von Dataflow Echtzeitreaktionen mit nahezu menschlicher Intelligenz auf zahlreiche Ereignisse. Kunden können intelligente Lösungen für eine Vielzahl von Bereichen erstellen, z. B. Analysen zu Prognosezwecken, Anomalieerkennung, Echtzeit-Personalisierung sowie weitere Anwendungsfälle im Bereich der erweiterten Analysen.
Kunden
Von Kunden lernen, die Dataflow verwenden
Dokumentation
Dokumentation
Serverless Data Processing with Dataflow: Foundations
Grundlagenschulung zu allem, was Sie über Dataflow wissen müssen.
Dataflow-Kurzanleitung mit Python
In dieser Kurzanleitung erfahren Sie, wie Sie ein Google Cloud-Projekt und eine Python-Entwicklungsumgebung einrichten, das Apache Beam SDK abrufen sowie das WordCount-Beispiel im Dataflow-Dienst ausführen und ändern.
Dataflow SQL verwenden
In dieser Anleitung erfahren Sie, wie Sie auf der Dataflow SQL-Benutzeroberfläche eine SQL-Abfrage erstellen und einen Dataflow-Job zum Ausführen der Abfrage bereitstellen.
Apache Beam SDK installieren
In dieser Anleitung erfahren Sie, wie Sie das Apache Beam SDK installieren, damit Sie Ihre Pipelines im Dataflow-Dienst ausführen können.
Maschinelles Lernen mit Apache Beam und TensorFlow
In dieser Anleitung erfahren Sie, wie Sie mit Apache Beam, Dataflow und TensorFlow ein ML-Modell für molekulare Energie vorverarbeiten, trainieren und damit Vorhersagen erstellen.
Anleitung zum Wörterzählen mit Dataflow in Java
In dieser Anleitung werden die Grundlagen des Cloud Dataflow-Dienstes durch eine einfache Beispielpipeline beschrieben, die mit dem Apache Beam Java SDK ausgeführt wird.
Praxisorientierte Labs: Processing Data with Google Cloud Dataflow
Hier erfahren, wie Sie mit Python und Dataflow ein textbasiertes Echtzeit-Dataset verarbeiten und dann in BigQuery speichern.
Praxisorientierte Labs: Streamverarbeitung mit Pub/Sub und Dataflow
Darin lernen Sie, wie Sie mit Dataflow in einem Pub/Sub-Thema veröffentlichte Nachrichten lesen, die Nachrichten nach Zeitstempel einordnen und sie in Cloud Storage speichern können.
Dataflow-Ressourcen
Weitere Informationen zu Preisen, Ressourcenkontingenten, häufig gestellten Fragen und mehr.
Anwendungsfälle
Anwendungsfälle
Mit Streamanalysen von Google Cloud sind Daten sofort nach ihrer Generierung besser organisiert, nutzbar und zugänglich. Unsere Streaming-Lösung basiert auf Dataflow, Pub/Sub und BigQuery. Sie bietet die erforderlichen Ressourcen, um schwankende Echtzeitdatenmengen für geschäftliche Datenauswertungen in Echtzeit aufzunehmen, zu verarbeiten und zu analysieren. Diese abstrahierte Bereitstellung reduziert die Komplexität und macht Streamanalysen sowohl für Datenanalysten als auch für Data Engineers zugänglich.
Dataflow ergänzt Vertex AI von Google Cloud und TensorFlow Extended (TFX) um Streamingereignisse und ermöglicht damit neben Analysen zu Prognosezwecken auch die Betrugserkennung und Echtzeit-Personalisierung sowie weitere Anwendungsfälle im Bereich erweiterte Analysen. TFX verwendet Dataflow und Apache Beam als Engine für die verteilte Datenverarbeitung, um verschiedene Aspekte des ML-Lebenszyklus zu realisieren. Zur Unterstützung kommt dabei CI/CD für ML über Kubeflow-Pipelines zum Einsatz.
Gewinnen Sie mit unserer intelligenten IoT-Plattform wertvolle Geschäftsinformationen aus Ihrem globalen Gerätenetzwerk.
Alle Features
Alle Features
| Vertikales Autoscaling – neu in Dataflow Prime | Passt die Computing-Kapazität, die jedem Worker zugewiesen ist, basierend auf der Auslastung dynamisch an. Vertikales Autoscaling arbeitet eng mit dem horizontalen Autoscaling zusammen, um Worker nahtlos an die Anforderungen der Pipeline anzupassen. |
| Right Fitting – neu in Dataflow Prime | Durch Right Fitting werden phasenspezifische Ressourcenpools erstellt, die für die einzelnen Phasen optimiert sind, um unnötige Ressourcen zu vermeiden. |
| Intelligente Diagnose – neu in Dataflow Prime | Verschiedene Features, darunter 1) SLO-basierte Daten-Pipeline-Verwaltung, 2) Visualisierungsfunktionen für Jobs, die Nutzern eine visuelle Möglichkeit bieten, ihre Jobdiagramme zu prüfen und Engpässe zu erkennen, 3. ) Automatische Empfehlungen zum Ermitteln und Optimieren von Leistungs- und Verfügbarkeitsproblemen. |
| Streaming Engine | Streaming Engine trennt das Computing vom Zustandsspeicher und verschiebt Teile der Pipelineausführung aus den Worker-VMs in das Back-End des Dataflow-Dienstes, sodass das Autoscaling und die Datenlatenz erheblich verbessert werden. |
| Horizontales Autoscaling | Horizontales Autoscaling ermöglicht es dem Dataflow-Dienst, automatisch die richtige Anzahl von Worker-Instanzen für die Verarbeitung eines Jobs auszuwählen. Der Dataflow-Dienst kann während der Laufzeit auch je nach Job dynamisch mehr oder weniger Worker neu zuweisen. |
| Dataflow Shuffle | Der dienstbasierte Dataflow Shuffle verschiebt den zum Gruppieren und Zusammenführen von Daten verwendeten Shuffle-Vorgang aus den Worker-VMs in das Back-End des Dataflow-Dienstes für Batchpipelines. Batchpipelines werden nahtlos auf Hunderte von Terabyte skaliert, ohne dass etwas abgestimmt werden muss. |
| Dataflow SQL | Mit Dataflow SQL können Sie Ihre SQL-Kompetenzen nutzen, um Dataflow-Streamingpipelines direkt in der BigQuery-Web-UI zu erstellen. Sie können Streamingdaten aus Pub/Sub mit Dateien in Cloud Storage oder Tabellen in BigQuery zusammenführen, Ergebnisse in BigQuery schreiben und mit Google Tabellen oder anderen BI-Tools Echtzeit-Dashboards erstellen. |
| Flexible Resource Scheduling (FlexRS) | Dataflow FlexRS reduziert die Kosten für die Batchverarbeitung. Dazu werden erweiterte Planungsverfahren, der Dataflow Shuffle-Dienst sowie eine Kombination aus VM-Instanzen auf Abruf und normalen VMs verwendet. |
| Dataflow-Vorlagen | Dataflow-Vorlagen ermöglichen Ihnen das einfache Teilen Ihrer Pipelines mit Teammitgliedern und Ihrer gesamten Organisation. Sie können auch zahlreiche von Google zur Verfügung gestellte Vorlagen nutzen, um einfache, aber nützliche Datenverarbeitungsaufgaben zu implementieren. Dies beinhaltet auch Change Data Capture-Vorlagen für Anwendungsfälle im Bereich Streaminganalysen. Mit Flex-Vorlagen können Sie eine Vorlage aus einer beliebigen Dataflow-Pipeline erstellen. |
| Notebooks-Integration | Erstellen Sie iterativ ganz neue Pipelines mit Vertex AI Notebooks und stellen Sie diese mit dem Dataflow-Runner bereit. Schreiben Sie Apache Beam-Pipelines Schritt für Schritt. Untersuchen Sie hierzu Pipeline-Grafiken in einem REPL-Workflow (Read-Eval-Print-Loop). Notebooks ist über Vertex AI von Google verfügbar und ermöglicht Ihnen das Schreiben von Pipelines in einer intuitiven Umgebung mit neuesten Data Science- und ML-Frameworks. |
| Change Data Capture in Echtzeit | Synchronisieren oder replizieren Sie Daten zuverlässig und mit minimaler Latenz über heterogene Datenquellen, um Streaminganalysen zu ermöglichen. Erweiterbare Dataflow-Vorlagen können in Datastream eingebunden werden, um Daten aus Cloud Storage in BigQuery, PostgreSQL oder Cloud Spanner zu replizieren. Der Debezium-Connector von Apache Beam bietet eine Open-Source-Option, um Datenänderungen von MySQL, PostgreSQL, SQL Server und Db2 aufzunehmen. |
| Inline-Monitoring | Mit Dataflow Inline-Monitoring können Sie direkt auf Jobmesswerte zugreifen und so einfacher Fehlerbehebungen bei Batch- und Streamingpipelines vornehmen. Sie können sowohl auf Schritt- als auch auf Worker-Ebene auf Monitoring-Diagramme zugreifen und Alarme für Bedingungen wie veraltete Daten und hohe Systemlatenz einrichten. |
| Vom Kunden verwaltete Verschlüsselungsschlüssel | Sie können eine Batch- oder Streamingpipeline erstellen, die durch einen vom Kunden verwalteten Verschlüsselungsschlüssel (Customer-Managed Encryption Key, CMEK) geschützt ist, oder auf CMEK-geschützte Daten in Quellen und Senken zugreifen. |
| VPC Service Controls in Dataflow | Durch die Einbindung von VPC Service Controls in Dataflow profitieren Sie von zusätzlicher Sicherheit für Ihre Datenverarbeitungsumgebung, da Sie das Risiko einer Daten-Exfiltration besser verringern können. |
| Private IPs | Durch Deaktivierung öffentlicher IP-Adressen können Sie die Sicherheit der Infrastruktur Ihrer Datenverarbeitung erhöhen. Wenn Sie keine öffentlichen IP-Adressen für Ihre Dataflow-Worker verwenden, senken Sie damit auch die Anzahl der öffentlichen IP-Adressen, die Sie im Rahmen Ihres Google Cloud-Projektkontingents nutzen. |
Preise
Preise
Die Abrechnung von Dataflow-Jobs erfolgt pro Sekunde und anhand der tatsächlich genutzten Dataflow-Batch- oder -Streaming-Worker. Zusätzliche Ressourcen wie Cloud Storage oder Pub/Sub werden nach den Tarifen für diese Dienste abgerechnet.
Partner
Partnerlösungen kennenlernen
Google Cloud-Partner haben Lösungen für Dataflow entwickelt, mit denen Sie schnell und einfach leistungsstarke Datenverarbeitungsaufgaben jeder Größenordnung ausführen können.
KI-Produkte von Google Cloud entsprechen unseren SLA-Richtlinien. Sie bieten eventuell von anderen Google Cloud-Diensten abweichende Latenz- oder Verfügbarkeitsgarantien.