Présentation de Dataproc Metastore

Dataproc Metastore est un métastore Apache Hive (HMS) entièrement géré qui s'exécute sur Google Cloud. Un HMS est la norme établie dans l'écosystème big data Open Source pour gérer les métadonnées techniques, telles que les schémas, les partitions et les statistiques des colonnes dans une base de données relationnelle.

Dataproc Metastore est disponibilité élevée, autoréparation et sans serveur. Utilisez-le pour gérer les métadonnées du lac de données et assurer l'interopérabilité entre les différents moteurs de traitement de données et outils que vous utilisez.

Fonctionnement de Dataproc Metastore

Vous pouvez utiliser un service Dataproc Metastore en le connectant à un cluster Dataproc. Un cluster Dataproc inclut des composants qui s'appuient sur un HMS pour gérer la planification et l'exécution des requêtes.

Cette intégration vous permet de conserver les informations de votre table entre les jobs ou de mettre les métadonnées à la disposition d'autres clusters et d'autres moteurs de traitement.

Par exemple, l'implémentation d'un métastore peut vous aider à indiquer qu'un sous-ensemble de vos fichiers contient des données sur les revenus, au lieu de suivre manuellement les noms de fichiers. Dans ce cas, vous pouvez définir une table pour ces fichiers et stocker les métadonnées dans Dataproc Metastore. Vous pouvez ensuite l'associer à un cluster Dataproc et interroger la table pour obtenir des informations à l'aide de Hive, Spark SQL ou d'autres services d'interrogation.

Versions de Dataproc Metastore

Lorsque vous créez un service Dataproc Metastore, vous pouvez choisir d'utiliser un service Dataproc Metastore 2 ou un service Dataproc Metastore 1.

  • Dataproc Metastore 2 est la nouvelle génération du service qui offre une évolutivité horizontale en plus des fonctionnalités de Dataproc Metastore 1. Pour en savoir plus, consultez la section Fonctionnalités et avantages.

  • Dataproc Metastore 2 propose un forfait différent de celui de Dataproc Metastore. Pour en savoir plus, consultez les forfaits et configurations de scaling.

Cas d'utilisation courants

Tous les cas d'utilisation listés dans cette section sont compatibles avec Dataproc Metastore 2 et Dataproc Metastore 1, sauf indication contraire.

  • Attribuez du sens à vos données. Créez un dépôt de métadonnées centralisé partagé entre de nombreux clusters Dataproc éphémères. Utilisez différents moteurs de logiciels Open Source (OSS), tels que [Apache Hive](https://hive.apache.org), Apache Spark et Presto.

  • Créez une vue unifiée de vos données. Fournissez une interopérabilité entre les services Google Cloud, tels que Dataproc, Dataplex et BigQuery, ou utilisez d'autres offres partenaires Open Source sur Google Cloud.

Fonctionnalités et avantages

Toutes les fonctionnalités listées dans cette section sont compatibles avec Dataproc Metastore 2 et Dataproc Metastore 1, sauf indication contraire.

  • Compatibilité avec les logiciels Open Source. Connectez-vous à vos moteurs de traitement de données existants, tels qu'Apache Hive, Apache Spark et Presto.

  • Gestion Créez ou mettez à jour un métastore en quelques minutes, avec des tâches de surveillance et d'opérations entièrement configurées.

  • Intégration. Intégration à d'autres produits Google Cloud, par exemple en utilisant BigQuery comme source de métadonnées pour un cluster Dataproc.

  • Sécurité intégrée Utilisez des protocoles de sécurité Google Cloud établis, tels que Identity and Access Management (IAM) (Gestion de l'authentification et des accès) et l'authentification Kerberos.

  • Importation simple. Importez les métadonnées existantes stockées dans un métastore Hive Metastore externe dans un service Dataproc Metastore.

  • Sauvegardes automatiques Configurez des sauvegardes automatiques du métastore pour éviter la perte de données.

  • Surveillance des performances. Définissez des niveaux de performances pour répondre de manière dynamique aux charges de travail et aux pics très intensifs, sans préchauffage ni mise en cache.

  • Haute disponibilité (HA)

    • Dataproc Metastore 2 Fournit une haute disponibilité (HA) zonale sans nécessiter de configuration ni de gestion spécifiques. Pour ce faire, les bases de données backend et les serveurs HMS sont répliqués automatiquement dans plusieurs zones de la région de votre choix. En plus de la haute disponibilité zonale, Dataproc Metastore 2 est compatible avec la haute disponibilité et la reprise après sinistre régionales.
    • Dataproc Metastore 1 Par défaut, il fournit une haute disponibilité (HA) zonale sans nécessiter de configuration ni de gestion spécifiques. Pour ce faire, les bases de données backend et les serveurs HMS sont répliqués automatiquement dans plusieurs zones de la région de votre choix.

  • Évolutivité.

    • Dataproc Metastore 2 Utilisez un facteur de scaling horizontal pour déterminer le nombre de ressources que votre service doit utiliser à un moment donné. Le facteur de scaling peut être contrôlé manuellement ou défini sur l'autoscaling si nécessaire.
    • Dataproc Metastore 1 Choisissez entre un niveau développeur ou un niveau entreprise lorsque vous configurez votre service. Ce niveau détermine la quantité de ressources que votre service doit utiliser à un moment donné.

  • Assistance. Profitez des contrats de niveau de service et des canaux d'assistance Google Cloud standards.

Intégrations à Google Cloud

Toutes les intégrations listées dans cette section sont compatibles avec Dataproc Metastore 1 et Dataproc Metastore 2, sauf indication contraire.

  • Dataproc Connectez-vous à un cluster Dataproc pour pouvoir diffuser des métadonnées pour les charges de travail big data OSS.
  • BigQuery Interrogez des ensembles de données BigQuery dans vos charges de travail Dataproc.
  • Dataplex Interrogez des données structurées et semi-structurées découvertes dans un lac Dataplex.
  • Data Catalog Synchronisez Dataproc Metastore avec Data Catalog pour permettre la recherche et la découverte de métadonnées.
  • Journalisation et surveillance Intégrez Dataproc Metastore aux produits Cloud Monitoring et Cloud Logging.
  • Authentification et IAM S'appuyer sur l'authentification OAuth standard utilisée par d'autres produits Google Cloud, qui permet d'utiliser des rôles Identity and Access Management précis pour permettre un contrôle des accès pour des ressources individuelles.

Étapes suivantes