O Dataproc sem servidor permite executar cargas de trabalho do Spark sem precisar provisionar e gerenciar o próprio cluster do Dataproc. Há duas maneiras de executar cargas de trabalho do Dataproc sem servidor:
Dataproc Serverless para Spark Batch
Use o console do Google Cloud, a CLI do Google Cloud ou a API Dataproc para enviar uma carga de trabalho em lote ao serviço sem servidor do Dataproc. O serviço será executado a carga de trabalho em uma infraestrutura de computação gerenciada, fazendo o escalonamento automático dos recursos conforme necessário. As cobranças do Dataproc Serverless se aplicam apenas ao momento em que a carga de trabalho está em execução.
Para começar, consulte Executar uma carga de trabalho em lote do Apache Spark.
Dataproc Serverless para Spark Interactive
Crie e execute códigos em notebooks do Jupyter durante uma sessão do Dataproc Serverless para Spark Interactive. É possível criar uma sessão de notebook nas seguintes maneiras:
Usar o plug-in do Dataproc do Dataproc para criar vários notebooks sessões com modelos criados e gerenciados por você. Quando você instala o plug-in em uma máquina local ou em uma VM do Compute Engine, cards diferentes que correspondem a diferentes configurações do kernel do Spark aparecem na página de inicialização do JupyterLab. Clique em um card para criar uma sessão de notebook do Dataproc Serverless e comece a escrever e testar seu código no notebook.
O plug-in Dataproc JupyterLab também permite use a página de tela de início do JupyterLab para fazer o seguinte:
- Crie o Dataproc em clusters do Compute Engine.
- Envie jobs para o Dataproc em clusters do Compute Engine.
- Acessar os registros do Google Cloud e do Spark.
Para começar, consulte Usar o JupyterLab para sessões de notebook interativas e em lote sem servidor.
Dataproc sem servidor para Spark em comparação com o Dataproc no Compute Engine
O Dataproc no Compute Engine é ideal se você quer provisionar e gerenciar a infraestrutura e, em seguida, executar cargas de trabalho no Spark e em outros frameworks de processamento de código aberto. A tabela a seguir lista as principais diferenças entre o Dataproc no Compute Engine e Dataproc sem servidor para Spark.
Capacidade | O Dataproc Serverless para Spark | Dataproc no Compute Engine |
---|---|---|
Frameworks de processamento | Lote: Spark 3.4 e versões anteriores Interativo: kernels do PySpark para o Spark 3.4 e versões anteriores |
Spark 3.3 e versões anteriores. Outros frameworks de código aberto, como Hive, Flink, Trino e Kafka. |
Sem servidor | Sim | Não |
Tempo de inicialização | 60 s | Anos 90 |
Controle de infraestrutura | Não | Sim |
Gerenciamento de recursos | Baseado em Spark | Com base no YARN |
Suporte a GPUs | Sim | Sim |
Sessões interativas | Sim | Não |
Contêineres personalizados | Sim | Não |
Acesso à VM (por exemplo, SSH) | Não | Sim |
Versões do Java | Java 17, 11 | Versões anteriores compatíveis |
OS Login
suporte * |
Não | Sim |
Observações:
- Uma política de Login do SO não é aplicável ou compatível com o Dataproc sem servidor.
Se a sua organização aplicar uma política
OS Login
, os workloads do Dataproc sem servidor vão falhar.
Compliance de segurança do Dataproc sem servidor
O Dataproc sem servidor adere a toda a residência de dados, CMEK VPC-SC, e outros requisitos de segurança com os quais o Dataproc está em conformidade.
Recursos de carga de trabalho em lote do Dataproc Serverless para Spark
É possível executar o seguinte Dataproc sem servidor para tipos de carga de trabalho em lote do Spark:
- Pyspark
- Spark SQL
- Spark R
- Spark (Java ou Scala)
É possível especificar as propriedades do Spark quando você envia uma carga de trabalho em lote do Dataproc sem servidor para Spark.