Présentation de Dataproc sans serveur

Dataproc sans serveur vous permet d'exécuter des charges de travail Spark sans avoir à provisionner ni à gérer votre propre cluster Dataproc. Il existe deux façons d'exécuter des charges de travail Dataproc sans serveur:

Dataproc sans serveur pour Spark Batch

Envoyez une charge de travail par lot au service Dataproc sans serveur à l'aide de la console Google Cloud, de Google Cloud CLI ou de l'API Dataproc. Le service exécute la charge de travail sur une infrastructure de calcul gérée en effectuant un autoscaling des ressources selon les besoins. Les frais Dataproc sans serveur ne s'appliquent qu'au moment où la charge de travail est exécutée.

Pour commencer, consultez la page Exécuter une charge de travail par lot Apache Spark.

Dataproc sans serveur pour Spark interactif

Écrivez et exécutez du code dans des notebooks Jupyter lors d'une session interactive Dataproc Serverless for Spark. Vous pouvez créer une session de notebook de plusieurs manières:

  • Utilisez le plug-in Dataproc JupyterLab pour créer plusieurs sessions de notebook à partir de modèles que vous créez et gérez. Lorsque vous installez le plug-in sur un ordinateur local ou une VM Compute Engine, différentes cartes correspondant à différentes configurations de kernel Spark s'affichent sur la page du lanceur JupyterLab. Cliquez sur une fiche pour créer une session de notebook Dataproc sans serveur, puis commencez à écrire et à tester votre code dans le notebook.

    Le plug-in Dataproc JupyterLab vous permet également d'utiliser la page du lanceur JupyterLab pour effectuer les actions suivantes:

    • Créez des clusters Dataproc sur Compute Engine.
    • Envoyez des tâches à Dataproc sur des clusters Compute Engine.
    • Afficher les journaux Google Cloud et Spark

Pour commencer, consultez la section Utiliser JupyterLab pour les sessions de notebook et le traitement par lot sans serveur.

Comparaison entre Dataproc sans serveur pour Spark et Dataproc sur Compute Engine

Si vous souhaitez provisionner et gérer une infrastructure, puis exécuter des charges de travail sur Spark et d'autres frameworks de traitement Open Source, utilisez Dataproc sur Compute Engine. Le tableau suivant présente les principales différences entre Dataproc sur Compute Engine et Dataproc sans serveur pour Spark.

Capacité Dataproc sans serveur pour Spark Dataproc sur Compute Engine
Frameworks de traitement Par lot: Spark 3.4 ou version antérieure
Interactif: noyaux PySpark pour Spark 3.4 ou version antérieure
Spark 3.3 et versions antérieures D'autres frameworks Open Source, tels que Hive, Flink, Trino et Kafka
Sans serveur Oui Non
Temps de démarrage 60 s Années 90
Contrôle de l'infrastructure Non Oui
Gestion des ressources Basé sur Spark Basé sur YARN
Compatibilité avec les GPU Oui Oui
Sessions interactives Oui Non
Conteneurs personnalisés Oui Non
Accès à la VM (par exemple, SSH) Non Oui
Versions Java Java 17, 11 Versions précédentes compatibles
OS Login prise en charge * Non Oui

Remarques :

  • Une règle OS Login n'est pas applicable ni compatible avec Dataproc sans serveur. Si votre organisation applique une règle OS Login, ses charges de travail Dataproc sans serveur échoueront.

Conformité de la sécurité Dataproc sans serveur

Dataproc sans serveur respecte toutes les exigences de résidence des données, de CMEK, de VPC-SC et d'autres exigences de sécurité que Dataproc respecte.

Fonctionnalités de traitement par lot de Dataproc sans serveur pour Spark

Vous pouvez exécuter les types de charges de travail par lot Spark Dataproc sans serveur suivants:

  • PySpark
  • Spark SQL
  • Spark R
  • Spark (Java ou Scala)

Vous pouvez spécifier des propriétés Spark lorsque vous envoyez une charge de travail par lot Dataproc sans serveur pour Spark.