O Dataproc sem servidor permite executar cargas de trabalho do Spark sem precisar provisionar e gerenciar seu próprio cluster do Dataproc. Há duas maneiras de executar cargas de trabalho do Dataproc sem servidor:
Dataproc sem servidor para lote do Spark
Use o console do Google Cloud, a Google Cloud CLI ou a API Dataproc para enviar uma carga de trabalho em lote para o serviço Dataproc sem servidor. O serviço executará a carga de trabalho em uma infraestrutura de computação gerenciada, com recursos de escalonamento automático conforme necessário. As cobranças do Dataproc sem servidor se aplicam somente 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 for Spark Interactive
Escreva e execute código nos notebooks do Jupyter durante uma sessão do Dataproc sem servidor para o Spark Interactive. É possível criar uma sessão de notebook das seguintes maneiras:
Use o plug-in do Dataproc do Dataproc para criar várias sessões de notebook a partir de modelos que você cria e gerencia. Quando você instala o plug-in em uma máquina local ou VM do Compute Engine, cartões diferentes que correspondem a diferentes configurações do kernel do Spark aparecem na página do inicializador do JupyterLab. Clique em um card para criar uma sessão de notebook do Dataproc sem servidor e comece a escrever e testar seu código no notebook.
O plug-in do Dataproc JupyterLab também permite usar a página do inicializador do JupyterLab para realizar as seguintes ações:
- Criar clusters do Dataproc no Compute Engine.
- Enviar jobs para clusters do Dataproc no Compute Engine.
- Acessar os registros do Google Cloud e do Spark.
Para começar, consulte Usar o JupyterLab para sessões interativas de notebook 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 o Dataproc sem servidor para Spark.
| Capacidade | Dataproc sem servidor para Spark | Dataproc no Compute Engine |
|---|---|---|
| Estruturas 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 | No |
| Tempo de inicialização | 60 s | Anos 90 |
| Controle da infraestrutura | No | Sim |
| Gerenciamento de recursos | Baseado em Spark | Com base em YARN |
| Suporte a GPUs | Sim | Sim |
| Sessões interativas | Sim | No |
| Contêineres personalizados | Sim | No |
| Acesso à VM (por exemplo, SSH) | No | Sim |
| Versões do Java | Java 17 e 11 | Versões anteriores compatíveis |
Suporte a OS Login * |
No | Sim |
Observações:
- Uma política de Login do SO não é aplicável ou compatível com o Dataproc sem servidor.
Se a organização aplicar uma política
OS Login, as cargas de trabalho do Dataproc sem servidor falharão.
Compliance de segurança do Dataproc sem servidor
O Dataproc sem servidor cumpre todos os requisitos de residência de dados, CMEK, VPC-SC e outros requisitos de segurança com os quais o Dataproc está em conformidade.
Dataproc sem servidor para recursos de carga de trabalho em lote do Spark
É possível executar os seguintes tipos de carga de trabalho em lote do Dataproc sem servidor para o Spark:
- Pyspark
- Spark SQL
- Spark R
- Spark (Java ou Scala)
É possível especificar propriedades do Spark ao enviar uma carga de trabalho em lote do Dataproc sem servidor para Spark.