Memorizzazione in cache del cluster

Quando attivi la memorizzazione nella cache del cluster Dataproc, il cluster memorizza nella cache i dati di Cloud Storage a cui i job Spark accedono di frequente.

Vantaggi

• Miglioramento delle prestazioni:la memorizzazione nella cache può migliorare le prestazioni dei job riducendo il tempo impiegato per recuperare i dati dall'archiviazione.
• Costi di archiviazione ridotti: poiché i dati caldi vengono memorizzati nella cache sul disco locale, vengono effettuate meno chiamate API allo spazio di archiviazione per recuperare i dati.

Limitazioni e requisiti

• La memorizzazione nella cache si applica solo ai job Spark di Dataproc.
• Solo i dati di Cloud Storage vengono memorizzati nella cache.
• La memorizzazione nella cache si applica solo ai cluster che soddisfano i seguenti requisiti:
  • Il cluster ha un master e n worker (i cluster ad alta disponibilità (HA) e a singolo nodo non sono supportati).
  • Questa funzionalità è disponibile nelle versioni immagine 2.0.72+ or 2.1.20+ di Dataproc su Compute Engine.
  • Ogni nodo del cluster deve avere SSD locali collegati con l'interfaccia NVMe (Non-Volatile Memory Express) (i dischi permanenti non sono supportati). I dati vengono memorizzati nella cache solo su SSD locali NVME.
  • Il cluster utilizza il service account VM predefinito per l'autenticazione. I service account VM personalizzati non sono supportati.

Attiva la memorizzazione nella cache del cluster

Puoi attivare la memorizzazione nella cache del cluster quando crei un cluster Dataproc utilizzando la console Google Cloud, Google Cloud CLI o l'API Dataproc.

Console Google Cloud

• Apri la pagina Dataproc Crea un cluster su Compute Engine nella console Google Cloud.
• Il riquadro Configura cluster è selezionato. Nella sezione Miglioramenti delle prestazioni di Spark, seleziona Abilita la memorizzazione nella cache di Google Cloud Storage.
• Dopo aver confermato e specificato i dettagli del cluster nei riquadri di creazione del cluster, fai clic su Crea.

Interfaccia a riga di comando gcloud

Esegui il comando gcloud dataproc clusters create localmente in una finestra del terminale o in Cloud Shell utilizzando la proprietà cluster dataproc:dataproc.cluster.caching.enabled=true.

Esempio:

gcloud dataproc clusters create CLUSTER_NAME \
    --region=REGION \
    --properties dataproc:dataproc.cluster.caching.enabled=true \
    --num-master-local-ssds=2 \
    --master-local-ssd-interface=NVME \
    --num-worker-local-ssds=2 \
    --worker-local-ssd-interface=NVME \
    other args ...
  

API REST

Imposta SoftwareConfig.properties in modo da includere la "dataproc:dataproc.cluster.caching.enabled": "true" proprietà cluster all'interno di una richiesta clusters.create.