Componentes de Dataproc

Cuando creas un clúster, los componentes estándar del ecosistema de Apache Hadoop se instalan automáticamente en el clúster (consulta Lista de versiones de Dataproc). Puedes instalar componentes adicionales, llamados "componentes opcionales", en el clúster cuando lo creas. Agregar componentes opcionales a un clúster es similar a agregar componentes por medio de acciones de inicialización, pero tiene las siguientes ventajas:

• Tiempos de inicio más rápidos de los clústeres
• Compatibilidad probada con versiones específicas de Dataproc
• Uso de un parámetro del clúster en lugar de una secuencia de comandos de acción de inicialización
• Los componentes opcionales están integrados en otros componentes de Dataproc. Por ejemplo, cuando Anaconda y Zeppelin están instalados en un clúster, Zeppelin usará las bibliotecas y el intérprete de Python de Anaconda.

Los componentes opcionales se instalan en un clúster antes de que se ejecuten las acciones de inicialización en el clúster.

Componentes opcionales disponibles

Componente opcional	COMPONENT_NAME en comandos de gcloud y solicitudes a la API	Versión de la imagen	Etapa de actualización
Anaconda	ANACONDA	Versión 1.3 y posteriores (no disponible en la versión 2.0 y posteriores)	DG
Docker	DOCKER	1.5 y versiones posteriores	DG
Flink	FLINK	1.5 y versiones posteriores	DG
HBase	BASE	1.5 y versiones posteriores (no disponible en 2.1 y versiones posteriores)	Beta
Hive WebHCat	HIVE_WEBHCAT	1.3 y posteriores	DG
Hudi	Hudi	1.5 y versiones posteriores	DG
Notebook de Jupyter	JUPYTER	1.3 y posteriores	DG
Presto	PRESTO	1.3 y versiones posteriores (no disponible en 2.1 y versiones posteriores)	DG
Ranger	RANGER	1.3 y posteriores	DG
Solr	SOLR	1.3 y posteriores	DG
Trío	TRINO	2.1 y posteriores	DG
Notebook de Zeppelin	ZEPPELIN	1.3 y posteriores	DG
Zookeeper	ZOOKEEPER	1.0 y versiones posteriores	DG

Consulta Interfaces web del clúster para conectarte a las interfaces web de componentes que se ejecutan en clústeres. Consulta también la puerta de enlace de componentes de Dataproc, que te permite conectarte a las interfaces web de los componentes principales y opcionales de Dataproc, incluidas las interfaces de usuario de YARN, HDFS, Jupyter y Zeppelin, sin necesidad de usar túneles SSH o la modificación de las reglas de firewall para permitir el tráfico entrante.

Agrega componentes opcionales

Nota: Los siguientes ejemplos de uso son para componentes de disponibilidad general (GA).

Comando de gcloud

Para crear un clúster de Dataproc e instalar uno o más componentes opcionales en el clúster, usa el comando gcloud beta dataproc clusters create cluster-name con la marca --optional-components.

gcloud dataproc clusters create cluster-name \
  --optional-components=COMPONENT-NAME(s) \
  ... other flags

API de REST

Los componentes opcionales se pueden especificar mediante la API de Dataproc mediante SoftwareConfig.Component como parte de una solicitud clusters.create.

Consola

En Google Cloud Console, abre la página Create a cluster (Crear un clúster) de Dataproc. Se selecciona el panel Configurar clúster. En Componentes opcionales, en la sección Componentes, selecciona uno o más componentes que desees instalar en tu clúster.