Tipos de máquina admitidos

Los clústeres de Dataproc se compilan en instancias de Compute Engine. Los recursos de hardware virtualizados disponibles para una instancia dependen de los tipos de máquinas. Compute Engine ofrece tipos predefinidos de máquinas y tipos personalizados de máquinas. Los clústeres de Dataproc pueden usar tipos predefinidos y personalizados para los nodos principales o trabajadores.

Los clústeres de Dataproc admiten los siguientes Compute Engine predefinidos de tipos de máquinas (la disponibilidad del tipo de máquina varía según región):

  • Tipos de máquinas de uso general, que incluyen los tipos de máquinas N1, N2, N2D, E2, C4 y N4 (Dataproc también admite los tipos personalizados de máquinas N1, N2, N2D, E2, C4 y N4.

    Limitaciones:

    • El tipo de máquina n1-standard-1 no es compatible con imágenes 2.0 o posteriores (el tipo de máquina n1-standard-1 no se recomienda para imágenes anteriores a la versión 2.0; en su lugar, usa un tipo de máquina con más memoria).
    • Los tipos de máquinas de núcleo compartido no son compatibles, lo que Incluye los siguientes tipos de máquina no compatibles:
      • E2: tipos de máquinas de núcleo compartido e2-micro, e2-small y e2-medium
      • N1: tipos de máquinas de núcleo compartido f1-micro y g1-small.
    • Dataproc selecciona hyperdisk-balanced como el tipo de disco de arranque si el tipo de máquina es C4 o N4.
  • Tipos de máquinas optimizados para procesamiento, que incluyen tipos de máquinas C2 y C2D.
  • Tipos de máquina con optimización de memoria, que incluyen tipos de máquinas M1 y M2.
  • Tipos de máquinas ARM, que incluyen tipos de máquinas T2A.

Tipos personalizados de máquinas

Dataproc admite Tipos personalizados de máquinas de la serie N1.

Los tipos personalizados de máquinas son ideales para las siguientes cargas de trabajo:

  • Las cargas de trabajo que no son adecuadas para los tipos predefinidos de máquina
  • Las cargas de trabajo que requieren mayor memoria o poder de procesamiento, pero no todas las actualizaciones que proporciona el próximo nivel de tipo de máquina

Por ejemplo, si tienes una carga de trabajo que necesita más potencia de procesamiento que que proporciona una instancia de n1-standard-4, pero en el paso siguiente, una n1-standard-8 de una instancia de VM, proporciona demasiada capacidad. Con los tipos personalizados de máquinas, puedes crear clústeres de Dataproc con nodos principales o trabajadores en el rango medio, con 6 CPU virtuales y 25 GB de memoria.

Especifica un tipo personalizado de máquina

Los tipos personalizados de máquinas usan una especificación machine type especial y están sujetos a limitaciones. A modo de ejemplo, la especificación del tipo personalizado de máquina para una VM personalizada con 6 CPU virtuales y 22.5 GB de memoria es custom-6-23040:

Los números en la especificación de tipo de máquina corresponden al número de CPU virtuales (vCPU) en la máquina (6) y la cantidad de memoria (23040). Se calcula la cantidad de memoria multiplicando la cantidad de memoria en gigabytes por 1024 (consulta Expresa la memoria en GB o MB). En este ejemplo, 22.5 (GB) se multiplica por 1024: 22.5 * 1024 = 23040.

Usa la sintaxis anterior para especificar el tipo personalizado de máquina con tus clústeres. Puedes establecer el tipo de máquina para nodos principales o trabajadores, o para ambos, cuando creas un clúster. Si estableces los dos, el nodo principal puede usar un tipo personalizado de máquina diferente al del tipo que usan los trabajadores. El tipo de máquina que usan los trabajadores secundarios sigue la configuración de los trabajadores principales y no se puede establecer por separado (consulta Trabajadores secundarios: VM interrumpibles y no interrumpibles).

Precios de los tipos personalizados de máquinas

Los precios de los tipos personalizados de máquinas se basan en los recursos usados en una máquina personalizada. El precio de Dataproc se agrega al costo de los recursos de procesamiento y se basa en la cantidad total de CPU virtuales usadas en un clúster.

Crea un clúster de Dataproc con un tipo de máquina especificado

Console

Desde el panel Configurar nodos de Dataproc Página Crear un clúster en la consola de Google Cloud, selecciona la familia, la serie y el tipo de máquinas del clúster principal y los nodos trabajadores.

Comando de gcloud

Ejecuta el gcloud dataproc clusters create con las siguientes marcas para crear un clúster de Dataproc con la instancia principal o de trabajador:

  • La marca --master-machine-type machine-type te permite configurar el tipo predefinido o personalizado de máquina que usa la instancia de VM principal en tu clúster (o instancias principales si creas un Clúster de HA ).
  • La marca --worker-machine-type custom-machine-type te permite establecer el tipo predefinido o personalizado de máquina que usan las instancias de VM de trabajador en tu clúster.

Ejemplo:

gcloud dataproc clusters create test-cluster /
    --master-machine-type custom-6-23040 /
    --worker-machine-type custom-6-23040 /
    other args
Una vez que se inicia el clúster de Dataproc, sus detalles se muestran en ventana de terminal. La siguiente es una lista parcial de muestra de las propiedades del clúster mostradas en la ventana de terminal: 
...
properties:
  distcp:mapreduce.map.java.opts: -Xmx1638m
  distcp:mapreduce.map.memory.mb: '2048'
  distcp:mapreduce.reduce.java.opts: -Xmx4915m
  distcp:mapreduce.reduce.memory.mb: '6144'
  mapred:mapreduce.map.cpu.vcores: '1'
  mapred:mapreduce.map.java.opts: -Xmx1638m
...

API de REST

Para crear un clúster con tipos de máquina personalizados, establece machineTypeUri en InstanceGroupConfig masterConfig y/o workerConfig en la solicitud a la API cluster.create.

Ejemplo:

POST /v1/projects/my-project-id/regions/is-central1/clusters/
{
  "projectId": "my-project-id",
  "clusterName": "test-cluster",
  "config": {
    "configBucket": "",
    "gceClusterConfig": {
      "subnetworkUri": "default",
      "zoneUri": "us-central1-a"
    },
    "masterConfig": {
      "numInstances": 1,
      "machineTypeUri": "n1-highmem-4",
      "diskConfig": {
        "bootDiskSizeGb": 500,
        "numLocalSsds": 0
      }
    },
    "workerConfig": {
      "numInstances": 2,
      "machineTypeUri": "n1-highmem-4",
      "diskConfig": {
        "bootDiskSizeGb": 500,
        "numLocalSsds": 0
      }
    }
  }
}

Crea un clúster de Dataproc con tipo personalizado de máquina con memoria extendida

Dataproc admite tipos personalizados de máquinas con memoria extendida más allá del límite de 6.5 GB por CPU virtual (consulta Precios de memoria extendida).

Console

Haz clic en Extend memory (Extender memoria) cuando personalices la memoria del tipo de máquina en la Sección del nodo principal o nodos trabajadores del panel Configurar nodos en Dataproc Crea un clúster en la consola de Google Cloud.

Comando de gcloud

Para crear un clúster desde la línea de comandos de gcloud con CPU personalizadas con memoria extendida, agrega un sufijo -ext a las marcas ‑‑master-machine-type o ‑‑worker-machine-type.

Ejemplo

La siguiente línea de comandos de gcloud de muestra crea un clúster de Dataproc con 1 CPU con 50 GB de memoria (50 * 1,024 = 51,200) en cada nodo:

gcloud dataproc clusters create test-cluster /
    --master-machine-type custom-1-51200-ext /
    --worker-machine-type custom-1-51200-ext /
    other args

API

El siguiente ejemplo <code.instancegroupconfig< code="" dir="ltr" translate="no"></code.instancegroupconfig<> Fragmento JSON de la API de REST de Dataproc clusters.create especifica 1 CPU y 50 GB de memoria (50 * 1,024 = 51,200) en cada nodo:

...
    "masterConfig": {
      "numInstances": 1,
      "machineTypeUri": "custom-1-51200-ext",
    ...
    },
    "workerConfig": {
      "numInstances": 2,
      "machineTypeUri": "custom-1-51200-ext",
     ...
...

Tipos de máquinas ARM

Dataproc admite la creación de un clúster con nodos que usan Tipos de máquinas ARM, como el tipo de máquina T2A.

Requisitos y limitaciones:

  • La imagen de Dataproc debe ser compatible con el chipset ARM (actualmente, solo la imagen de Dataproc 2.1-ubuntu20-arm es compatible con el CHIPSET ARM). Ten en cuenta que esta imagen no admite muchas acciones de inicialización opcionales componentes (consulta versiones de actualización 2.1.x).
  • Debido a que se debe especificar una imagen para un clúster, la instancia principal trabajador y los nodos trabajadores secundarios deben usar un tipo de máquina ARM que es compatible con la imagen ARM de Dataproc seleccionada.
  • Las funciones de Dataproc que no son compatibles con los tipos de máquinas ARM no están disponibles (por ejemplo, los tipos de máquinas T2A no admiten SSD locales).

Crea un clúster de Dataproc con un tipo de máquina ARM

Console

Por el momento, la consola de Google Cloud no admite la creación de un clúster de tipo de máquina ARM de Dataproc.

gcloud

Para crear un clúster de Dataproc que use el ARM t2a-standard-4 ejecuta el siguiente comando gcloud de forma local en una ventana de la terminal o en Cloud Shell.

gcloud dataproc clusters create cluster-name \
    --region=REGION \
    --image-version=2.1-ubuntu20-arm \
    --master-machine-type=t2a-standard-4 \
    --worker-machine-type=t2a-standard-4

Notas:

  • REGION: Es la región en la que se ubicará el clúster.

  • Las imágenes ARM están disponibles a partir de 2.1.18-ubuntu20-arm.

  • Consulta gcloud dataproc clusters create documentación de referencia para obtener información sobre marcas de línea de comandos adicionales que puedes usar para personalizar tu clúster.

  • *-arm images solo admite los componentes instalados y lo siguiente componentes opcionales enumerados en la Página de versiones de actualización 2.1.x (se enumeran los componentes opcionales restantes 2.1 y todas las acciones de inicialización que aparecen en esa página no son compatibles):

API

El siguiente ejemplo de la API de REST de Dataproc clusters.create crea un clúster de tipo de máquina ARM.

POST /v1/projects/my-project-id/regions/is-central1/clusters/
{
  "projectId": "my-project-id",
  "clusterName": "sample-cluster",
  "config": {
    "configBucket": "",
    "gceClusterConfig": {
      "subnetworkUri": "default",
      "zoneUri": "us-central1-a"
    },
    "masterConfig": {
      "numInstances": 1,
      "machineTypeUri": "t2a-standard-4",
      "diskConfig": {
        "bootDiskSizeGb": 500,
      }
    },
    "workerConfig": {
      "numInstances": 2,
      "machineTypeUri": "t2a-standard-4",
      "diskConfig": {
        "bootDiskSizeGb": 500,
        "numLocalSsds": 0
      }
    },
    "softwareConfig": {
      "imageVersion": "2.1-ubuntu20-arm"
    }
  }
}

Más información