Tipos de máquinas compatíveis

Os clusters do Dataproc são criados com base nas instâncias do Compute Engine. Os tipos de máquinas definem os recursos de hardware virtualizados que estão disponíveis para uma instância. O Compute Engine oferece tipos de máquina predefinidos e [tipos de máquina personalizados]. Os clusters do Dataproc podem usar tipos predefinidos e personalizados para nós mestre e/ou de trabalho.

O Dataproc é compatível com os seguintes tipos de máquina predefinidos do Compute Engine em clusters:

Tipos de máquina personalizados

Os tipos de máquina personalizados são ideais para as seguintes cargas de trabalho:

  • cargas de trabalho não ideais para tipos de máquinas predefinidos;
  • Cargas de trabalho que exigem mais potência de processamento ou mais memória, mas não precisam de todos os upgrades fornecidos pelo próximo nível de tipo de máquina.

Por exemplo, se você tem uma carga de trabalho que precisa de mais capacidade de processamento do que a fornecida por uma instância n1-standard-4, mas a próxima etapa, uma instância n1-standard-8, fornece muita capacidade. Com tipos de máquinas personalizados, você pode criar clusters do Dataproc com nodes mestre e/ou de trabalho no intervalo intermediário, com 6 CPUs virtuais e 25 GB de memória.

Como especificar um tipo de máquina personalizado

Os tipos de máquina personalizados usam uma especificação machine type especial e estão sujeitos a limitações. Por exemplo, a especificação do tipo de máquina personalizada para uma VM personalizada com seis CPUs virtuais e 22,5 GB de memória é custom-6-23040.

Os números na especificação do tipo de máquina correspondem ao número de CPUs virtuais (vCPUs) na máquina (6) e à quantidade de memória (23040). A quantidade de memória é calculada multiplicando a quantidade de memória em gigabytes por 1024 (consulte Como expressar a memória em GB ou MB). Neste exemplo, 22,5 (GB) são multiplicados por 1.024: 22.5 * 1024 = 23040.

Use a sintaxe acima para especificar o tipo de máquina personalizado com seus clusters. É possível definir o tipo de máquina para nós mestres, de trabalho ou ambos ao criar um cluster. Se você definir ambos, o nó mestre poderá usar um tipo de máquina personalizado que seja diferente do tipo de máquina personalizado usado por trabalhos. O tipo de máquina usado por quaisquer workers secundários segue as configurações dos workers principais e não pode ser definido separadamente. Consulte Como os preemptivos funcionam com o Dataproc.

Preços

Os preços dos tipos de máquina personalizados são baseadoa nos recursos usados em uma máquina personalizada. Os preços do Dataproc são adicionados ao custo dos recursos de computação e são baseados no número total de CPUs virtuais (vCPUs) usado em um cluster.

Crie um cluster do Dataproc com um tipo de máquina especificado

Comando gcloud

Execute o comando gcloud dataproc clusters create com as seguintes sinalizações para criar um cluster do Dataproc com os tipos de máquina mestre e/ou worker:
  • A sinalização --master-machine-type machine-type permite definir o tipo de máquina personalizado usado pela instância de VM mestre no cluster (ou instâncias mestre se você criar um cluster de alta disponibilidade
  • A sinalização --worker-machine-type custom-machine-type permite definir o tipo de máquina predefinido ou personalizado usado pelas instâncias de VM de worker no cluster

Exemplo:

gcloud dataproc clusters create test-cluster /
    --master-machine-type custom-6-23040 /
    --worker-machine-type custom-6-23040 /
    other args
Os detalhes do cluster do Dataproc são exibidos na janela do terminal quando o cluster é iniciado. Esta é uma listagem de amostra parcial de propriedades do cluster exibidas na janela do 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 REST

Para criar um cluster com tipos de máquinas personalizados, defina machineTypeUri no masterConfig e/ou workerConfig no InstanceGroupConfig na solicitação de API cluster.create.

Exemplo:
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
      }
    }
  }
}

Console

Ao criar um cluster do Dataproc na página Criar um cluster, clique em Personalizar na seção "Tipo de máquina" do nó mestre e/ou nos nós de trabalho, preencha o número de núcleos e a quantidade de memória. Os rótulos de console e o texto de ajuda ajudam a selecionar valores de tipo de máquina válidos.

A captura de tela a seguir mostra valores de nó mestre e de trabalho para criar um cluster com seis CPUs virtuais e 22,5 GB de memória em cada nó.
Clique em Estender memória para fornecer valores de memória estendida para os nós mestre e/ou de trabalho.

Memória estendida de CPU

O Dataproc aceita tipos de máquina personalizados com memória estendida além do limite de 6,5 GB por vCPU. Consulte Preços estendidos de memória.

Como usar memória estendida

Comando gcloud

Para criar um cluster a partir da linha de comando gcloud com CPUs personalizadas com memória estendida, adicione um sufixo -ext às sinalizações ‑‑master-machine-type e/ou ‑‑worker-machine-type.

Exemplo

A seguinte amostra da linha de comando gcloud cria um cluster do Dataproc com uma CPU e 50 GB de memória (50 * 1.024 = 51.200) em cada nó:

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

API REST

O seguinte snippet JSON de amostra de uma solicitação clusters.create da API REST do Dataproc especifica uma CPU e memória de 50 GB (50 * 1.024 = 51.200) em cada nó:

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

Console

Clique em Estender memória ao personalizar a memória do tipo de máquina na seção do nó mestre e/ou de trabalho na página Criar um cluster do Dataproc do Console do Cloud.

Para saber mais

Consulte Como criar uma instância de VM com um tipo de máquina personalizado.