Clusterrotation

.

Sicherheitsrichtlinien der Organisation, rechtliche Bestimmungen und andere Überlegungen können dazu führen, dass Sie Ihre Dataproc-Cluster in regelmäßigen Abständen „rotieren“ müssen, indem Sie sie löschen und dann nach einem Zeitplan neu erstellen. Im Rahmen der Clusterrotation können neue Cluster mit den neuesten Dataproc-Image-Versionen bereitgestellt werden, während die Konfigurationseinstellungen der ersetzten Cluster beibehalten werden.

Auf dieser Seite erfahren Sie, wie Sie Cluster einrichten, die Sie rotieren Cluster", senden Sie Jobs an sie und rotieren die Cluster dann nach Bedarf.

Clusterrotation für benutzerdefinierte Images: Sie können vorherige oder neue Anpassungen auf ein vorheriges oder neues Dataproc-Basis-Image anwenden, wenn Sie den Cluster mit dem benutzerdefinierten Image neu erstellen.

Rotierte Cluster einrichten

Erstellen Sie zum Einrichten roter Cluster eindeutige Clusternamen mit Zeitstempel um vorherige von neuen Clustern zu unterscheiden und dann Clustern Labels hinzuzufügen die angeben, ob ein Cluster Teil eines rotierten Clusterpools ist neue Stellenausschreibungen zu erhalten. In diesem Beispiel werden cluster-pool und cluster-state=active Labels für diese Zwecke, aber Sie können eigenen Labelnamen.

  1. Legen Sie Umgebungsvariablen fest: 

    PROJECT=project ID \
  REGION=region \
  CLUSTER_POOL=cluster-pool-name \
  CLUSTER_NAME=$CLUSTER_POOL-$(date '+%Y%m%d%H%M') \
  BUCKET=Cloud Storage bucket-name

    Hinweise:

    • cluster-pool-name: Der Name des Clusterpools, der mit einem oder mehreren Clustern. Dieser Name wird im Clusternamen und mit dem cluster-pool-Label verwendet, das dem Cluster zugewiesen ist, um den Cluster als Teil des Pools zu identifizieren.

  2. Erstellen Sie den Cluster. Sie können Argumente hinzufügen und verschiedene Labels verwenden.

    gcloud dataproc clusters create ${CLUSTER_NAME} \
  --project=${PROJECT_ID} \
  --region=${REGION} \
  --bucket=${BUCKET} \
  --labels="cluster-pool=${CLUSTER_POOL},cluster-state=active"

Jobs an Cluster senden

In den folgenden Beispielen für die Google Cloud CLI und den gerichteten azyklischen Graphen (Directed Acyclic Graph, DAG) von Apache Airflow wird ein Apache Pig-Job an einen Cluster gesendet. Clusterlabels sind zum Senden des Jobs an einen aktiven Cluster in einem Clusterpool.

gcloud

Senden Sie einen Apache Pig-Job in Cloud Storage. Wählen Sie den Cluster mithilfe von Labels aus.

gcloud dataproc jobs submit pig \
    --region=${REGION} \
    --file=gs://${BUCKET}/scripts/script.pig \
    --cluster-labels="cluster-pool=${CLUSTER_POOL},cluster-state=active"

Airflow

Einen Apache Pig-Job in Cloud Storage mit Airflow einreichen Wählen Sie den Cluster mithilfe von Labels aus.

from airflow import DAG
from airflow.providers.google.cloud.operators.dataproc import DataprocSubmitJobOperator
from datetime import datetime

# Declare variables
project_id=  # e.g: my-project
region="us-central1"
dag_id='pig_wordcount'
cluster_labels={"cluster-pool":${CLUSTER_POOL},
                "cluster-state":"active"}
wordcount_script="gs://bucket-name/scripts/wordcount.pig"

# Define DAG

dag = DAG(
    dag_id,
    schedule_interval=None,  
    start_date=datetime(2023, 8, 16),
    catchup=False  
)

PIG_JOB = {
    "reference": {"project_id": project_id},
    "placement": {"cluster_labels": cluster_labels},
    "pig_job": {"query_file_uri": wordcount_script},
}

wordcount_task = DataprocSubmitJobOperator(
    task_id='wordcount',
    region=region,
    project_id=project_id,
    job=PIG_JOB,
    dag=dag
)

Cluster rotieren

  1. Aktualisieren Sie die Clusterlabels, die den Clustern zugewiesen sind, die Sie austauschen. In diesem Beispiel wird das Label cluster-state=pendingfordeletion verwendet, um anzugeben, dass der Cluster keine neuen Jobeinreichungen erhält und ausgetauscht wird. Sie können aber auch ein eigenes Label für diesen Zweck verwenden. 

    gcloud dataproc clusters update ${CLUSTER_NAME} \
    --region=${REGION} \
    --update-labels="cluster-state=pendingfordeletion"

    Nachdem das Clusterlabel aktualisiert wurde, erhält der Cluster keine neuen Jobs Da Jobs an Cluster in einem Cluster-Pool gesendet werden nur mit active Labels (siehe Jobs an Cluster senden).

  2. Löschen Sie Cluster, die rotiert werden, nachdem die laufenden Jobs beendet wurden.