Organízate con las colecciones
Guarda y clasifica el contenido según tus preferencias.
Dataproc es un servicio de Spark y Hadoop gestionado que te permite aprovechar las herramientas de datos de código abierto para el procesamiento por lotes, las consultas, el streaming y el aprendizaje automático.
La automatización de Dataproc te ayuda a crear clústeres rápidamente, gestionarlos fácilmente y ahorrar dinero desactivándolos cuando no los necesites. Al dedicar menos tiempo y dinero a la administración, puedes centrarte en tus trabajos y tus datos.
Ventajas de Dataproc
En comparación con los productos locales tradicionales y los servicios en la nube de la competencia, Dataproc ofrece una serie de ventajas únicas para clústeres de entre tres y cientos de nodos:
Bajo coste: Dataproc tiene un
precio de solo 1 céntimo por CPU virtual de tu clúster y hora, además de los otros recursos de Cloud Platform que utilices. Además de este precio bajo, los clústeres de Dataproc pueden incluir instancias no garantizadas que tienen precios de computación más bajos, lo que reduce aún más los costes. En lugar de redondear el uso a la hora más cercana, Dataproc solo te cobra por lo que realmente usas con una facturación por segundos y un periodo de facturación mínimo de un minuto.
Superrápido: sin usar Dataproc, se pueden tardar entre cinco y 30 minutos en crear clústeres de Spark y Hadoop de forma local o a través de proveedores de IaaS. En comparación, los clústeres de Dataproc se inician, escalan y cierran rápidamente, y cada una de estas operaciones tarda 90 segundos o menos de media. De esta forma, puedes dedicar menos tiempo a esperar los clústeres y más a trabajar directamente con tus datos.
Integrado: Dataproc tiene una integración de serie con otros servicios de Google Cloud Platform, como BigQuery, Cloud Storage, Cloud Bigtable, Cloud Logging y Cloud Monitoring. De esta forma, no solo tienes un clúster de Spark o Hadoop, sino una plataforma de datos completa. Por ejemplo, puedes usar Dataproc para extraer, transformar y cargar sin esfuerzo terabytes de datos de registro sin procesar directamente en BigQuery para generar informes empresariales.
Gestionado: usa clústeres de Spark y Hadoop sin la ayuda de un administrador ni software especial. Puedes interactuar fácilmente con clústeres y tareas de Spark o Hadoop a través de la Google Cloud consola, el SDK de Cloud o la API REST de Dataproc. Cuando termines de usar un clúster, puedes desactivarlo para no gastar dinero en un clúster inactivo. No tendrás que preocuparte por perder datos, ya que Dataproc está integrado con Cloud Storage, BigQuery y Cloud Bigtable.
Sencillo y familiar: no tienes que aprender a usar herramientas ni APIs nuevas para usar Dataproc, por lo que es fácil mover proyectos a Dataproc sin necesidad de volver a desarrollarlos. Spark, Hadoop, Pig y Hive
se actualizan con frecuencia, por lo que puedes aumentar tu productividad más rápido.
Qué se incluye en Dataproc
Para ver una lista de las versiones de código abierto (Hadoop, Spark, Hive y Pig) y de conectores compatibles con Dataproc, consulta la lista de versiones de Dataproc. Google Cloud
Primeros pasos con Dataproc
Para empezar a usar Dataproc rápidamente, consulta las guías de inicio rápido de Dataproc. Puede acceder a Dataproc de las siguientes formas:
[[["Es fácil de entender","easyToUnderstand","thumb-up"],["Me ofreció una solución al problema","solvedMyProblem","thumb-up"],["Otro","otherUp","thumb-up"]],[["Es difícil de entender","hardToUnderstand","thumb-down"],["La información o el código de muestra no son correctos","incorrectInformationOrSampleCode","thumb-down"],["Me faltan las muestras o la información que necesito","missingTheInformationSamplesINeed","thumb-down"],["Problema de traducción","translationIssue","thumb-down"],["Otro","otherDown","thumb-down"]],["Última actualización: 2025-09-11 (UTC)."],[[["\u003cp\u003eDataproc is a managed service for Spark and Hadoop that simplifies batch processing, querying, streaming, and machine learning with open-source tools.\u003c/p\u003e\n"],["\u003cp\u003eDataproc offers cost savings through low per-vCPU pricing, preemptible instances, and second-by-second billing, only charging for actual usage.\u003c/p\u003e\n"],["\u003cp\u003eClusters in Dataproc are created, scaled, and shut down quickly, often in 90 seconds or less, minimizing wait times and increasing efficiency.\u003c/p\u003e\n"],["\u003cp\u003eDataproc seamlessly integrates with other Google Cloud Platform services, forming a complete data platform that enables functionalities like ETL directly into BigQuery.\u003c/p\u003e\n"],["\u003cp\u003eDataproc provides a managed environment, eliminating the need for administrators or special software while offering easy interaction with clusters and jobs through the Google Cloud console, Cloud SDK, or REST API.\u003c/p\u003e\n"]]],[],null,["Dataproc is a managed Spark and Hadoop service that lets you take advantage of open\nsource data tools for batch processing, querying, streaming, and machine learning.\nDataproc automation helps you create clusters quickly, manage them easily, and save\nmoney by turning clusters off when you don't need them. With less time and money spent on\nadministration, you can focus on your jobs and your data. \n\nAdvantages of Dataproc\n\nWhen compared to traditional, on-premises products and competing cloud\nservices, Dataproc has a number of unique advantages for clusters of\nthree to hundreds of nodes:\n\n- **Low cost** --- Dataproc is [priced](/dataproc/docs/resources/pricing) at only 1 cent per virtual CPU in your cluster per hour, on top of the other Cloud Platform resources you use. In addition to this low price, Dataproc clusters can include [preemptible instances](/preemptible-vms) that have lower compute prices, reducing your costs even further. Instead of rounding your usage up to the nearest hour, Dataproc charges you only for what you really use with second-by-second billing and a low, one-minute-minimum billing period.\n- **Super fast** --- Without using Dataproc, it can take from five to 30 minutes to create Spark and Hadoop clusters on-premises or through IaaS providers. By comparison, Dataproc clusters are quick to start, scale, and shutdown, with each of these operations taking 90 seconds or less, on average. This means you can spend less time waiting for clusters and more hands-on time working with your data.\n- **Integrated** --- Dataproc has built-in integration with other Google Cloud Platform services, such as [BigQuery](/bigquery), [Cloud Storage](/storage), [Cloud Bigtable](/bigtable), [Cloud Logging](/logging), and [Cloud Monitoring](/monitoring), so you have more than just a Spark or Hadoop cluster---you have a complete data platform. For example, you can use Dataproc to effortlessly ETL terabytes of raw log data directly into BigQuery for business reporting.\n- **Managed** --- Use Spark and Hadoop clusters without the assistance of an administrator or special software. You can easily interact with clusters and Spark or Hadoop jobs through the Google Cloud console, the Cloud SDK, or the Dataproc REST API. When you're done with a cluster, you can simply turn it off, so you don't spend money on an idle cluster. You won't need to worry about losing data, because Dataproc is integrated with [Cloud Storage](/storage), [BigQuery](/bigquery), and [Cloud Bigtable](/bigtable).\n- **Simple and familiar** --- You don't need to learn new tools or APIs to use Dataproc, making it easy to move existing projects into Dataproc without redevelopment. Spark, Hadoop, Pig, and Hive are frequently updated, so you can be productive faster.\n\nWhat is included in Dataproc\n\nFor a list of the open source (Hadoop, Spark, Hive, and Pig) and Google Cloud\nconnector versions supported by\nDataproc, see the\n[Dataproc version list](/dataproc/docs/concepts/dataproc-versions).\n\nGetting Started with Dataproc\n\nTo quickly get started with Dataproc, see the Dataproc\nquickstarts. You can access Dataproc in the following ways:\n\n- Through the [REST API](/dataproc/docs/quickstarts/create-cluster-template)\n- Using the [Cloud SDK](/dataproc/docs/quickstarts/create-cluster-gcloud)\n- Using the [Dataproc UI](/dataproc/docs/quickstarts/create-cluster-console)\n- Through the [Cloud Client Libraries](/dataproc/docs/quickstarts/create-cluster-client-libraries)"]]
