Gestion des versions Dataproc

Dataproc utilise des images pour relier les connecteurs Google Cloud Platform utiles et les composants Apache Spark et Apache Hadoop en un seul package pouvant être déployé sur un cluster Dataproc. Ces images contiennent le système d'exploitation de base (Debian ou Ubuntu) du cluster, ainsi que les composants principaux et facultatifs nécessaires à l'exécution de tâches, tels que Spark, Hadoop et Hive. Ces images seront mises à jour périodiquement de manière à inclure les dernières améliorations et fonctionnalités. La gestion des versions de Dataproc vous permet de sélectionner des ensembles de versions logicielles lorsque vous créez des clusters.

Fonctionnement de la gestion des versions

Lorsqu'une image est créée, un numéro de version d'image lui est attribué, qui respecte le format suivant :

version_major.version_minor.version_sub_minor-os_distribution

Les distributions de système d'exploitation suivantes sont actuellement gérées :

Code de distribution du système d'exploitation Distribution de l'OS
centos8 CentOS 8
debian10 Debian 10
ubuntu18 Ubuntu 18

Consultez la section Anciennes versions d'image pour obtenir la liste des distributions de système d'exploitation précédemment compatibles.

La méthode recommandée consiste à spécifier la version d'image major.minor pour les environnements de production ou lorsqu'il est important d'assurer la compatibilité avec des versions de composants spécifiques. Les distributions de correction et de système d'exploitation seront automatiquement définies sur la dernière version hebdomadaire.

Sélectionner des versions

Lorsque vous créez un cluster Dataproc, la dernière version d'image Debian disponible est utilisée par défaut. Vous pouvez sélectionner une version d'image CentOS, Debian ou Ubuntu lors de la création d'un cluster (consultez la liste des versions d'image Dataproc). Lorsque vous spécifiez des images basées sur Debian, vous pouvez omettre le suffixe du code de distribution du système d'exploitation, par exemple en spécifiant 2.0 pour sélectionner l'image 2.0-debian10. Le suffixe du système d'exploitation doit être utilisé pour sélectionner une image basée sur CentOS ou Ubuntu, par exemple, en spécifiant 2.0-ubuntu18.

Commande gcloud

Lorsque vous utilisez la commande gcloud dataproc clusters create, vous pouvez utiliser l'argument --image-version pour spécifier une version d'image pour le nouveau cluster.

Exemple d'image Debian :

gcloud dataproc clusters create cluster-name \
    --image-version=2.0 \
    --region=region

Exemple d'image Ubuntu :

gcloud dataproc clusters create cluster-name \
    --image-version=2.0-ubuntu18 \
    --region=region

Il est recommandé d'omettre la version de correction afin que la plus récente soit utilisée. Toutefois, si nécessaire, la version de correction peut être spécifiée, par exemple "2.0.20".

Vous pouvez vérifier quelle est la version actuelle à l'aide de l'outil de ligne de commande gcloud.

gcloud dataproc clusters describe cluster-name \
    --region=region

API REST

Vous pouvez spécifier le champ SoftwareConfig imageVersion dans le cadre d'une requête d'API cluster.create.

Exemple

POST /v1/projects/project-id/regions/us-central1/clusters/
{
  "projectId": "project-id",
  "clusterName": "example-cluster",
  "config": {
    "configBucket": "",
    "gceClusterConfig": {
      "subnetworkUri": "default",
      "zoneUri": "us-central1-b"
    },
    "masterConfig": {
      ...
      }
    },
    "workerConfig": {
      ...
      }
    },
    "softwareConfig": {
      "imageVersion": "2.0"
    }
  }
}
  

Console

Ouvrez la page Dataproc Créer un cluster. Le panneau "Configurer un cluster" est sélectionné. Les champs "Type d'image" et "Version" de la section "Gestion des versions" affichent l'image qui sera utilisée lors de la création du cluster. La date de sortie de l'image est également indiquée. Par défaut, l'image par défaut, la dernière version disponible de Debian, s'affiche comme étant sélectionnée. Cliquez sur MODIFIER pour afficher la liste des images disponibles. Vous pouvez sélectionner une option standard ouimage personnalisée à utiliser pour votre cluster.

Nouvelles versions

De nouvelles versions majeures seront créées périodiquement pour intégrer un ou plusieurs de ces éléments :

  • Nouvelles versions majeures :
    • Spark, Hadoop et autres composants big data
    • Connecteurs Google Cloud
  • Modifications ou mises à jour majeures des fonctionnalités Dataproc

De nouvelles versions mineures seront créées périodiquement pour intégrer un ou plusieurs de ces éléments :

  • Nouvelles versions et mises à jour mineures :
    • Spark, Hadoop et autres composants big data
    • Connecteurs Google Cloud
  • Modifications ou mises à jour mineures des fonctionnalités Dataproc

Lorsqu'une version mineure est créée, son image Debian devient la valeur par défaut de la version majeure et représente la dernière version de la version majeure.

De nouvelles versions de correction seront créées périodiquement pour intégrer un ou plusieurs de ces éléments :

  • Correctifs ou solutions pour un composant de l'image

Compatibilité des images de version avec Dataproc

Les versions d'image mineures sont compatibles pendant 24 mois après leur disponibilité générale. Pendant ce délai, les clusters utilisant ces versions d'image peuvent bénéficier d'une assistance (réception de correctifs, nouvelle création d'un cluster en utilisant la dernière version d'image mineure acceptée). Une fois ce délai passé, l'assistance n'est plus disponible.

Anciennes versions d'image

Distributions de système d'exploitation précédemment compatibles

Les distributions de système d'exploitation suivantes étaient précédemment compatibles :

Code de distribution du système d'exploitation Distribution du système d'exploitation Dernier correctif (fin de compatibilité)
debian9 Debian 9 10 juillet 2020
deb8 Debian 8 26 octobre 2018

Versions d'image sans distribution de système d'exploitation explicite

Avant le 16 août 2018, les versions d'image étaient conçues avec Debian 8 et n'incluaient pas le code de distribution du système d'exploitation. Elles sont spécifiées au format suivant :

version_major.version_minor.version_sub_minor

0.1 et 0.2

Les versions d'image alpha ou bêta publiées avant la disponibilité générale de Dataproc version 1.0 ne sont pas soumises aux règles de compatibilité de Dataproc.

Remarques importantes sur la gestion des versions