Controllo delle versioni di Dataproc

Dataproc utilizza le immagini per collegare Google Cloud Platform connettori e Apache Spark i componenti Apache Hadoop in un unico pacchetto il deployment su un cluster Dataproc. Queste immagini contengono il sistema operativo di base (Debian o Ubuntu) per insieme ai componenti principali e facoltativi necessarie per eseguire job, come Spark, Hadoop e Hive. Viene eseguito periodicamente l'upgrade di queste immagini per includere nuovi miglioramenti e funzionalità. Il controllo delle versioni di Dataproc ti consente di selezionare insiemi di versioni del software quando crei i cluster.

Come funziona il controllo delle versioni

Quando viene creata un'immagine, le viene assegnato Numero Versione immagine nel seguente formato:

version_major.version_minor.version_sub_minor-os_distribution

Attualmente vengono mantenute le seguenti distribuzioni del sistema operativo:

Codice di distribuzione del sistema operativo Distribuzione sistema operativo
debian12 Debian 12
debian10 Debian 10
debian11 Debian 11
rocky8 Rocky Linux 8
rocky9 Rocky Linux 9
ubuntu18 Ubuntu 18.04 LTS
ubuntu20 Ubuntu 20.04 LTS
ubuntu22 Ubuntu 22.04 LTS

Consulta le vecchie versioni delle immagini per le distribuzioni del sistema operativo supportate in precedenza.

La pratica consigliata è specificare la versione dell'immagine major.minor per gli ambienti di produzione o quando è importante la compatibilità con versioni specifiche dei componenti. Le distribuzioni subminor e OS vengono impostate automaticamente sull'ultima release settimanale.

Selezione delle versioni

Quando crei un nuovo cluster Dataproc, per impostazione predefinita viene utilizzata la versione più recente dell'immagine Debian disponibile. Puoi selezionare una versione dell'immagine Debian, Rocky Linux o Ubuntu quando crei un cluster (consulta l'elenco delle versioni delle immagini Dataproc). Quando specifichi immagini basate su Debian, puoi omettere la distribuzione del sistema operativo Suffisso del codice, ad esempio specificando 2.0 per selezionare l'immagine 2.0-debian10. Il suffisso del sistema operativo deve essere utilizzato per selezionare Rocky Linux oppure Immagine basata su Ubuntu, ad esempio specificando 2.0-ubuntu18.

Comando gcloud

Quando utilizzi il comando gcloud dataproc clusters create, puoi utilizzare l'argomento --image-version per specificare una versione dell'immagine per il nuovo cluster.

Esempio di immagine Debian:

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

Esempio di immagine Ubuntu:

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

La best practice è omettere la versione secondaria in modo da utilizzare la versione secondaria più recente. Tuttavia, se necessario, la versione secondaria può essere specificata, ad esempio "2.0.20".

Puoi controllare la versione attuale con Google Cloud CLI.

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

API REST

Puoi specificare il campo SoftwareConfig imageVersion all'interno di una richiesta API cluster.create.

Esempio

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

Apri Dataproc Crea un cluster . Il riquadro Configura cluster è selezionato. Campo Tipo di immagine e Versione nella sezione Controllo delle versioni mostra l'immagine che verrà utilizzata durante la creazione nel cluster. Viene mostrata anche la data di rilascio dell'immagine. Inizialmente, l'immagine predefinita, ovvero la versione di Debian più recente disponibile, viene mostrata come selezionata. Fai clic su MODIFICA per visualizzare un elenco di immagini disponibili. Puoi selezionare un immagine standard o immagine personalizzata da utilizzare per il cluster.

Quando vengono create nuove versioni

Periodicamente vengono create nuove versioni principali per incorporare uno o più dei seguenti elementi:

  • Release principali per:
    • Spark, Hadoop e altri componenti Big Data
    • Connettori Google Cloud
  • Modifiche o aggiornamenti importanti alla funzionalità di Dataproc

Le nuove versioni di anteprima (con suffisso -RC) vengono rilasciate prima del rilascio di una nuova versione principale:

  • Le immagini di anteprima non sono destinate all'uso nei carichi di lavoro di produzione.
  • È possibile eseguire l'upgrade delle versioni dei componenti dell'immagine di anteprima all'ultima versione disponibile nella versione dell'immagine GA post-anteprima.

Vengono create periodicamente nuove versioni minore per incorporare uno o più dei seguenti elementi:

  • Uscite minori e aggiornamenti per:
    • Spark, Hadoop e altri componenti per big data
    • Connettori Google Cloud
  • Modifiche di minore entità o aggiornamenti alla funzionalità Dataproc

Quando viene creata una nuova versione secondaria, la relativa immagine Debian diventa l'impostazione predefinita per e rappresenta l'ultima release della versione principale.

Vengono create periodicamente nuove versioni subminor per incorporare uno o più dei seguenti elementi:

  • Patch o correzioni per un componente nell'immagine
  • Upgrade delle versioni secondarie dei componenti

Versione immagine e supporto Dataproc

Le versioni minori delle immagini sono supportate per 24 mesi dopo la release iniziale con disponibilità generale (GA). Durante questo periodo, i cluster che utilizzano le versioni immagine sono idonee per l'assistenza (per ricevere correzioni, ricreare il cluster utilizzando l'ultima versione dell'immagine secondaria supportata). Una volta chiusa la finestra di assistenza, i cluster che utilizzano le versioni delle immagini non sono più idonei per l'assistenza.

Versioni precedenti dell'immagine

Distribuzioni del sistema operativo supportate in precedenza

In precedenza, erano supportate le seguenti distribuzioni del sistema operativo:

Codice di distribuzione del sistema operativo Distribuzione sistema operativo Ultimo aggiornamento (fine del supporto)
debian9 Debian 9 10 luglio 2020
deb8 Debian 8 26 ottobre 2018

Versioni delle immagini senza distribuzione del sistema operativo esplicita

Prima del 16 agosto 2018, le versioni delle immagini venivano create con Debian 8 e il codice della distribuzione del sistema operativo veniva omesso. Sono specificati nel seguente formato:

version_major.version_minor.version_sub_minor

0,1 e 0,2

Versioni delle immagini rilasciate come release alpha o beta precedenti al Disponibilità generale della versione 1.0 di Dataproc non sono soggetti ai Criteri di assistenza di Dataproc.

Note importanti sulla gestione delle versioni

  • Le versioni delle immagini contengono i seguenti componenti:
  • I cluster Dataproc non vengono aggiornati automaticamente quando nuovi vengono rilasciate versioni immagine.
    • Consigli:
    • Esegui cluster con le versioni immagine secondaria. I metadati immagine includono un'etichetta previous-subminor, che è impostata su true se il cluster non utilizza l'ultima versione dell'immagine secondaria.
      • Per visualizzare i metadati delle immagini:
        1. Esegui questo comando gcloud compute images list --filter per elencare il nome risorsa di un'immagine Dataproc. 
          gcloud compute images list --project=PROJECT_NAME --filter="labels.goog-dataproc-version ~ ^IMAGE_VERSION (such as 2.2.16-debian12)"
        2. Esegui il seguente gcloud compute images describe per visualizzare i metadati delle immagini. 
          gcloud compute images describe --project=PROJECT_NAME IMAGE_NAME"
    • Testa e convalida che le tue applicazioni vengano eseguite correttamente sui cluster creati con nuove versioni immagine, in particolare quando si utilizzano nuove versioni principali delle immagini.