Gesamte Produktdokumentation lesen

Dataproc ist ein verwalteter Apache Spark- und Apache Hadoop-Dienst, mit dem Sie Open-Source-Datentools für Batchverarbeitung, Abfragen, Streaming und maschinelles Lernen nutzen können. Mithilfe der Dataproc-Automatisierung lassen sich Cluster schnell erstellen, einfach verwalten und Kosten senken, weil Sie nicht mehr benötigte Cluster deaktivieren können. Außerdem haben Sie so die Möglichkeit sich stärker auf Jobs und Daten zu konzentrieren. Weitere Informationen

Jetzt kostenlos starten

Proof of Concept mit einem Guthaben in Höhe von 300 $starten

  • Zugriff auf Gemini 2.0 Flash Thinking erhalten
  • Kostenlose monatliche Nutzung beliebter Produkte wie KI-APIs und BigQuery
  • Keine automatischen Abbuchungen, keine Verpflichtungen
Angebote für kostenlose Produkte ansehen

Mehr als 20 Produkte immer kostenlos nutzen

Sie haben Zugriff auf mehr als 20 kostenlose Produkte für gängige Anwendungsfälle, darunter KI-APIs, VMs, Data Warehouses und mehr.

Dokumentationsressourcen

Finden Sie Kurzanleitungen und Leitfäden, prüfen Sie wichtige Referenzen und erhalten Sie Hilfe bei häufigen Problemen.
Entdecken Sie Schulungen von Google Cloud Skills Boost, Anwendungsfälle, Referenzarchitekturen und Codebeispiele mit Details zur Verwendung und Verbindung von Google Cloud-Diensten. Google Cloud
Training
Schulungen und Tutorials

Spark-Job in der Google Kubernetes Engine ausführen

Spark-Jobs über die Dataproc Jobs API an einen ausgeführten Google Kubernetes Engine-Cluster senden

Weitere Informationen  
Training
Schulungen und Tutorials

Einführung in Cloud Dataproc: Hadoop und Spark in Google Cloud

Dieser Kurs enthält eine Kombination aus Vorträgen, Demos und praxisorientierten Labs zum Erstellen eines Dataproc-Clusters, zum Senden eines Spark-Jobs und zum anschließenden Herunterfahren des Clusters.

Weitere Informationen  
Training
Schulungen und Tutorials

Maschinelles Lernen mit Spark in Dataproc

Dieser Kurs bietet eine Kombination aus Vorträgen, Demos und praxisorientierten Labs zur Implementierung der logistischen Regression mit einer ML-Bibliothek von Apache Spark, das in einem Dataproc-Cluster ausgeführt wird. So können Sie ein Modell für Daten aus einem multivariaten Dataset entwickeln.

Weitere Informationen  
Anwendungsfall
Anwendungsfälle

Workflow-Planungslösungen

Workflows in Google Cloud planen

Weitere Informationen  
Anwendungsfall
Anwendungsfälle

Lokale HDFS-Daten zu Google Cloud migrieren

Informationen zum Verschieben von Daten aus einem lokalen Hadoop Distributed File System (HDFS) zu Google Cloud.

Weitere Informationen  
Anwendungsfall
Anwendungsfälle

Java- und Scala-Abhängigkeiten für Apache Spark verwalten

Empfohlene Ansätze zum Einbinden von Abhängigkeiten, wenn Sie einen Spark-Job an einen Dataproc-Cluster senden.

Weitere Informationen  
Anwendungsfall
Anwendungsfälle

Apache Hive in Dataproc verwenden

Apache Hive auf Dataproc effizient und flexibel verwenden, indem Sie Hive-Daten in Cloud Storage speichern und den Hive-Metaspeicher in einer MySQL-Datenbank in Cloud SQL hosten

Weitere Informationen  
Codebeispiele
Codebeispiele

Python API-Beispiele

Dataproc-APIs aus Python aufrufen

GitHub öffnen  
Codebeispiele
Codebeispiele

Java API-Beispiele

Dataproc-APIs aus Java aufrufen

GitHub öffnen  
Codebeispiele
Codebeispiele

Node.js API-Beispiele

Dataproc-APIs über Node.js aufrufen

GitHub öffnen  
Codebeispiele
Codebeispiele

Go API-Beispiele

Dataproc-APIs über Go aufrufen

GitHub öffnen  

Ähnliche Videos