Diese Seite wurde von der Cloud Translation API übersetzt.
Switch to English

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

Leitfäden

Referenz

Ressourcen

G Suite-Nutzer schulen

Testen Sie Dataproc-Anleitungen, Schulungen und Qwiklabs von Google Cloud.

Anleitung

Dataproc-Jobs in Google Kubernetes Engine ausführen

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

Weitere Informationen  
Qwiklabs

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  
Qwiklabs

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  

Anwendungsfälle

Hier werden Anwendungsfälle, Referenzarchitekturen, Whitepapers, Best Practices und Branchenlösungen vorgestellt.

Lösungen

Workflow-Planungslösungen

Workflows in Google Cloud planen

Weitere Informationen  
Anwendungsfall

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  
Best Practice

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  
Best Practice

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

Steigen Sie anhand von Beispielen zur Verwendung und zum Verbinden von Google Cloud-Diensten in das Coding ein.

Github

Python API-Beispiele

Dataproc-APIs aus Python aufrufen

Zu GitHub  

Github

Java API-Beispiele

Dataproc-APIs aus Java aufrufen

Zu GitHub  

Github

Node.js API-Beispiele

Dataproc-APIs über Node.js aufrufen

Zu GitHub  

Github

Go API-Beispiele

Dataproc-APIs über Go aufrufen

Zu GitHub  

Videos