O Encontro de ML aplicado acontecerá em 9 de junho. Junte-se a nós e conheça ferramentas modernas de desenvolvimento, implantação e gerenciamento de modelos de ML em escala.

Inscreva-se agora.

Ir para

Dataproc

O Dataproc é um serviço totalmente gerenciado e altamente escalonável para executar o Apache Spark, o Apache Flink, o Presto e mais de 30 ferramentas e frameworks de código aberto. Use o Dataproc para modernização do data lake, ETL e ciência de dados segura, em escala global, totalmente integrada ao Google Cloud e com custos bem menores.

  • Aberto: execute análises de dados de código aberto em escala com segurança de nível empresarial

  • Flexível: use opções sem servidor, ou gerencie clusters no Google Compute e no Kubernetes 

  • Inteligente: permita que os usuários de dados se integrem a Vertex AI, BigQuery e Dataplex 

  • Seguro: configure a segurança avançada, como Kerberos, Apache Ranger e Autenticação pessoal.

  • Econômico: veja um TCO 57% mais baixo em comparação com data lakes locais com preços por segundo

Vantagens

Modernize o processamento de dados de código aberto

Não importa se você precisa de VMs, do Kubernetes, de memória extra para o Presto ou mesmo de GPUs, o Dataproc pode ajudar a acelerar o processamento e análise de dados com nossos ambientes sob demanda, sem servidor e dedicados.

OSS inteligente e sem complicações para ciência de dados

Permita que cientistas e analistas de dados executem jobs de ciência de dados com facilidade usando integrações nativas com a Vertex AI.

Segurança, conformidade e governança avançadas

Gerencie e aplique a autorização e autenticação do usuário com as políticas atuais do Kerberos e do Apache Ranger ou da Autenticação de cluster pessoal. Defina as permissões sem ter que configurar um nó de rede.

Principais recursos

Principais recursos

Software de código aberto de Big Data totalmente gerenciado e automatizado

Com implantação, geração de registros e monitoramento sem servidor, você se concentra nos seus dados e análises, e não na infraestrutura. Reduza o TCO do gerenciamento do Apache Spark em até 57%. Permita que cientistas e engenheiros de dados criem e treinem modelos cinco vezes mais rápidos que notebooks tradicionais usando a integração com o Vertex AI Workbench. A API Dataproc Jobs facilita a incorporação do processamento de Big Data em aplicativos personalizados, enquanto o Metastore do Dataproc elimina a necessidade de executar seu próprio metastore do Hive ou serviço de catálogo.

Inserir os jobs do Apache Spark em contêineres com o Kubernetes

Crie seus jobs do Apache Spark usando o Dataproc no Kubernetes para usar o Dataproc com o Google Kubernetes Engine (GKE) para fornecer portabilidade e isolamento de jobs.

Segurança empresarial integrada ao Google Cloud

Quando você cria um cluster do Dataproc, é possível ativar o modo seguro do Hadoop por meio do Kerberos ao adicionar uma configuração de segurança. Além disso, alguns dos recursos de segurança específicos do Google Cloud mais usados com Dataproc incluem a criptografia padrão em repouso, Login do SO, VPC Service Controls e chaves de criptografia gerenciadas pelo cliente (CMEK, na sigla em inglês)

O melhor do código aberto com o melhor do Google Cloud

Com o Dataproc, você usa as ferramentas de código aberto, os algoritmos e as linguagens de programação usadas atualmente, mas facilita a aplicação de tudo isso em conjuntos de dados na nuvem. Ao mesmo tempo, o Dataproc tem integração imediata com o restante do ecossistema de análise, banco de dados e IA do Google Cloud. Os cientistas e engenheiros de dados podem acessar os dados rapidamente e criar um aplicativo de dados que conecta o Dataproc ao BigQuery, Vertex AI, Cloud Spanner, Pub/Sub, ou Data Fusion

Veja todos os recursos

O que há de novo

Novidades

O Spark sem servidor já está com disponibilidade geral. Inscreva-se para ter acesso a outros serviços do Spark no Google Cloud. 

Documentação

Documentação

Princípios básicos do Google Cloud
Spark sem servidor

Envie jobs do Spark com provisionamento e escalonamento automáticos. Para mais detalhes, acesse o link do guia de início rápido abaixo. 

APIs e bibliotecas
Ações de inicialização do Dataproc

Acrescente outros projetos de OSS nos seus clusters do Dataproc com ações de inicialização pré-instaladas.

APIs e bibliotecas
Conectores de código aberto

Bibliotecas e ferramentas para garantir a interoperabilidade do Apache Hadoop.

APIs e bibliotecas
Modelos de fluxo de trabalho do Dataproc

A API WorkflowTemplates do Dataproc oferece um mecanismo flexível e fácil de usar para gerenciar e executar fluxos de trabalho.

Casos de uso

Casos de uso

Caso de uso
Migre seus clusters do Hadoop e Spark para a nuvem

Empresas estão migrando os próprios clusters locais do Apache Hadoop e Spark para o Dataproc com objetivo de gerenciar custos e descobrir o poder da escala elástica. Com o Dataproc, as empresas contam com um cluster personalizado totalmente gerenciado que pode realizar escalonamento automático para apoiar qualquer job de processamento de dados ou análise. 

Todos os recursos

Todos os recursos

Spark sem servidor Implante aplicativos e pipelines do Spark que escalonam automaticamente sem qualquer provisionamento ou ajuste de infraestrutura manual. 
Clusters redimensionáveis Crie e escalone clusters rapidamente com vários tipos de máquinas virtuais, tamanhos de disco, número de nós e opções de rede.
Como fazer o escalonamento automático de clusters O escalonamento automático do Dataproc fornece um mecanismo para automatização do gerenciamento de recursos do cluster. Além disso, possibilita a adição e subtração automáticas de nós de trabalho do cluster.
Integração à nuvem A integração interna com o Cloud Storage, BigQuery, Bigtable, Cloud Logging, Cloud Monitoring e AI Hub cria uma plataforma de dados robusta e completa.
Controle de versões Com o controle de versões de imagens, é possível alternar diferentes versões do Apache Spark, do Apache Hadoop e de outras ferramentas.
Altamente disponível Execute clusters no modo de alta disponibilidade com vários nós principais e defina jobs para serem reiniciados em caso de falha. Dessa forma, você garante a alta disponibilidade dos seus clusters e jobs.
Exclusão programada de clusters Para evitar a cobrança de um cluster inativo, é possível usar a exclusão programada do Dataproc, que oferece opções para excluir um cluster depois de um período ocioso especificado do cluster, em um futuro estabelecido, ou após um período determinado.
Configuração manual ou automática O Dataproc configura o hardware e o software automaticamente, mas também oferece controle manual.
Ferramentas para desenvolvedores Há várias maneiras de gerenciar um cluster, incluindo uma IU da Web fácil de usar, o SDK do Cloud, as APIs RESTful e o acesso SSH.
Ações de inicialização Execute ações de inicialização para instalar ou personalizar configurações e bibliotecas necessárias quando o cluster é criado.
Componentes opcionais Use componentes opcionais para instalar e configurar outros componentes no cluster. Eles são integrados aos componentes do Dataproc e oferecem ambientes totalmente configurados para Zeppelin, Druid, Presto e outros elementos de software de código aberto relacionados ao ecossistema do Apache Hadoop e do Apache Spark.
Imagens personalizadas Os clusters do Dataproc podem ser provisionados com uma imagem personalizada que inclui os pacotes pré-instalados do sistema operacional Linux.
Máquinas virtuais flexíveis Os clusters podem usar tipos de máquinas personalizados e máquinas virtuais preemptivas para que elas tenham o tamanho ideal para suas necessidades.
Gateway de componentes e acesso a notebooks O Gateway de componentes do Dataproc permite acesso seguro e rápido às interfaces da Web de componentes opcionais e padrão do Dataproc em execução no cluster.
Modelos de fluxo de trabalho Os modelos de fluxo de trabalho do Dataproc fornecem um mecanismo flexível e fácil de usar para o gerenciamento e execução de fluxos de trabalho. Esses modelos são uma configuração reutilizável, que determina um gráfico com informações sobre onde executar jobs.

Preços

Preços

Os preços do Dataproc baseiam-se no número de vCPUs e no tempo de execução. Embora os preços exibam a taxa por hora, cobramos por segundo para que você só pague pelo que usa.

Por exemplo: seis clusters (1 principal + 5 workers) de 4 CPUs cada executados por 2 horas, custariam US$ 0,48.  Cobrança do Dataproc = Nº de vCPUs * horas * preço do Dataproc = 24 * 2 * US$ 0,01 = US $0,48

Veja a página de preços para mais detalhes.

Parceiros

Parceiros

O Dataproc se integra com parceiros essenciais para complementar seus investimentos e conjuntos de habilidades atuais.