Dataproc
O Dataproc é um serviço totalmente gerenciado e altamente escalonável para executar o Apache Hadoop, 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 54% 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.
Segurança, conformidade e governança avançadas
Aplique controles de acesso refinados no nível de linha e coluna com o Dataproc, BigLake e Dataplex. Gerencie e aplique a autorização e a autenticação do usuário usando as políticas existentes do Kerberos e do Apache Ranger (em inglês).
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 54%. 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.
Clientes
Aprenda com clientes que usam o Dataproc
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
Spark sem servidor
Envie jobs do Spark com provisionamento e escalonamento automáticos. Para mais detalhes, acesse o link do guia de início rápido abaixo.
Ações de inicialização do Dataproc
Acrescente outros projetos de OSS nos seus clusters do Dataproc com ações de inicialização pré-instaladas.
Conectores de código aberto
Bibliotecas e ferramentas para garantir a interoperabilidade do Apache Hadoop.
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
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.
Crie seu ambiente de ciência de dados ideal ao ativar um cluster do Dataproc personalizado. Integre software de código aberto, como notebooks do Apache Spark, NVIDIA RAPIDS e Juypter, com os serviços de IA do Google Cloud e GPUs para ajudar a acelerar o machine learning e o desenvolvimento de IA.
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 | Integração direta com o Cloud Storage, BigQuery, Dataplex, Vertex AI, Composer, Cloud Bigtable, Cloud Logging e Cloud Monitoring, fornecendo dados mais completos e robustos plataforma. |
| 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. |
| 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, Presto e outros elementos de software de código aberto relacionados ao ecossistema do Apache Hadoop e do Apache Spark. |
| Contêineres e imagens personalizadas | O Spark sem servidor do Dataproc pode ser provisionado com contêineres personalizados do Docker. 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. |
| Gerenciamento automatizado de políticas | Padronize as políticas de segurança, custo e infraestrutura em uma frota de clusters. É possível criar políticas para gerenciamento de recursos, segurança ou rede para envolvidos no projeto. Você também pode facilitar o uso de imagens, componentes, metastores e outros serviços periféricos corretos para os usuários, permitindo que você gerencie a frota de clusters e as políticas do Spark sem servidor no futuro. |
| Alertas inteligentes | Os alertas recomendados do Dataproc permitem que os clientes ajustem os limites dos alertas pré-configurados para receber alertas sobre clusters ociosos e descontrolados, jobs, clusters superutilizados e muito mais. Os clientes podem personalizar ainda mais esses alertas e até mesmo criar recursos avançados de gerenciamento de jobs e clusters. Esses recursos permitem que os clientes gerenciem a frota em grande escala. |
| Dataproc metastore | Metastore Hive (HMS) altamente gerenciado e altamente disponível com controle de integração e integração refinados com o metastore do BigQuery, o Dataplex e o Data Catalog. |
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.
