Migra los clústeres de Hadoop y Spark a Google Cloud

Migra tus clústeres de Apache Hadoop y Apache Spark a Google Cloud según las necesidades de tu empresa.

Variedad de opciones para diversos casos

Migrar los clústeres de Hadoop y Spark a la nube puede traer beneficios importantes. Sin embargo, tomar decisiones que no aborden las cargas de trabajo locales existentes de Hadoop solo complica más la labor de los recursos de TI con poca disponibilidad. Google Cloud trabaja con los clientes para ayudarlos a diseñar planes de migración de Hadoop que se adapten a sus necesidades actuales y futuras. Desde la migración lift-and-shift hacia máquinas virtuales hasta la exploración de nuevos servicios que aprovechan el escalamiento y la eficiencia de la nube, Google Cloud ofrece una variedad de soluciones para ayudar a los clientes a llevar sus cargas de trabajo de Hadoop y Spark a la nube de un modo que se adapte a su éxito.

Migra tus clústeres de Hadoop con la modalidad lift-and-shift

Migra rápidamente tu implementación existente de Hadoop y Spark a Google Cloud tal como está y sin reestructurarla. Aprovecha Compute Engine, la infraestructura de procesamiento como servicio rápida y flexible de Google Cloud, para aprovisionar el clúster de Hadoop que se adapte a tus necesidades y usar tu distribución existente. Permite que los administradores de Hadoop se enfoquen en la utilidad de los clústeres y no en la adquisición de servidores ni en resolver problemas del hardware.

Realiza optimizaciones para mejorar la escala y eficiencia de la nube

Migra a Cloud Dataproc, el servicio de Hadoop y Spark administrado de Google Cloud Platform, y disminuye los costos de Hadoop. Explora nuevos enfoques de procesamiento de datos en un ecosistema Hadoop mediante la separación del almacenamiento y el procesamiento gracias a Cloud Storage, y también descubre el uso de clústeres efímeros según demanda.

Moderniza la canalización de procesamiento de datos

Usa servicios administrados en la nube para disminuir la complejidad del procesamiento de datos y la sobrecarga operativa de Hadoop. En el caso del análisis de transmisiones, prueba Cloud Dataflow, nuestra opción sin servidores, para administrar las necesidades de transmisión de datos en tiempo real. En los casos de uso de Hadoop enfocados en estadísticas y que usen soluciones compatibles de SQL como Apache Hive, prueba BigQuery, nuestro almacén de datos en la nube sin servidores y a escala empresarial.

Mapea las cargas de trabajo locales de Hadoop a los productos de Google Cloud

“Con Cloud Dataproc, implementamos el ajuste de escala automático, lo que nos permitió aumentar o reducir los clústeres con facilidad según el tamaño del proyecto. Además de eso, también usamos nodos interrumpibles en algunas partes de los clústeres, lo que nos ayudó a mejorar la rentabilidad”.

Orit Yaron, vicepresidenta de Cloud Platform, Outbrain

Leer la historia