Diumumkan pada Mei 2025: Dataproc Serverless kini menjadi Google Cloud Serverless untuk Apache Spark
Google Cloud Serverless untuk Apache Spark
Fokus pada kode, bukan infrastruktur
Jalankan tugas Apache Spark Anda lebih mudah di platform tanpa pengoperasian yang dapat disesuaikan, lebih cerdas dengan bantuan Gemini, dan lebih cepat dengan performa Lightning Engine.
Apache Spark adalah merek dagang dari Apache Software Foundation.
Fitur
Performa terbaik di industri
Optimalkan pekerjaan Anda dengan Lightning Engine, mesin vektorisasi generasi berikutnya. Dapatkan performa 4,3x lebih cepat dan TCO yang lebih rendah untuk workload Spark serverless Anda, secara otomatis.
Tanpa pengoperasian dengan penskalaan otomatis yang cerdas
Hilangkan pengelolaan cluster dengan penskalaan otomatis yang cerdas. Resource ditingkatkan dan diturunkan skalanya secara otomatis agar sesuai dengan kebutuhan tugas Anda, sehingga memastikan performa maksimal dan efisiensi biaya tanpa membayar waktu tidak ada aktivitas.
Pengembangan yang didukung AI
Percepat seluruh alur kerja Anda. Tulis dan debug kode PySpark, Scala, dan Java dengan Gemini Code Assist di BigQuery Studio dan luncurkan lingkungan yang dipercepat GPU dengan Runtime ML yang telah dikonfigurasi sebelumnya.
Pengalaman Spark dan SQL yang terpadu
Hilangkan pengalihan konteks. Kembangkan dan jalankan workload Anda dalam satu lingkungan seperti BigQuery Studio, yang memadukan SQL yang canggih dengan fleksibilitas PySpark dalam notebook yang sama.
Dua tingkat performa
| Dua tingkat performa | Tingkatan yang sesuai dengan kebutuhan spesifik Anda, mulai dari batch processing standar hingga pekerjaan yang paling menuntut dan mementingkan performa. |
|---|---|
| Tingkat | Paling cocok untuk |
Standar | Ideal untuk batch processing yang hemat biaya, transformasi data, dan tugas Spark tujuan umum.
|
Premium | Untuk workload yang paling menuntut, menawarkan performa maksimal dengan Lightning Engine, akselerasi AI/ML, dan kemampuan interaktif.
|
Dua tingkat performa
Tingkatan yang sesuai dengan kebutuhan spesifik Anda, mulai dari batch processing standar hingga pekerjaan yang paling menuntut dan mementingkan performa.
Standar
Ideal untuk batch processing yang hemat biaya, transformasi data, dan tugas Spark tujuan umum.
- ETL Spark tujuan umum
- Pipeline data terjadwal
- Tugas batch yang sensitif terhadap biaya
Premium
Untuk workload yang paling menuntut, menawarkan performa maksimal dengan Lightning Engine, akselerasi AI/ML, dan kemampuan interaktif.
- Tugas yang mementingkan performa yang didukung oleh Lightning Engine untuk peningkatan 4,3x lipat
- Analisis dan data science interaktif
- AI dan ML yang dipercepat GPU
- Pemrosesan data yang kompleks dan berskala besar
Penggunaan Umum
Data Science Interaktif
Data Science Interaktif
Dukung data scientist untuk mengeksplorasi data dan melakukan iterasi dengan cepat pada model Spark ML. Satukan SQL dan Spark dalam satu notebook BigQuery Studio, sehingga beralih dengan lancar dari eksplorasi data dengan SQL ke pembuatan model dengan PySpark tanpa perlu mengelola infrastruktur.
Tutorial, panduan memulai, dan lab
Data Science Interaktif
Data Science Interaktif
Dukung data scientist untuk mengeksplorasi data dan melakukan iterasi dengan cepat pada model Spark ML. Satukan SQL dan Spark dalam satu notebook BigQuery Studio, sehingga beralih dengan lancar dari eksplorasi data dengan SQL ke pembuatan model dengan PySpark tanpa perlu mengelola infrastruktur.
Harga
| Harga yang transparan dan berbasis nilai | Harga Serverless untuk Apache Spark didasarkan pada penggunaan komputasi (DCU), GPU, dan penyimpanan shuffle per detik. | |
|---|---|---|
| Layanan dan penggunaan | Jenis langganan | Harga (USD) |
Unit Komputasi Data (DCU) | Standar | Mulai dari $0,06 per jam |
Premium | Mulai dari $0,089 per jam | |
Penyimpanan shuffle | Standar | Mulai dari $0,04 per GB/bulan |
Premium | Mulai dari $0,1 per GB/bulan | |
Harga akselerator | a100 40 GB | Mulai dari $3,52069 per jam |
a100 80 GB | Mulai dari $4,713696 per jam | |
L4 | Mulai dari $0,672048 per jam | |
Lihat detail harga untuk Google Cloud Serverless untuk Apache Spark.
Harga yang transparan dan berbasis nilai
Harga Serverless untuk Apache Spark didasarkan pada penggunaan komputasi (DCU), GPU, dan penyimpanan shuffle per detik.
Unit Komputasi Data (DCU)
Standar
Starting at
$0,06
per jam
Premium
Starting at
$0,089
per jam
Penyimpanan shuffle
Standar
Starting at
$0,04
per GB/bulan
Premium
Starting at
$0,1
per GB/bulan
Harga akselerator
a100 40 GB
Starting at
$3,52069
per jam
a100 80 GB
Starting at
$4,713696
per jam
L4
Starting at
$0,672048
per jam
Lihat detail harga untuk Google Cloud Serverless untuk Apache Spark.
Kasus Bisnis
Membangun kasus bisnis Anda untuk Google Cloud Serverless untuk Apache Spark
Manfaat ekonomi Google Cloud Dataproc dan Serverless Spark dibandingkan solusi alternatif
Lihat bagaimana Serverless untuk Apache Spark memberikan penghematan TCO dan nilai bisnis yang signifikan dibandingkan dengan solusi lokal dan cloud lainnya.
Dalam laporan:
Temukan bagaimana Dataproc dan Serverless untuk Apache Spark dapat memberikan penghematan biaya sebesar 18% hingga 60% dibandingkan dengan alternatif Spark berbasis cloud lainnya.
Pelajari cara Google Cloud Serverless untuk Apache Spark memberikan performa harga 21% hingga 55% lebih baik dibandingkan penawaran Spark serverless lainnya.
Pelajari cara Dataproc dan Google Cloud Serverless untuk Apache Spark menyederhanakan deployment Spark dan membantu mengurangi kompleksitas operasional.
FAQ
Kapan saya harus memilih Serverless untuk Apache Spark dibandingkan Dataproc?
Pilih Serverless untuk Apache Spark jika Anda ingin berfokus pada kode dan menghilangkan semua pengelolaan infrastruktur. Ini sangat ideal untuk pipeline Spark baru, analisis interaktif, dan tugas dengan permintaan yang tidak dapat diprediksi, di mana kecepatan dan kesederhanaan menjadi prioritas.
Apakah saya perlu menginstal library saya sendiri seperti PyTorch atau XGBoost?
Tingkat Premium dirancang untuk AI/ML dan dilengkapi dengan Runtime ML yang telah dikonfigurasi sebelumnya yang memiliki library umum seperti PyTorch, XGBoost, dan scikit-learn bawaan. Hal ini menghilangkan penyiapan yang rumit dan memungkinkan Anda memulai workload data science dalam hitungan menit.
Bagaimana cara mendapatkan performa terbaik dan bagaimana cara kerja penentuan harga?
Untuk performa maksimal, Anda dapat memilih tingkat Premium, yang didukung oleh Lightning Engine. Harga didasarkan pada model "bayar sesuai penggunaan", di mana Anda ditagih per detik hanya untuk durasi eksekusi tugas Anda. Hal ini sangat hemat biaya karena menghilangkan biaya cluster yang tidak digunakan.
