Compatibilidad nativa de BigQuery con Apache Spark junto con SQL. Más información
Spark, primero del sector con autoescalado y sin servidor, que se integra con las mejores las herramientas nativas de Google y de código abierto. Desarrolla y ejecuta Spark donde lo necesites en todos los casos prácticos, incluidos los procesos de extracción, transformación y carga (ETL), la ciencia de datos y la exploración.
Ventajas
Sencillez operativa gracias a Spark sin servidor
Crea aplicaciones y flujos de procesamiento de Spark que se escalan automáticamente sin tener que aprovisionar ni ajustar manualmente las infraestructuras.
Spark, perfecto para todos los usuarios de datos
Flexibilidad de consumo
No existe un enfoque único que satisfaga las necesidades de todas las empresas. Puedes elegir entre clústeres sin servidor, de Kubernetes y de computación para tus aplicaciones de Spark.
Características principales
Experiencia unificada de SQL y Spark: crea y ejecuta código de Apache Spark escrito en Python directamente desde BigQuery. Después, puedes ejecutar y programar estos procedimientos almacenados en BigQuery con una consulta de SQL estándar de Google, de forma similar a cuando se ejecutan los procedimientos almacenados en SQL.
Los desarrolladores pueden dedicar todo su tiempo a tareas de código y lógica y, a través de la interfaz que elijan, enviar las tareas de Spark que se aprovisionan y escalan automáticamente. Lee la documentación de Spark sin servidor.
Spark para la ciencia de datos con un clic: los científicos de datos pueden usar Spark para el desarrollo con Vertex AI Workbench, sin problemas y con seguridad integrada. Spark se integra con las funciones de operaciones de aprendizaje automático de Vertex AI, donde los usuarios pueden ejecutar código de Spark a través de ejecutores de cuaderno integrados con Vertex AI Pipelines.
Ejecuta el autoescalado de Spark en los datos de Google Cloud desde una única interfaz que permite acceder con un solo clic a SparkSQL, Notebooks o PySpark. Además, permite colaborar fácilmente, guardar, compartir, buscar cuadernos y secuencias de comandos junto con datos, y gestionar los servicios de los lagos de datos de forma integrada.
Además de usar Spark sin servidor para despliegues sin operaciones, los clientes que estandarizan la gestión de la infraestructura en Kubernetes pueden ejecutar Spark en Google Kubernetes Engine (vista previa privada) para mejorar la utilización de recursos y simplificar la gestión de la infraestructura. Los clientes que busquen una gestión de infraestructuras de tipo Hadoop pueden ejecutar Spark en Compute Engine.
¿Empezamos? Contactar
Novedades
Si quieres solicitar acceso anticipado a las nuevas soluciones de Spark en Google Cloud, regístrate aquí.
Spark es una marca de The Apache Software Foundation.
Cuéntanos lo que buscas. Un experto de Google Cloud te ayudará a encontrar la mejor solución.