Auf dieser Seite wird erläutert, wie Sie Arm-VMs als Worker für Batch- und Streaming-Dataflow-Jobs verwenden.
Sie können die Tau T2A-Maschinenreihe und die C4A-Maschinenreihe (Vorschau) von Arm-Prozessoren verwenden, um Dataflow-Jobs auszuführen. Da die Arm-Architektur auf Energieeffizienz ausgelegt ist, erzielen Sie mit diesen VMs für einige Arbeitslasten ein besseres Preis-Leistungs-Verhältnis. Weitere Informationen zu Arm-VMs finden Sie unter Arm-VMs in Compute.
Voraussetzungen
- Die folgenden Apache Beam SDKs unterstützen Arm-VMs:
- Apache Beam Java SDK-Versionen 2.50.0 und höher
- Apache Beam Python SDK-Versionen 2.50.0 oder höher
- Apache Beam Go SDK-Versionen 2.50.0 oder höher
- Wählen Sie eine Region aus, in der Tau T2A- oder C4A-Maschinen verfügbar sind. Weitere Informationen finden Sie unter Verfügbare Regionen und Zonen.
- Verwenden Sie Runner v2, um den Job auszuführen.,
- Für Streamingjobs muss Streaming Engine verwendet werden.
Beschränkungen
- Es gelten alle Tau T2A-Einschränkungen und C4A-Einschränkungen.
- GPUs werden nicht unterstützt.
- Cloud Profiler wird nicht unterstützt.
- Dataflow Prime wird nicht unterstützt.
- Right Fitting wird nicht unterstützt.
- Das Empfangen von Worker-VM-Messwerten von Cloud Monitoring wird nicht unterstützt.
- Das Vorab-Erstellen von Container-Images wird nicht unterstützt.
Job mit Arm-VMs ausführen
Legen Sie die folgende Pipelineoption fest, um Arm-VMs zu verwenden.
Java
Legen Sie die Pipelineoption workerMachineType fest und geben Sie einen ARM-Maschinentyp an.
Weitere Informationen zum Festlegen von Pipelineoptionen finden Sie unter Dataflow-Pipelineoptionen festlegen.
Python
Legen Sie die Pipelineoption machine_type fest und geben Sie einen ARM-Maschinentyp an.
Weitere Informationen zum Festlegen von Pipelineoptionen finden Sie unter Dataflow-Pipelineoptionen festlegen.
Ok
Legen Sie die Pipelineoption worker_machine_type fest und geben Sie einen ARM-Maschinentyp an.
Weitere Informationen zum Festlegen von Pipelineoptionen finden Sie unter Dataflow-Pipelineoptionen festlegen.
Container-Images mit mehreren Architekturen verwenden
Wenn Sie einen benutzerdefinierten Container in Dataflow verwenden, muss der Container der Architektur der Worker-VMs entsprechen. Wenn Sie einen benutzerdefinierten Container auf ARM-VMs verwenden möchten, empfehlen wir, ein Image mit mehreren Architekturen zu erstellen. Weitere Informationen finden Sie unter Container-Image mit mehreren Architekturen erstellen.
Preise
Ihnen werden Dataflow-Rechenressourcen in Rechnung gestellt. Die Dataflow-Preise sind unabhängig von der Maschinentypfamilie. Weitere Informationen finden Sie unter Dataflow-Preise.