高度平行工作負載也稱為「簡單平行處理」工作負載，在金融、媒體及生命科學方面的企業中很常見。針對這類平行處理工作負載，企業典型的作法是部署運算節點叢集。每個節點都能執行獨立的處理工作，這種配置稱為網格運算。如要處理平行工作負載的資料，您可以使用 Dataflow 搭配 Apache Beam。如要進一步瞭解 Apache Beam，請參閱 Apache Beam 程式設計指南。
針對高度平行工作負載使用 Dataflow 有許多優點。
- 建立全代管工作流程，在同一管道中進行資料處理和自動化調度管理。
- 針對管道的所有層面使用單一系統，包括前置和後續處理，以及工作處理。您甚至可以在管道中使用現有的 C++ 程式碼。
- 使用 Dataflow 提供的內建「僅需處理一次」功能。
此外，Dataflow 還包含多項安全功能：
- 在管道中使用客戶自行管理的加密金鑰 (CMEK)。
- 為與 Dataflow 工作相關聯的網路定義防火牆規則。
- 使用 VPC 網路。
這些工作負載需要將資料分配給在多個核心上執行的函式。這種發布作業通常需要高度同步的資料讀取行為，且經常伴隨著大量由下游系統所吸收的擴散傳遞資料。Dataflow 的核心能力是將批次和串流工作負載分配到各項資源，並管理這些資源的自動調度和動態工作再平衡。因此，當您使用 Dataflow 處理高度平行工作負載時，系統會自動處理效能、擴充性、可用性和安全性需求。
將外部程式碼併入管道
Apache Beam 內建 Java、Python 和 Go 適用的 SDK。不過，許多高度平行處理工作負載使用的程式碼是以 C++ 撰寫。您可以使用 Dataflow 和其他 Google Cloud Platform 服務，透過 Apache Beam 將 C++ 二進位檔 (程式庫) 做為外部程式碼執行。納入 C++ 二進位檔後，您就能使用全代管服務，釋出這類型的工作負載。您也可以使用複雜的有向非循環圖 (DAG) 建構完整的管道。
執行 C++ 二進位檔的相同方法，也適用於其他可編譯出獨立二進位檔的語言。
端對端高度平行管道
您可以在同一個管道中，使用 Dataflow 執行 I/O 讀取和寫入處理、分析及工作輸出。這樣一來，您就能執行完整的高度平行管道。
舉例來說，HPC 高度平行工作負載可能包含下列步驟：
從內部和外部來源擷取原始資料。資料可能來自無界或有界來源。無界限來源大多會轉換為有界限來源，以配合用於工作農場的技術。
將原始資料預先處理為工作農場元件可用的資料形狀和編碼。
使用系統將計算作業分配給主機，並從來源擷取資料，然後具體化結果以供後續分析。
進行後續分析，將結果轉換為輸出內容。
您可以透過 Dataflow 在單一管道中管理所有這些步驟，同時運用 Dataflow 功能：
由於單一系統負責所有階段，因此您不需要外部自動化調度管理系統，即可協調多個管道的執行作業。
有了資料區域性，您就不需要在階段界線之間明確具體化和去具體化，進而提高效率。
系統內遙測功能更完善，可提供階段中的總位元組數資訊，有助於設計後續階段。
透過自動調度資源，當資料進入系統後，資源會根據資料量進行調度，因為資料會通過管道階段。
核心 Dataflow HPC 高度平行管道使用現代 DAG 執行引擎。所有典型的管道程序都可以在單一 DAG 中完成，因此是單一 Dataflow 管道。您可以使用 Apache Beam 產生的 DAG 定義管道形狀。
如果您要從工作農場系統遷移至高度平行的工作流程，就必須從工作轉移至資料。PTransform 包含 DoFn，其中具有可接收資料元素的處理函式。資料點可以是具有一或多個屬性的任何物件。
使用 DAG 和單一管道，即可在整個工作流程中載入系統內的所有資料。您不需要將資料輸出至資料庫或儲存空間。
用於高度平行工作流程的 Google Cloud Platform 元件
網格運算應用程式需將資料分散到在許多核心上執行的函式中。這樣的模式通常需要高度同步的資料讀取行為，且經常伴隨著大量由下游系統所吸收的擴散傳遞資料。
Dataflow 與其他 Google Cloud Platform 代管服務整合，可吸收大規模的平行化資料 I/O：
- Pub/Sub：用於快取及服務的寬欄儲存空間
- Bigtable：全球事件串流擷取服務
- Cloud Storage：整合式物件儲存空間
- BigQuery：PB 級資料倉儲服務
搭配使用這些服務，可為高度平行工作負載提供絕佳解決方案。
在 Google Cloud Platform 上執行高度平行工作負載的常見架構包括：
Apache Beam 適用的 Dataflow 執行器。此執行器採取 DAG 衍生的處理流程，對網格節點發布工作。單個 Apache Beam DAG 可讓您定義複雜的多階段管道，其中平行管道的階段可使用側向輸入或彙整使其返回。
Cloud Storage。 此服務提供暫存 C++ 二進位檔的位置。需要儲存大型檔案 (例如各種媒體應用實例) 時，這些檔案也會存放在 Cloud Storage。
下圖說明範例工作流程的整體架構。
您也可以使用其他儲存系統，詳情請參閱 Apache Beam 文件中的管道輸入/輸出頁所列出的儲存系統及串流資源。
Apache Beam 適用的 Dataflow 執行器
在串流和批次模式中，使用 Dataflow 轉換及充實資料。Dataflow 以 Apache Beam 為基礎。
Cloud Storage
Cloud Storage 是一個統合物件化儲存系統，提供即時資料供應、資料分析、機器學習 (ML) 及資料封存等服務。對於 Dataflow 的高度平行工作負載，Cloud Storage 可存取 C++ 二進位檔。在某些用途中，Cloud Storage 也可依處理階段提供所需資料的位址。
對於網格計算所需的高突發負載，您必須先對 Cloud Storage 的效能特性有所理解。如要進一步瞭解 Cloud Storage 資料處理效能，請參閱 Cloud Storage 說明文件中的要求比率和存取權分配指南。
Bigtable
Bigtable 是高效能的 NoSQL 資料庫服務，最適合用於大規模的分析和作業工作負載。Bigtable 是 Dataflow 的互補服務。Bigtable 的主要特性是低延遲的讀寫能力 (第 90 百分位數 6 毫秒)，因此能處理上千筆同時發生的用戶端行為以及高突發工作負載。這些功能讓 Bigtable 在 Dataflow 的處理階段時，成為 DoFn 函式內的理想接收器和資料來源。
BigQuery
BigQuery 是一套速度飛快、經濟實惠且全代管的企業資料倉儲系統，適用於大規模的資料分析作業。網格結果常用於分析，並能讓您針對網格輸出資料執行大範圍彙整。
Pub/Sub
Pub/Sub 是可擴充的非同步訊息服務，會分離產生訊息的服務與處理訊息的服務。您可以使用 Pub/Sub 進行串流分析和資料整合管道，擷取及發布資料。無論是做為服務整合的訊息導向中介軟體，還是做為工作佇列以平行處理工作，都同樣有效。
Dataflow DAG
您可以使用 Apache Beam SDK 建構淺顯易懂的 DAG 運算，並能藉此建立串流或是批次模式的多階段管道。資料移動由執行器處理，資料則表示為 PCollection 物件。這些物件是不可變的平行元素集合。
下圖說明了這個流程。
Apache Beam SDK 可讓您定義 DAG。在 DAG 中，您可以加入使用者定義的程式碼作為函式使用。通常在 DAG 中的宣告與使用者定義程式碼所使用的語言是相同的 (Java、Python 或 Go)，您也可以使用非內建的程式碼 (例如 C++)，做為使用者定義的程式碼。