Documentazione di Managed Service for Apache Spark

Managed Service for Apache Spark sui cluster ti consente di sfruttare gli strumenti per i dati open source per elaborazione batch, esecuzione di query, inserimento di flussi e machine learning. L'automazione di Managed Service for Apache Spark ti aiuta a creare i cluster rapidamente, a gestirli con facilità e a risparmiare denaro disattivandoli quando non ti servono. Risparmiando tempo e denaro sull'amministrazione, puoi concentrarti sui tuoi progetti e sui tuoi dati.

Utilizza Managed Service for Apache Spark serverless per eseguire workload batch Spark senza eseguire il provisioning e gestire il tuo cluster. Specifica i parametri del workload, quindi invia il workload al servizio Managed Service for Apache Spark. Il servizio eseguirà il workload su un'infrastruttura di computing gestita, eseguendo la scalabilità automatica delle risorse in base alle esigenze. Gli addebiti di Managed Service for Apache Spark si applicano solo al tempo di esecuzione del workload.

Per saperne di più, vai alla pagina del prodotto Managed Service for Apache Spark.

  • Utilizza senza costi oltre 20 prodotti tra i più apprezzati, tra cui Compute Engine e le API di AI.
  • Nessun addebito automatico, nessun impegno
Esplora la formazione autonoma, i casi d'uso, le architetture di riferimento e gli esempi di codice con esempi su come utilizzare e collegare i servizi Google Cloud .
Tutorial
Formazione e tutorial

Invia job Spark a un cluster Google Kubernetes Engine in esecuzione dall'API Dataproc Jobs.

Formazione
Formazione e tutorial

Questo corso offre una combinazione di lezioni, demo e lab pratici per creare un cluster Dataproc, inviare un job Spark e quindi arrestare il cluster.

Formazione
Formazione e tutorial

Questo corso presenta una combinazione di lezioni, demo e lab pratici per implementare la regressione logistica utilizzando una libreria di machine learning per Apache Spark in esecuzione su un cluster Dataproc per sviluppare un modello per i dati di un set di dati multivariabile.

Soluzioni
Casi d'uso

Pianifica i workflow su Google Cloud.

Caso d'uso
Casi d'uso

Come spostare i dati da Hadoop Distributed File System (HDFS) on-premise a Google Cloud.

Best practice
Casi d'uso

Approcci consigliati per includere le dipendenze quando invii un job Spark a un cluster Managed Service for Apache Spark.

Esempio di codice
Esempi di codice

Chiamare le API Dataproc da Python.

Esempio di codice
Esempi di codice

Chiamare le API Dataproc da Java.

Esempio di codice
Esempi di codice

Chiamare le API Dataproc da Node.js.

Esempio di codice
Esempi di codice

Chiama le API Dataproc da Go.

Video correlati