Componentes do Managed Service for Apache Spark

Este documento oferece uma visão geral dos diferentes tipos de componentes disponíveis em clusters do Serviço Gerenciado para Apache Spark. Entender esses componentes é essencial para configurar seus clusters e incluir as ferramentas e os serviços necessários para suas cargas de trabalho de Big Data. Os componentes do Serviço Gerenciado para Apache Spark são categorizados como instalados, opcionais ou de ação de inicialização.

Tipos de componentes

Os clusters do Serviço Gerenciado para Apache Spark têm os seguintes tipos de componentes:

• Componentes instalados: componentes instalados na imagem e ativados quando o cluster é criado.

• Componentes opcionais: são os que você seleciona para instalar e usar no cluster ao criá-lo. O Serviço Gerenciado para Apache Spark instala e ativa componentes opcionais dependendo da versão da imagem do cluster da seguinte maneira:

  • 2.2 e versões de imagem anteriores: os componentes opcionais são instalados automaticamente. Os componentes opcionais selecionados são ativados, e os não selecionados são desinstalados na criação do cluster.

  • Versões de imagem 2.3 e mais recentes: todos os componentes opcionais são instalados durante a criação do cluster, exceto os componentes opcionais Jupyter, Iceberg e Delta Lake, que são pré-instalados nas versões de imagem 2.3 e mais recentes. Os componentes opcionais pré-instalados são removidos de um cluster de versão de imagem 2.3 ou mais recente se não forem ativados quando o cluster for criado. Para mais informações, consulte Versões de lançamento do Serviço Gerenciado para Apache Spark 2.3.x.

    Para evitar o aumento do tempo de inicialização dos clusters 2.3 e versões de imagem mais recentes, crie uma imagem personalizada com componentes opcionais pré-instalados. Para isso, execute generate_custom_image.py com a flag --optional-components.

• Componentes de ação de inicialização: componentes instalados em um cluster como parte de uma ação de inicialização especificada ao criar um cluster.

Os componentes opcionais são instalados em um cluster antes da execução das ações de inicialização no cluster.

As páginas de versão da imagem do Serviço Gerenciado para Apache Spark listam os componentes e tipos de componentes disponíveis nas versões mais recentes da imagem do Serviço Gerenciado para Apache Spark.

Os componentes opcionais têm as seguintes vantagens em relação às ações de inicialização usadas para instalar componentes:

• Os componentes opcionais são testados como compatíveis com versões específicas do Serviço Gerenciado para Apache Spark.
• Os componentes opcionais são ativados com um parâmetro de criação de cluster. As ações de inicialização exigem um script.

Componentes opcionais disponíveis

Componente opcional	Nome do componente em comandos da Google Cloud CLI e solicitações de API	Versão de imagem	Etapa da versão
Delta Lake	DELTA	2.2.46 e versões mais recentes	GA
Docker	DOCKER	1.5 ou superior	GA
Flink	FLINK	1.5 ou superior	GA
HBase	HBASE	1.5 ou superior (não disponível na versão 2.1 e posteriores)	Descontinuado
Hive WebHCat	HIVE_WEBHCAT	1.3 ou superior	GA
Hudi	HUDI	1.5 ou superior	GA
Iceberg	ICEBERG	2.2 e versões mais recentes	GA
Jupyter Notebook	JUPYTER	1.3 ou superior	GA
Pig	PIG	1.5^* e versões mais recentes	GA
Presto	PRESTO	1.3 ou superior (não disponível na versão 2.1 e posteriores)	GA
Ranger	RANGER	1.3 ou superior	GA
Solr	SOLR	1.3 ou superior	GA
Trino	TRINO	2.1 e versões mais recentes	GA
Zeppelin Notebook	ZEPPELIN	1.3 ou superior	GA
Zookeeper	ZOOKEEPER	1.0 ou superior	GA

Observações:

• O Apache Pig é um componente opcional nas versões de imagem 2.3 e mais recentes. Ele já estava instalado nas versões de imagem 2.2 e anteriores.

Para se conectar às interfaces da Web do componente em execução nos clusters, consulte Interfaces da Web do cluster. Consulte também o Gateway de componentes do Serviço gerenciado para Apache Spark, que permite se conectar às interfaces da Web dos componentes principais e opcionais do Serviço gerenciado para Apache Spark, incluindo IUs YARN, HDFS, Jupyter e Zeppelins, sem exigir o uso de túneis SSH ou a modificação de regras de firewall para permitir o tráfego de entrada.

Adicionar componentes opcionais

Observação: os exemplos de uso a seguir se aplicam a componentes de disponibilidade geral (GA, na sigla em inglês).

Console

1. No console Google Cloud , acesse a página do Serviço Gerenciado para Apache Spark Criar um cluster.

   Acessar "Criar um cluster"

   O painel Configurar cluster está selecionado.

2. Na seção Componentes, em Componentes opcionais, selecione um ou mais componentes para instalar no cluster.

CLI do Google Cloud

Para criar um cluster do Serviço Gerenciado para Apache Spark e instalar um ou mais componentes opcionais no cluster, use o comando gcloud beta dataproc clusters create cluster-name com a flag --optional-components.

gcloud dataproc clusters create CLUSTER_NAME \
  --optional-components=COMPONENT-NAME(s) \
  ... other flags

API REST

Especifique componentes opcionais por meio da API Serviço Gerenciado para Apache Spark usando SoftwareConfig.Component como parte de uma solicitação clusters.create.