SSD locales de Managed Service para Apache Spark

Para complementar el disco de arranque, puedes conectar unidades de estado sólido locales (SSD locales) a los nodos trabajadores principales, primarios y secundarios de tu clúster. Cuando se proporcionan SSD locales al clúster, tanto los datos de HDFS como los temporales, como los resultados de shuffle, usan las SSD locales en lugar del disco persistente de arranque.

  • Las SSD locales pueden proporcionar tiempos de lectura y escritura más rápidos que disco persistente (consulta Rendimiento de SSD locales).
  • El tamaño de 375 GB de cada SSD local es fijo, pero puedes conectar varias SSD locales para aumentar el almacenamiento SSD (consulta Acerca de las SSD locales).
  • Cada SSD local se activa en /mnt/<id> en los nodos del clúster de Managed Service para Apache Spark.
  • Las SSD locales usan ext4 como el sistema de archivos predeterminado.

Usa SSD locales

Consola deGoogle Cloud

Crea un clúster y adjunta SSD locales a los nodos:

  1. Abre la página Crear clúster de Managed Service para Apache Spark.
  2. Haz clic en Configuración adicional para expandir esa sección.
  3. Edita Trabajadores principales y Trabajadores secundarios para establecer la configuración de SSD locales.
  4. De forma predeterminada, la configuración del nodo del controlador (principal) es la misma que la del trabajador principal. En Configuración adicional, puedes hacer clic en Nodo controlador para borrar la casilla de verificación Nodo controlador predeterminado igual que el trabajador principal y, luego, especificar la configuración del nodo controlador.

Comando de gcloud CLI

Usa el comando gcloud dataproc clusters create con las marcas --num-master-local-ssds, --num-workers-local-ssds y --num-secondary-worker-local-ssds para conectar SSD locales a los nodos trabajadores principales, primarios y secundarios del clúster.

Las SSD locales se pueden conectar a las VMs de Managed Service para Apache Spark con una interfaz SCSI (interfaz de sistema de computación pequeña) o NVME (memoria no volátil rápida) (consulta Rendimiento de SSD locales). La interfaz de SSD local de la VM del clúster de Managed Service para Apache Spark predeterminada es la interfaz SCSI. Usa el comando gcloud dataproc clusters create con las marcas --master-local-ssd-interface, --worker-local-ssd-interface y --secondary-worker-local-ssd-interface para especificar la interfaz de SSD local para los nodos trabajadores principales, primarios y secundarios.

Ejemplo:

gcloud dataproc clusters create cluster-name \
    --region=region \
    --num-master-local-ssds=1 \
    --num-worker-local-ssds=1 \
    --num-secondary-worker-local-ssds=1 \
    --master-local-ssd-interface=NVME \
    --worker-local-ssd-interface=NVME \
    --secondary-worker-local-ssd-interface=NVME \
    ... other args ...

API de REST

Establece el campo numLocalSsds en masterConfig, workerConfig y secondaryWorkerConfig InstanceGroupConfig en una solicitud a la API de cluster.create para adjuntar SSD locales a los nodos trabajadores principales, primarios y secundarios del clúster.

Las SSD locales se pueden conectar a las VMs de Managed Service para Apache Spark con una interfaz SCSI (interfaz de sistema de computación pequeña) o NVME (memoria no volátil rápida) (consulta Rendimiento de SSD locales). La interfaz de SSD local de la VM del clúster de Managed Service para Apache Spark predeterminada es la interfaz SCSI. Establece el campo localSsdInterface en masterConfig, workerConfig y secondaryWorkerConfig InstanceGroupConfig en una solicitud a la API cluster.create para especificar la interfaz "SCSI" o "NVME" para conectar SSD locales a los nodos trabajadores principales, primarios y secundarios del clúster.