Pekerja sekunder Dataproc

Selain menggunakan VM Compute Engine standar sebagai pekerja Dataproc (disebut pekerja "primer"), cluster Dataproc dapat menggunakan pekerja secondary.

Karakteristik berikut berlaku untuk semua pekerja sekunder dalam cluster Dataproc:

• Hanya pemrosesan—Worker sekunder tidak menyimpan data. Node ini hanya berfungsi sebagai node pemrosesan. Oleh karena itu, Anda dapat menggunakan worker sekunder untuk menskalakan komputasi tanpa menskalakan penyimpanan.

• Tidak ada cluster khusus pekerja sekunder—Cluster Anda harus memiliki pekerja primer. Jika Anda membuat cluster dan tidak menentukan jumlah pekerja utama, Dataproc akan menambahkan dua pekerja utama ke cluster.

• Jenis mesin—Secara default, pekerja sekunder menggunakan jenis mesin pekerja utama cluster. Misalnya, jika Anda membuat cluster dengan pekerja primer yang menggunakan jenis mesin n1-standard-4, secara default, semua pekerja sekunder yang ditambahkan ke cluster juga akan menggunakan mesin n1-standard-4.

  Daripada menggunakan jenis mesin pekerja utama default untuk pekerja sekunder, Anda dapat menentukan satu atau beberapa daftar jenis mesin yang diberi peringkat untuk pekerja sekunder. Lihat VM Fleksibel Dataproc untuk mengetahui informasi selengkapnya.

• Ukuran persistent disk—Secara default, worker sekunder dibuat dengan ukuran yang lebih kecil dari 1000 GB atau ukuran boot disk worker utama. Ruang disk ini digunakan untuk caching data lokal dan tidak tersedia melalui HDFS. Anda dapat mengganti ukuran disk default dengan perintah gcloud dataproc clusters create --secondary-worker-boot-disk-size saat pembuatan cluster. Anda dapat menentukan tanda ini meskipun cluster tidak akan memiliki pekerja sekunder saat dibuat.

• Pembuatan Asinkron—Saat Anda menambahkan worker sekunder dengan membuat atau menskalakan cluster, worker sekunder mungkin belum disediakan saat operasi pembuatan atau update selesai. Hal ini karena Dataproc mengelola pekerja sekunder menggunakan Managed Instance Groups (MIG), yang membuat VM secara asinkron segera setelah VM dapat disediakan (lihat Memeriksa status instance terkelola).

Worker sekunder preemptible dan non-preemptible

Ada tiga jenis pekerja sekunder: spot VM, preemptible VM standar, dan non-preemptible VM. Jenis pekerja sekunder Dataproc default adalah VM preemptible standar. Anda dapat menentukan kombinasi worker sekunder Spot dan non-preemptible.

Istilah Utama: Spot VM adalah jenis preemptible VM Compute Engine terbaru. VM ini memiliki model harga preemptible VM yang lebih murah, tetapi tidak seperti preemptible VM dengan masa aktif maksimum 24 jam, spot VM tidak memiliki masa aktif maksimum. Worker VM preemptible spot dan standar diklaim kembali dan dihapus dari cluster Dataproc jika diperlukan oleh Google Cloud untuk tugas lain.

Contoh: Jika Anda memilih tiga worker sekunder saat membuat cluster, Anda dapat menentukan tiga VM spot, tiga VM preemptible, tiga VM non-preemptible, atau kombinasi worker spot dan non-preemptible.

Pekerja preemptible

Catatan: Jika istilah "preemptible" digunakan di bagian berikut untuk merujuk ke VM, pekerja, atau node, istilah tersebut merujuk ke jenis VM preemptible standar dan preemptible spot, kecuali jika digunakan untuk merujuk secara eksplisit ke jenis VM "preemptible standar" saja.

• Meskipun potensi penghapusan pekerja yang dapat dihentikan dapat memengaruhi stabilitas tugas, Anda dapat memutuskan untuk menggunakan instance yang dapat dihentikan untuk menurunkan biaya komputasi per jam untuk pemrosesan data non-kritis atau untuk membuat cluster yang sangat besar dengan total biaya yang lebih rendah (Anda dapat menggunakan kalkulator harga Google Cloud untuk memperkirakan biaya).

• Untuk hasil terbaik, jumlah pekerja yang dapat di-preempt di cluster Anda harus kurang dari 50% dari jumlah total semua pekerja (primer ditambah semua pekerja sekunder) di cluster Anda.

• Saat menggunakan pekerja preemptible, tugas Anda kemungkinan akan mengalami lebih banyak kegagalan tugas sementara satu pekerja dibandingkan dengan tugas yang dijalankan pada pekerja non-preemptible. Untuk meningkatkan toleransi tugas terhadap kegagalan tugas tingkat rendah, Anda dapat menetapkan nilai properti cluster yang mirip dengan nilai properti default yang digunakan dengan cluster penskalaan otomatis untuk meningkatkan jumlah maksimum percobaan ulang tugas dan membantu menghindari kegagalan tugas.

  Tips: Pertimbangkan untuk menggunakan Mode Fleksibilitas yang Ditingkatkan jika Anda menggunakan VM preemptible dengan Spark.

• Pertimbangan penghematan biaya: Penggunaan preemptible VM tidak selalu menghemat biaya karena penghentian dapat menyebabkan eksekusi tugas yang lebih lama dengan biaya tugas yang lebih tinggi. Meskipun penggunaan Mode Fleksibilitas yang Ditingkatkan (EFM) dengan VM preemptible dapat membantu mengurangi hasil ini, penghematan biaya keseluruhan dari VM preemptible akan bervariasi untuk setiap kasus penggunaan. Umumnya, tugas berdurasi pendek lebih cocok untuk penggunaan preemptible VM, karena kemungkinan terjadinya preempti selama eksekusi tugas akan lebih rendah. Coba opsi tugas yang berbeda, seperti tanpa VM yang dapat di-preempt dan VM yang dapat di-preempt dengan EFM, untuk memperkirakan biaya dan mendapatkan solusi terbaik.

Pekerja non-preemptible

• Anda dapat membuat cluster dengan worker sekunder non-preemptible untuk menskalakan komputasi tanpa mengorbankan stabilitas tugas. Untuk melakukannya, tentukan non-preemptible sebagai jenis pekerja sekunder. Anda dapat mencampur worker sekunder non-preemptible dengan spot worker sekunder.

Pilih pekerja sekunder

Anda dapat menentukan jumlah dan jenis pekerja sekunder saat membuat cluster menggunakan konsolGoogle Cloud , gcloud CLI atau Dataproc API.

• Anda dapat mencampur spot dengan worker sekunder non-preemptible.
• Anda dapat memperbarui cluster setelah dibuat untuk mengubah jumlah, tetapi bukan jenis, pekerja sekunder di cluster Anda.
• Update label akan disebarkan ke semua worker sekunder preemptible dalam waktu 24 jam. Update label tidak akan disebarkan ke worker sekunder non-preemptible yang sudah ada. Update label akan disebarkan ke semua worker yang ditambahkan ke cluster setelah update label. Misalnya, jika Anda meningkatkan skala cluster, semua worker primer dan sekunder baru akan memiliki label baru.

Tips: Jika Anda berencana menambahkan worker sekunder ke cluster nanti, Anda dapat menentukan 0 worker sekunder saat membuat cluster, lalu memperbarui cluster nanti untuk menentukan angka positif. Anda harus menentukan secondary-worker-type saat membuat cluster.

Konsol

Anda dapat menentukan jumlah pekerja sekunder saat membuat cluster Dataproc dari konsol Google Cloud . Setelah cluster dibuat, Anda dapat menambahkan dan menghapus pekerja sekunder dengan mengedit konfigurasi cluster dari Google Cloud konsol.

Membuat cluster dengan pekerja sekunder

Anda dapat menetapkan jumlah dan jenis pekerja sekunder yang akan diterapkan ke cluster baru dari bagian Secondary worker nodes di panel Configure nodes pada halaman Create a cluster di konsol Google Cloud . Tentukan jumlah dan jenis worker sekunder di kolom Secondary worker nodes dan Preemptibility.

Memperbarui cluster dengan instance sekunder

Untuk memperbarui jumlah worker sekunder dalam cluster, klik nama cluster di halaman Clusters di konsol Google Cloud . Di halaman Cluster details. Klik tab **Configuration**, lalu klik Edit dan perbarui angka di kolom Secondary worker nodes.

Menghapus semua instance sekunder dari cluster

Untuk menghapus semua pekerja sekunder dari cluster, perbarui konfigurasi cluster seperti yang dijelaskan sebelumnya, dengan menentukan 0 di kolom Node pekerja sekunder.

Perintah Google Cloud CLI

Gunakan perintah gcloud dataproc clusters create untuk menambahkan pekerja sekunder ke cluster saat cluster dibuat. Setelah cluster dibuat, Anda dapat menambahkan atau menghapus worker sekunder ke atau dari cluster dengan perintah gcloud dataproc clusters update (jumlah, tetapi bukan jenis worker sekunder dapat diperbarui).

Membuat cluster dengan pekerja sekunder

Untuk membuat cluster dengan pekerja sekunder, gunakan perintah gcloud dataproc clusters create dengan argumen --num-secondary-workers. Worker sekunder secara default adalah VM preemptible standar. Anda dapat menentukan worker sekunder non-preemptible atau spot saat membuat cluster dengan menyetel flag --secondary-worker-type ke `non-preemptible` atau `spot`. Contoh berikut menunjukkan cara membuat cluster dengan setiap jenis worker sekunder: `preemptible` (default), spot (preemptible), dan non-preemptible. Anda dapat menggunakan tanda tambahan untuk mencampur spot dengan worker sekunder non-preemptible.

Contoh 1

Perintah berikut membuat "cluster1" dengan dua pekerja sekunder preemptible standar (jenis default).

gcloud dataproc clusters create cluster1 \
    --num-secondary-workers=2 \
    --region=us-central1

Contoh 2

Perintah berikut menggunakan flag secondary-worker-type untuk membuat "cluster2" dengan dua pekerja sekunder spot (dapat di-preempt).

gcloud dataproc clusters create cluster2 \
    --num-secondary-workers=2 \
    --secondary-worker-type=spot \
    --region=us-central1

Contoh 3

Perintah berikut menggunakan flag secondary-worker-type untuk membuat "cluster3" dengan dua worker sekunder non-preemptible.

gcloud dataproc clusters create cluster3 \
    --num-secondary-workers=2 \
    --secondary-worker-type=non-preemptible \
    --region=us-central1

Ubah ukuran disk boot pekerja sekunder. Secara default, semua worker sekunder dibuat dengan ukuran yang lebih kecil dari 1000 GB atau ukuran boot disk worker primer. Ruang disk ini digunakan untuk melakukan caching data secara lokal dan tidak tersedia melalui HDFS. Anda dapat mengganti ukuran disk default dengan perintah gcloud dataproc clusters create --secondary-worker-boot-disk-size saat pembuatan cluster. Flag ini dapat ditentukan meskipun cluster tidak memiliki worker sekunder saat pembuatan. Izinkan konsol Google Cloud membuat permintaan pembuatan cluster Anda. Anda dapat mengklik link REST atau command line yang setara di bagian bawah panel kiri halaman Buat cluster Dataproc untuk membuat permintaan REST API atau perintah alat gcloud yang setara di konsol Google Cloud .

Memperbarui cluster dengan worker sekunder

Untuk memperbarui cluster guna menambahkan atau menghapus pekerja sekunder, gunakan perintah gcloud dataproc clusters update dengan flag --num-secondary-workers.

Contoh

Perintah berikut mengupdate example-cluster untuk menggunakan empat worker sekunder (dari jenis default atau jenis yang ditentukan saat Anda membuat cluster).

gcloud dataproc clusters update example-cluster \
    --num-secondary-workers=4 \
    --region=us-central1

Menghapus semua pekerja sekunder dari cluster

Untuk menghapus semua pekerja sekunder dari cluster, gunakan perintah gcloud dataproc clusters update dengan --num-secondary-workers ditetapkan ke 0.

Contoh

Perintah berikut menghapus semua pekerja sekunder dari "example-cluster".

gcloud dataproc clusters update example-cluster \
    --num-secondary-workers=0 \
    --region=us-central1

REST API

Membuat cluster dengan pekerja sekunder

Gunakan Dataproc clusters.create API untuk menambahkan worker sekunder ke cluster saat cluster dibuat. Contoh berikut menunjukkan cara membuat cluster dengan setiap jenis pekerja sekunder: preemptible (default), spot (dapat di-preempt), dan non-preemptible. Anda dapat menggunakan kolom tambahan untuk mencampur spot dengan worker sekunder non-preemptible.

Contoh 1

Permintaan POST berikut membuat "cluster1" dengan dua worker VM preemptible standar (jenis default).

POST https://dataproc.googleapis.com/v1/projects/project-id/regions/region/clusters

{
  "clusterName": "cluster1",
  "config": {
    "secondaryWorkerConfig": {
      "numInstances": 2
    }
  }
}

Contoh 2

Permintaan POST berikut membuat "cluster2" dengan dua pekerja VM spot (dapat di-preempt).

POST https://dataproc.googleapis.com/v1/projects/project-id/regions/region/clusters

{
  "clusterName": "cluster2",
  "config": {
    "secondaryWorkerConfig": {
      "numInstances": 2,
      "preemptibility": "SPOT"
    }
  }
}

Contoh 3

Permintaan POST berikut membuat "cluster3" dengan dua worker sekunder non-preemptible.

POST https://dataproc.googleapis.com/v1/projects/project-id/regions/region/clusters

{
  "clusterName": "cluster3",
  "config": {
    "secondaryWorkerConfig": {
      "numInstances": 2,
      "preemptibility": "NON_PREEMPTIBLE"
    }
  }
}

Memperbarui cluster dengan worker sekunder

Gunakan Dataproc clusters.patch API untuk menambahkan dan menghapus pekerja sekunder.

Contoh

Permintaan PATCH berikut mengupdate cluster agar memiliki empat worker sekunder (dari jenis default atau jenis yang ditentukan saat Anda membuat cluster).

PATCH /v1/projects/project-id/regions/region/clusters/cluster-name?updateMask=config.secondary_worker_config.num_instances
{
  "config": {
    "secondaryWorkerConfig": {
      "numInstances": 4
    }
  }
}

Izinkan konsol Google Cloud membuat permintaan pembuatan cluster Anda. Anda dapat mengklik link Equivalent REST or command line di bagian bawah panel kiri halaman Create a cluster Dataproc untuk membuat permintaan REST API atau perintah gcloud CLI yang setara di konsol Google Cloud .

Memecahkan masalah pekerja sekunder

• Masalah izin akun layanan: Worker sekunder dibuat melalui grup instance terkelola. Jika ada masalah izin, log Dataproc tidak akan melaporkan kegagalan pembuatan pekerja sekunder, tetapi pekerja yang gagal akan tercantum di tab VM Instances pada halaman Cluster details di konsolGoogle Cloud tanpa tanda centang hijau. Untuk melihat listingan, buka halaman Clusters Dataproc, lalu klik nama cluster untuk membuka halaman Cluster details untuk cluster tersebut.

• Masalah izin grup instance terkelola: Untuk memeriksa apakah ada masalah dengan izin grup instance terkelola:

  1. Temukan nama grup instance terkelola (instanceGroupManagerName).

     Konsol

     1. Buka halaman Clusters Dataproc, lalu klik nama cluster untuk membuka halaman Cluster details untuk cluster tersebut.
     2. Klik REST yang setara di bagian bawah halaman, lalu lihat nilai config.secondaryWorkerConfig.managedGroupConfig.instanceGroupManagerName.

     Google Cloud CLI

     Jalankan perintah gcloud dataproc clusters describe dengan flag --format untuk menampilkan instanceGroupManagerName.

     gcloud dataproc clusters describe CLUSTER_NAME \
         --region=REGION \
         --format='value(config.secondaryWorkerConfig.managedGroupConfig.instanceGroupManagerName)'
     

     REST API

     Kirim permintaan clusters.get untuk menampilkan nilai config.secondaryWorkerConfig.managedGroupConfig.instanceGroupManagerName.
  2. Lihat log di Logs Explorer.

  • Pilih jenis resource Google Compute Engine Instance Group, lalu filter nama grup instance terkelola.

  • Atau, Anda dapat menerapkan filter logging untuk `resource.type="gce_instance_group" and resource.labels.instance_group_name=INSTANCE_GROUP_MANAGER_NAME.

Campurkan spot dengan worker sekunder non-preemptible

Anda dapat menentukan campuran worker sekunder spot dan non-preemptible saat membuat cluster Dataproc.

Setelan worker sekunder untuk menggabungkan worker sekunder spot dengan worker sekunder non-preemptible

Gunakan setelan pekerja sekunder berikut saat Anda membuat kluster Dataproc untuk mendapatkan kapasitas pekerja sekunder minimum dengan kemampuan untuk meningkatkan kapasitas saat VM spot tersedia:

• jumlah worker sekunder: Jumlah total worker sekunder yang akan disediakan.

• jenis worker sekunder: spot adalah jenis worker sekunder saat menggabungkan spot dengan worker sekunder non-preemptible.

• standardCapacityBase: Jumlah worker sekunder (standar) non-preemptible yang akan disediakan. Worker sekunder non-preemptible disediakan sebelum jenis worker sekunder lainnya.

• standardCapacityPercentAboveBase: Setelah standardCapacityBase jumlah pekerja sekunder diisi, jumlah pekerja sekunder yang tersisa yang diperlukan untuk memenuhi jumlah total pekerja sekunder yang diminta diisi dengan campuran VM non-preemptible dan spot sebagai berikut:

  • standardCapacityPercentAboveBase: Persen pekerja sekunder yang tersisa untuk diisi dengan VM yang tidak dapat di-preempt.
  • Jumlah yang tersisa yang diperlukan untuk memenuhi jumlah total pekerja sekunder yang diminta diisi dengan VM spot.

Contoh:

• Jumlah pekerja sekunder: 15
• standardCapacityBase: 5
• standardCapacityPercentAboveBase 30%

Hasil:

• Tidak dapat didahului: 8 = 5 (standardCapacityBase) + 3 (30% dari 10 yang tersisa)
• Spot: 7 (70% dari 10 yang tersisa)
• Total = 15

Membuat cluster dengan campuran worker sekunder spot dan non-preemptible

Anda dapat menggunakan gcloud CLI atau Dataproc API untuk menggabungkan pekerja sekunder spot dengan pekerja sekunder yang tidak dapat di-preempt saat membuat cluster.

gcloud

Jalankan perintah berikut secara lokal atau di Cloud Shell untuk membuat cluster dengan campuran pekerja sekunder spot dan non-preemptible.

gcloud dataproc clusters create CLUSTER_NAME \
    --project=PROJECT_ID \
    --region=REGION \
    --secondary-worker-type=spot \
    --num-secondary-workers=NUMBER_SECONDARY_WORKERS \
    --secondary-worker-standard-capacity-base=STANDARD_CAPACITY_BASE \
    --secondary-worker-standard-capacity-percent-above-base=STANDARD_CAPACITY_PERCENT_ABOVE_BASE \
    OTHER_FLAGS_AS_NEEDED

Catatan:

• CLUSTER_NAME: Nama cluster baru.
• PROJECT_ID: Project ID Google Cloud Anda. Project ID tercantum di bagian Project info di Dasbor konsol Google Cloud .
• REGION: Region Compute Engine yang tersedia untuk menjalankan beban kerja.
• --secondary-worker-type: Saat menggabungkan worker sekunder spot dan non-preemptible, tentukan jenis worker sekunder sebagai spot.
• STANDARD_CAPACITY_BASE dan STANDARD_CAPACITY_PERCENT_ABOVE_BASE: Lihat Setelan worker sekunder untuk menggabungkan worker sekunder spot dengan worker sekunder non-preemptible.
• OTHER_FLAGS_AS_NEEDED: Lihat gcloud dataproc clusters create.

API

Untuk menggabungkan spot dengan pekerja sekunder non-preemptible, tetapkan kolom API preemptibility, standardCapacityBase, dan standardCapacityPercentAboveBase Dataproc sebagai bagian dari permintaan cluster.create, seperti yang ditunjukkan dalam contoh JSON berikut:

{
  "clusterName": "CLUSTER_NAME",
  "config": {
    "secondaryWorkerConfig": {
      "numInstances": 15,
      "preemptibility": "spot",
      "instanceFlexibilityPolicy": {
        "provisioningModelMix": {
          "standardCapacityBase": STANDARD_CAPACITY_BASE
          "standardCapacityPercentAboveBase": STANDARD_CAPACITY_PERCENT_ABOVE_BASE
        }
      }
    }
  }
}

Catatan:

• CLUSTER_NAME: Nama cluster baru.
• preemptibility: Saat menggabungkan worker sekunder spot dan non-preemptible, tentukan spot.
• STANDARD_CAPACITY_BASE dan STANDARD_CAPACITY_PERCENT_ABOVE_BASE: Lihat Setelan worker sekunder untuk menggabungkan worker sekunder spot dengan worker sekunder non-preemptible.

Menggabungkan pencampuran pekerja sekunder dengan VM fleksibel

Anda dapat mencampur worker sekunder preemptible dan non-preemptible serta menentukan bentuk VM yang fleksibel untuk worker sekunder saat membuat cluster.

Contoh gcloud CLI:

gcloud dataproc clusters create cluster-name \
    --project=project-id \
    --region=us-central1 \
    --secondary-worker-type=spot \
    --num-secondary-workers=15 \
    --secondary-worker-standard-capacity-base=5 \
    --secondary-worker-standard-capacity-percent-above-base=30 \
    --secondary-worker-machine-types="type=n2-standard-8,rank=0" \
    --secondary-worker-machine-types="type=e2-standard-8,type=t2d-standard-8,rank=1"
    ...other flags as needed

Karakteristik pencampuran pekerja sekunder

Bagian ini menjelaskan beberapa perilaku dan karakteristik yang terkait dengan mencampur pekerja sekunder non-preemptible dan spot.

Preferensi pekerja sekunder

Dataproc tidak memberikan preferensi pada VM spot atau non-preemptible saat menjadwalkan aplikasi di worker sekunder.

Penskalaan pekerja sekunder

Saat pekerja sekunder diskalakan melalui penskalaan otomatis atau penskalaan manual, Dataproc mempertahankan rasio spot ke non-preemptible yang diminta saat menambahkan pekerja sekunder.

Memperbarui setelan campuran pekerja sekunder

Anda menentukan campuran worker sekunder spot dan non-preemptible saat Anda membuat cluster Dataproc. Anda tidak dapat mengubah setelan campuran pekerja sekunder setelah membuat cluster.

Preemption pekerja sekunder Spot

• Dataproc tidak mengontrol waktu preemption VM spot (lihat Preemption Spot VM).
• Saat penghentian sementara spot terjadi, grup pekerja sekunder dapat berjalan dengan kapasitas yang berkurang untuk sementara hingga Compute Engine menyediakan ulang VM yang dihentikan sementara.
• Dataproc tidak akan menambahkan kapasitas ke grup worker sekunder yang melebihi setelan awal grup.