Memorizzazione in cache del cluster

Quando abiliti la memorizzazione nella cache del cluster Managed Service for Apache Spark, il cluster memorizza nella cache i dati di Cloud Storage a cui accedono di frequente i job Spark.

Vantaggi

  • Prestazioni migliorate: la memorizzazione nella cache può migliorare le prestazioni dei job riducendo il tempo necessario per recuperare i dati dallo spazio di archiviazione.
  • Costi di archiviazione ridotti: poiché i dati attivi vengono memorizzati nella cache sul disco locale, vengono effettuate meno chiamate API allo spazio di archiviazione per recuperare i dati.
  • Applicabilità dei job Spark: quando la memorizzazione nella cache del cluster è abilitata su un cluster, si applica a tutti i job Spark eseguiti sul cluster, indipendentemente dal fatto che siano stati inviati a Managed Service for Apache Spark o eseguiti in modo indipendente sul cluster.

Limiti e requisiti

  • La memorizzazione nella cache si applica solo ai job Managed Service for Apache Spark.
  • Vengono memorizzati nella cache solo i dati di Cloud Storage.
  • La memorizzazione nella cache si applica solo ai cluster che soddisfano i seguenti requisiti:

Abilitare la memorizzazione nella cache del cluster

Puoi abilitare la memorizzazione nella cache del cluster quando crei un cluster Managed Service for Apache Spark utilizzando la Google Cloud console, Google Cloud CLI o l'API Dataproc.

Google Cloud Console

  1. Apri la pagina Google Cloud console Crea cluster.
  2. Fai clic su Configurazione aggiuntiva per espandere la sezione.
  3. Modifica Personalizzazione e altro.
  4. Nel riquadro che si apre, nella sezione Proprietà del cluster, fai clic su + Aggiungi proprietà.
  5. Seleziona dataproc nell'elenco Prefisso, quindi aggiungi la chiave dataproc.cluster.caching.enabled e il valore true.

gcloud CLI

Esegui il comando gcloud dataproc clusters create localmente in una finestra del terminale o in Cloud Shell utilizzando la proprietà del cluster dataproc:dataproc.cluster.caching.enabled=true.

Esempio:

gcloud dataproc clusters create CLUSTER_NAME \
    --region=REGION \
    --properties dataproc:dataproc.cluster.caching.enabled=true \
    --num-master-local-ssds=2 \
    --master-local-ssd-interface=NVME \
    --num-worker-local-ssds=2 \
    --worker-local-ssd-interface=NVME \
    other args ...

API REST

Imposta SoftwareConfig.properties in modo da includere la "dataproc:dataproc.cluster.caching.enabled": "true" proprietà del cluster come parte di una clusters.create.