Managed Service for Apache Spark 現在包含先前的「Dataproc on Compute Engine」(叢集部署) 和先前的「Google Cloud Serverless for Apache Spark」(無伺服器部署) 產品選項。
這兩項服務都提供代管、高度可擴充、適用於正式環境且安全的 Spark 環境，並與 OSS 相容，完全支援資料格式，但兩者的底層基礎架構管理和資源計費方式，均有根本上的差異。請參閱下列功能和用途，協助您選擇 Spark 解決方案。
如要進一步瞭解 Managed Service for Apache Spark 無伺服器部署作業，請參閱「Managed Service for Apache Spark 無伺服器部署作業總覽」。
比較 Managed Service for Apache Spark 部署作業
下表列出 Managed Service for Apache Spark 叢集和無伺服器部署作業的主要差異。
| 部署作業 | 無伺服器 | 叢集 |
|---|---|---|
| 處理架構 | 批次工作負載和互動式工作階段：Spark | Spark。其他開放原始碼架構，例如 Hive、Flink、Trino 和 Kafka |
| 無伺服器 | 是 | 否 |
| 啟動時間 | 50s | 120 秒 |
| 基礎架構控制 | 否 | 是 |
| 資源管理 | 無伺服器 | YARN |
| GPU 支援 | 是 | 是 |
| 互動工作階段 | 是 | 否 |
| 自訂容器 | 是 | 否 |
| 存取 VM (SSH) | 否 | 是 |
| Java 版本 | Java 17、21 | Java 17 和舊版 |
決定最合適的 Managed Service for Apache Spark 部署作業
本節將說明 Managed Service for Apache Spark 的主要優勢和主要用途，協助您為 Spark 工作負載選取最合適的 Managed Service for Apache Spark 部署作業 (叢集或無伺服器)。
總覽
Managed Service for Apache Spark 部署作業的差異在於控制程度、基礎架構管理和計費模式。
- 無伺服器部署：Managed Service for Apache Spark 提供 Spark 即服務，在全代管的 Google Cloud基礎架構上執行 Spark。您只需支付工作執行階段的費用。
- 叢集部署：提供 Spark 叢集即服務，在 Compute Engine 基礎架構上執行受管理 Spark。您只需支付叢集正常運作時間的費用。
由於這些差異，每個 Managed Service for Apache Spark 部署作業最適合下列用途：
| 部署作業 | 用途 |
|---|---|
| 無伺服器 | 不同的專屬工作環境 排程批次工作負載 優先管理程式碼，而非基礎架構 |
| 叢集 | 長時間運作的共用環境 需要精細控管基礎架構的工作負載 遷移舊版 Hadoop 和 Spark 環境 |
主要差異
| 功能 | 無伺服器部署 | 叢集部署作業 |
|---|---|---|
| 管理模型 | 全代管的無伺服器執行環境。 | 以叢集為基礎。您可佈建及管理叢集。 |
| 享有掌控權且可自訂 | 基礎架構控管程度較低，著重於提交程式碼和指定 Spark 參數。 | 可更精確地控管叢集設定、機器類型和軟體。可使用 Spot VM，並重複使用預留項目和 Compute Engine 資源容量。適用於依賴特定 VM 規格 (例如 CPU 架構) 的工作負載。 |
| 用途 | 臨時查詢、互動式分析、新的 Spark 管道，以及資源需求難以預測的工作負載。 | 長時間運作的共用叢集、遷移現有的 Hadoop 和 Spark 工作負載 (含自訂設定)、需要深度自訂的工作負載。 |
| 管理作業負擔 | 降低負擔。 Google Cloud 可管理基礎架構、資源調度和佈建作業，進而實現 NoOps 模型。Gemini Cloud Assist 可簡化疑難排解作業，無伺服器自動調校功能則有助於提供最佳效能。 |
管理開銷較高，需要叢集管理、資源調度和維護。 |
| 效率模式 | 沒有閒置運算資源的負擔：只有在工作執行時才會分配運算資源，沒有啟動和關閉費用。支援共用互動式工作階段，可提高效率。 | 透過共用叢集，在工作和團隊之間提高效率，並採用共用多租戶模型。 |
| 位置資訊控制 | Managed Service for Apache Spark 支援區域工作負載，不需額外費用，即可提供額外的可靠性和可用性。 | 叢集是可用區資源。建立叢集時，系統會自動選取可用區。 |
| 費用 | 系統只會根據耗用的資源，針對 Spark 工作執行時間 (不含啟動和終止) 收費。費用以使用的資料運算單元 (DCU) 和其他基礎架構成本計算。 | 系統會根據節點數量，按叢集執行時間 (包括啟動和終止) 計費。包括 Managed Service for Apache Spark 授權費用和基礎架構費用。 |
| 承諾使用折扣 (CUD) | 以 BigQuery 支出為準的 CUD 適用於 Managed Service for Apache Spark 工作。 | Compute Engine CUD 適用於所有資源用量。 |
| 映像檔和執行階段控制項 | 使用者可以釘選次要的 Managed Service for Apache Spark 執行階段版本，次要以下的版本則由 Managed Service for Apache Spark 管理。 | 使用者可以將 Managed Service for Apache Spark 映像檔版本固定在次要和子次要版本。 |
| 資源管理 | 無伺服器 | YARN |
| GPU 支援 | 是 | 是 |
| 互動式工作階段 | 是 | 否 |
| 自訂容器 | 是 | 否 |
| VM 存取權 (SSH) | 否 | 是 |
| Java 版本 | Java 17、21 |
支援的舊版本 |
| 啟動時間 | 50s | 120 秒 |
選擇無伺服器部署的時機
Managed Service for Apache Spark 無伺服器部署作業會簡化複雜的叢集管理作業，讓您專注於 Spark 程式碼。因此，這項服務非常適合用於下列資料處理情境：
- 臨時性和互動式分析：對於使用 Spark 執行互動式查詢和探索性分析的資料科學家和分析師而言，無伺服器模型提供快速入門方式，不必專注於基礎架構。
- 以 Spark 為基礎的應用程式和管道：在 Spark 上建構新的資料管道或應用程式時，Managed Service for Apache Spark 可免除叢集管理作業的負擔，大幅加快開發速度。
- 需求不穩定或無法預測的工作負載：對於間歇性 Spark 工作或資源需求不穩定的工作，無伺服器 自動調度資源和依用量計費 (根據工作資源用量收費) 模式可大幅降低成本。
- 著重提升開發人員生產力：Managed Service for Apache Spark 可免除叢集佈建和管理作業，因此能加快建立商業邏輯、提供更快速的洞察資料，並提高生產力。
- 簡化作業並降低負擔：Managed Service for Apache Spark 基礎架構管理可減輕作業負擔並降低成本。
選擇叢集部署的時機
您可以透過 Managed Service for Apache Spark 叢集部署作業，執行 Apache Spark 和其他開放原始碼資料處理架構。這項服務提供高度的控制權和彈性，因此在下列情況下是首選：
- 遷移現有的 Hadoop 和 Spark 工作負載：支援將地端部署 Hadoop 或 Spark 叢集遷移至 Google Cloud。複製現有設定時，程式碼變更幅度極小，特別是使用舊版 Spark 時。
- 深度自訂和控制：可自訂叢集機型、磁碟大小和網路設定。這種控制層級對於效能調整，以及針對複雜的長期執行作業，最佳化資源使用情形至關重要。
- 長期叢集和持續性叢集：支援持續執行的長期 Spark 工作，以及多個團隊和專案的持續性叢集。
- 多元的開放原始碼生態系統：提供統一的環境，可使用 Hadoop 生態系統工具 (例如 Hive、Pig 或 Presto) 執行資料處理管道，以及 Spark 工作負載。
- 安全法規遵循：可控管基礎架構，以符合特定安全或法規遵循標準，例如保護個人識別資訊 (PII) 或受保護的健康資訊 (PHI)。
- 基礎架構彈性：提供 Spot VM，並可重複使用預留項目和 Compute Engine 資源容量，以平衡資源使用量，並協助您制定雲端基礎架構策略。
總結
決定要使用 Managed Service for Apache Spark 叢集還是無伺服器部署作業，取決於工作負載需求、作業偏好設定和偏好的控制層級。
- 選擇 Managed Service for Apache Spark 無伺服器，即可輕鬆使用、節省間歇性工作負載的成本，並免除基礎架構管理負擔，加速開發新的 Spark 應用程式。
- 如果需要最大程度的控制權、遷移 Hadoop 或 Spark 工作負載，或需要永久的自訂共用叢集環境，請選擇 Managed Service for Apache Spark 叢集。
評估本節列出的因素後，請選取最有效率且經濟實惠的 Managed Service for Apache Spark 部署作業，執行 Spark 來充分發揮資料的潛力。