Fehlerbehebung bei der Clustererstellung

In diesem Dokument werden häufige Fehlermeldungen bei der Clustererstellung erläutert und Tipps zur Fehlerbehebung bei Problemen bei der Clustererstellung gegeben.

Häufige Fehlermeldungen bei der Clustererstellung

  • Nutzer nicht berechtigt, als Dienstkonto zu fungieren

    Ursache: Das Hauptkonto, mit dem versucht wird, den Managed Service for Apache Spark-Cluster zu erstellen, hat nicht die erforderlichen Berechtigungen, um das angegebene Dienstkonto zu verwenden. Managed Service for Apache Spark-Nutzer benötigen die Berechtigung ActAs für das Dienstkonto, um Managed Service for Apache Spark-Ressourcen bereitzustellen. Diese Berechtigung ist in der Rolle „Dienstkontonutzer“ (roles/iam.serviceAccountUser) enthalten (siehe Managed Service for Apache Spark-Rollen).

    Lösung: Ermitteln Sie das Nutzer- oder Dienstkonto, mit dem versucht wird, den Managed Service for Apache Spark-Cluster zu erstellen. Weisen Sie dem Hauptkonto die Rolle „Dienstkontonutzer“ (roles/iam.serviceAccountUser) für das Dienstkonto zu, das für den Cluster konfiguriert ist (in der Regel das Dienstkonto der Managed Service for Apache Spark-VM).

  • Zeitüberschreitung bei Vorgang:Nur 0 von 2 erforderlichen Datenknoten/Knotenmanagern.

    Ursache: Der Controllerknoten kann den Cluster nicht erstellen, da er nicht mit Worker-Knoten kommunizieren kann.

    Lösung:

  • Erforderliche compute.subnetworks.use-Berechtigung für projects/{projectId}/regions/{region}/subnetworks/{subnetwork}

    Ursache: Dieser Fehler kann auftreten, wenn Sie versuchen, einen Managed Service for Apache Spark-Cluster mit einem VPC-Netzwerk in einem anderen Projekt einzurichten und das Managed Service for Apache Spark-Dienstkonto Dienst-Agent nicht die erforderlichen Berechtigungen für das freigegebene VPC-Projekt hat, in dem das Netzwerk gehostet wird.

    Lösung: Führen Sie die unter Cluster erstellen, der ein VPC-Netzwerk in einem anderen Projekt verwendet aufgeführten Schritten aus.

  • In der Zone projects/zones/{zone} sind nicht genügend Ressourcen verfügbar, um die Anfrage (resource type:compute) auszuführen.

    Ursache: Die Zone, die zum Erstellen des Clusters verwendet wird, hat nicht genügend Ressourcen.

    Lösung:

    • Verwenden Sie das Feature automatische Zonenplatzierung von Managed Service for Apache Spark, um den Cluster in einer beliebigen Zone einer Region mit verfügbaren Ressourcen zu erstellen.
    • Erstellen Sie den Cluster in einer anderen Zone.

  • Fehler bei Kontingentüberschreitung

    Unzureichendes CPUS-/CPUS_ALL_REGIONS-Kontingent
    Unzureichendes Kontingent "DISKS_SUM_GB"
    Unzureichendes Kontingent "IN_USE_ADDRESSES"

    Ursache: Ihre CPU-, Laufwerk- oder IP-Adressanfrage überschreitet das verfügbare Kontingent.

    Lösung: Zusätzliche Kontingente können Sie über die Google Cloud Console anfordern.

  • Initialisierungsaktion fehlgeschlagen

    Ursache: Die während der Clustererstellung angegebene Initialisierungsaktion konnte nicht installiert werden.

    Lösung:

  • Knoten CLUSTER-NAME-m konnte nicht initialisiert werden. ... Weitere Informationen finden Sie in der Ausgabe unter: <gs://PATH_TO_STARTUP_SCRIPT_OUTPUT>

    Ursache: Der Controllerknoten des Managed Service for Apache Spark-Clusters konnte nicht initialisiert werden.

    Lösung:

  • Clustererstellung fehlgeschlagen: IP-Adressbereich aufgebraucht

    Ursache: Der zum Bereitstellen der angeforderten Clusterknoten erforderliche IP-Adressbereich ist nicht verfügbar.

    Lösung:

    • Erstellen Sie einen Cluster mit weniger Worker-Knoten, aber einem größeren Maschinentyp.
    • Erstellen Sie einen Cluster in einem anderen Subnetzwerk oder Netzwerk.
    • Reduzieren Sie die Nutzung des Netzwerks, um IP-Adressraum freizugeben.
    • Warten Sie, bis im Netzwerk genügend IP-Adressen verfügbar sind.

  • Fehlermeldung im Initialisierungsscript: Das Repository REPO_NAME hat keine Release-Datei mehr

    Ursache: Das Debian Oldstable Backports-Repository wurde gelöscht.

    Lösung:

    Fügen Sie den folgenden Code vor dem Code ein, mit dem apt-get in Ihrem Initialisierungsskript ausgeführt wird.

    oldstable=$(curl -s https://deb.debian.org/debian/dists/oldstable/Release | awk '/^Codename/ {print $2}');
stable=$(curl -s https://deb.debian.org/debian/dists/stable/Release | awk '/^Codename/ {print $2}');

matched_files="$(grep -rsil '\-backports' /etc/apt/sources.list*)"
if [[ -n "$matched_files" ]]; then
  for filename in "$matched_files"; do
    grep -e "$oldstable-backports" -e "$stable-backports" "$filename" || \
      sed -i -e 's/^.*-backports.*$//' "$filename"
  done
fi

  • Zeitüberschreitung beim Warten auf die Meldung der Instanz DATAPROC_CLUSTER_VM_NAME oder Netzwerk nicht erreichbar: dataproccontrol-REGION.googleapis.com

    Ursache: Diese Fehlermeldungen deuten darauf hin, dass die Netzwerkeinrichtung Ihres Managed Service for Apache Spark-Clusters unvollständig ist. Möglicherweise fehlt die Route zum Standard-Internetgateway oder es fehlen Firewallregeln.

    Lösung:

    Um dieses Problem zu beheben, können Sie die folgenden Konnektivitätstests erstellen:

    • Konnektivitätstest erstellen zwischen zwei VMs in einem Managed Service for Apache Spark-Cluster. Das Ergebnis dieses Tests hilft Ihnen zu verstehen, ob die Firewallregeln zum Zulassen von eingehendem oder ausgehendem Traffic Ihres Netzwerks korrekt auf die Cluster-VMs angewendet werden.
    • Verbindungstest erstellen zwischen einer VM des Managed Service for Apache Spark-Clusters und einer aktuellen IP-Adresse der Managed Service for Apache Spark-Steuerungs-API. Verwenden Sie den folgenden Befehl, um eine aktuelle IP-Adresse der Managed Service for Apache Spark Control API abzurufen:
    dig dataproccontrol-REGION.googleapis.com A

    Verwenden Sie eine der IPv4-Adressen im Antwortbereich der Ausgabe.

    Das Ergebnis des Konnektivitätstests hilft Ihnen, festzustellen, ob die Route zum Standard-Internetgateway und die Firewall für ausgehenden Traffic korrekt konfiguriert sind.

    Auf Grundlage der Ergebnisse der Konnektivitätstests:

  • Fehler aufgrund von Update

    Ursache: Der Cluster hat einen Job akzeptiert, der an den Managed Service for Apache Spark gesendet wurde, konnte aber nicht manuell oder durch Autoscaling hoch- oder herunterskaliert werden. Dieser Fehler kann auch durch eine nicht standardmäßige Clusterkonfiguration verursacht werden.

    Lösung:

    • Cluster zurücksetzen:Erstellen Sie ein Support-Ticket, fügen Sie eine Diagnose-TAR-Datei hinzu und bitten Sie darum, den Cluster auf den Status „AKTIV“ zurückzusetzen.

    • Neuer Cluster:Erstellen Sie den Cluster neu mit derselben Konfiguration. Diese Lösung kann schneller sein als ein vom Support bereitgestelltes Zurücksetzen.

Tipps zur Fehlerbehebung bei Clustern

In diesem Abschnitt finden Sie zusätzliche Informationen zur Behebung häufiger Probleme, die die Erstellung von Managed Service for Apache Spark-Clustern verhindern können.

Wenn die Bereitstellung eines Managed Service for Apache Spark-Clusters fehlschlägt, wird häufig eine allgemeine Fehlermeldung ausgegeben oder ein Status PENDING oder PROVISIONING gemeldet, bevor der Fehler auftritt. Der Schlüssel zur Diagnose und Behebung von Clusterfehlern liegt in der Untersuchung von Clusterlogs und der Bewertung häufiger Fehlerpunkte.

Häufige Symptome

Die folgenden Symptome sind häufig mit Fehlern bei der Clustererstellung verbunden:

  • Der Clusterstatus bleibt über einen längeren Zeitraum PENDING oder PROVISIONING.
  • Der Cluster wechselt in den Status ERROR.
  • Generische API-Fehler bei der Clustererstellung, z. B. Operation timed out.

  • Protokollierte Fehlermeldungen oder API-Antwortfehlermeldungen, z. B.:

    • RESOURCE_EXHAUSTED: bezieht sich auf CPU-, Laufwerk- oder IP-Adresskontingente
    • Instance failed to start
    • Permission denied
    • Unable to connect to service_name.googleapis.com oder Could not reach required Google APIs
    • Connection refused oder network unreachable
    • Fehler im Zusammenhang mit fehlgeschlagenen Initialisierungsaktionen, z. B. Fehler bei der Skriptausführung und „Datei nicht gefunden“.

Cluster-Logs prüfen

Ein wichtiger erster Schritt bei der Diagnose von Fehlern bei der Clustererstellung ist die Überprüfung der detaillierten Clusterlogs, die in Cloud Logging verfügbar sind.

  1. Rufen Sie den Log-Explorer auf: Öffnen Sie den Log-Explorer in der Google Cloud Console.
  2. Nach Managed Service for Apache Spark-Clustern filtern:
    • Wählen Sie im Drop-down-Menü Ressource die Option Cloud Managed Service for Apache Spark Cluster aus.
    • Geben Sie Ihre cluster_name und project_id ein. Sie können auch nach location (Region) filtern.
  3. Logeinträge prüfen:
    • Suchen Sie nach Nachrichten auf ERROR- oder WARNING-Ebene, die kurz vor dem Zeitpunkt des Fehlers bei der Clustererstellung auftreten.
    • Achten Sie auf Logs von master-startup-, worker-startup- und agent-Komponenten, um Informationen zu Problemen auf VM-Ebene oder mit dem Managed Service for Apache Spark-Agent zu erhalten.
    • Wenn Sie Informationen zu Problemen beim Booten von VMs erhalten möchten, filtern Sie die Logs nach resource.type="gce_instance" und suchen Sie nach Meldungen von den Instanznamen, die mit Ihren Clusterknoten verknüpft sind, z. B. CLUSTER_NAME-m oder CLUSTER_NAME-w-0. Logs der seriellen Konsole können Probleme mit der Netzwerkkonfiguration, Festplattenprobleme und Skriptfehler aufdecken, die früh im VM-Lebenszyklus auftreten.

Häufige Ursachen für Clusterfehler und Tipps zur Fehlerbehebung

In diesem Abschnitt werden häufige Gründe für das Fehlschlagen der Clustererstellung für Managed Service for Apache Spark beschrieben. Außerdem finden Sie Tipps zur Fehlerbehebung bei Clusterfehlern.

Unzureichende IAM-Berechtigungen

Das VM-Dienstkonto, das von Ihrem Managed Service for Apache Spark-Cluster verwendet wird, muss die entsprechenden IAM-Rollen haben, um Compute Engine-Instanzen bereitzustellen, auf Cloud Storage-Buckets zuzugreifen, Logs zu schreiben und mit anderen Google Cloud -Diensten zu interagieren.

  • Erforderliche Worker-Rolle: Prüfen Sie, ob das VM-Dienstkonto die Rolle Managed Service for Apache Spark Worker (roles/dataproc.worker) hat. Diese Rolle hat die Mindestberechtigungen, die für Managed Service for Apache Spark zum Verwalten von Clusterressourcen erforderlich sind.
  • Berechtigungen für den Datenzugriff: Wenn Ihre Jobs Daten aus Cloud Storage oder BigQuery lesen oder in Cloud Storage oder BigQuery schreiben, benötigt das Dienstkonto entsprechende Rollen wie Storage Object Viewer, Storage Object Creator oder Storage Object Admin für Cloud Storage oder BigQuery Data Viewer oder BigQuery Editor für BigQuery.
  • Logging-Berechtigungen: Das Dienstkonto muss eine Rolle mit den Berechtigungen haben, die zum Schreiben von Logs in Cloud Logging erforderlich sind, z. B. die Rolle Logging Writer.

Tipps zur Fehlerbehebung:

  • Dienstkonto identifizieren: Ermitteln Sie das VM-Dienstkonto, das für Ihren Cluster konfiguriert ist. Wenn nicht angegeben, wird standardmäßig das Compute Engine-Standarddienstkonto verwendet.

  • IAM-Rollen prüfen: Rufen Sie in der Google Cloud Console die Seite IAM & Verwaltung > IAM auf, suchen Sie nach dem Dienstkonto der Cluster-VM und prüfen Sie, ob es die für Clusteroperationen erforderlichen Rollen hat. Weisen Sie fehlende Rollen zu.

Ressourcenkontingente überschritten

Managed Service for Apache Spark-Cluster nutzen Ressourcen von Compute Engine und anderen Google Cloud Diensten. Das Überschreiten von Projekt- oder regionalen Kontingenten kann zu Fehlern beim Erstellen von Clustern führen.

  • Häufige Managed Service for Apache Spark-Kontingente, die Sie prüfen sollten:
    • CPUs (regional)
    • DISKS_TOTAL_GB (regional)
    • IN_USE_ADDRESSES (regional für interne IP-Adressen, global für externe IP-Adressen)
    • Dataproc API-Kontingente, z. B. ClusterOperationRequestsPerMinutePerProjectPerRegion

Tipps zur Fehlerbehebung:

  • Kontingente ansehen: Rufen Sie in der Google Cloud Console die Seite IAM & Verwaltung > IAM auf. Filtern Sie nach „Dienst“ für „Compute Engine API“ und „Dataproc API“.
  • Nutzung im Vergleich zum Limit prüfen: Ermitteln Sie alle Kontingente, die ihr Limit erreicht haben oder kurz davor stehen.
  • Fordern Sie bei Bedarf eine Kontingenterhöhung an.

Probleme mit der Netzwerkkonfiguration

Probleme mit der Netzwerkkonfiguration, z. B. eine falsche VPC-Netzwerk-, Subnetz-, Firewall- oder DNS-Konfiguration, sind eine häufige Ursache für Fehler bei der Clustererstellung. Clusterinstanzen müssen miteinander und mit Google-APIs kommunizieren können.

  • VPC-Netzwerk und Subnetz:
    • Prüfen Sie, ob das VPC-Netzwerk und das Subnetz des Clusters vorhanden und richtig konfiguriert sind.
    • Prüfen Sie, ob das Subnetz einen ausreichenden Bereich verfügbarer IP-Adressen hat.
  • Privater Google-Zugriff (Private Google Access, PGA): Wenn Cluster-VMs interne IP-Adressen haben und für Cloud Storage, Cloud Logging und andere Vorgänge auf Google APIs zugreifen müssen, prüfen Sie, ob privater Google-Zugriff für das Subnetzwerk aktiviert ist. Standardmäßig werden für Managed Service for Apache Spark-Cluster, die mit Image-Versionen ab 2.2 erstellt werden, VMs mit nur internen IP-Adressen bereitgestellt, wobei der privater Google-Zugriff im regionalen Subnetz des Clusters aktiviert ist.
  • Private Service Connect (PSC): Wenn Sie über Private Service Connect auf Google APIs zugreifen, prüfen Sie, ob die erforderlichen Private Service Connect-Endpunkte für die Google APIs, von denen Managed Service for Apache Spark abhängt, z. B. dataproc.googleapis.com, storage.googleapis.com, compute.googleapis.com und logging.googleapis.com, richtig konfiguriert sind. DNS-Einträge für die APIs müssen zu privaten IP-Adressen aufgelöst werden. Hinweis: Wenn Sie Private Service Connect verwenden, ist weiterhin VPC-Peering erforderlich, um mit anderen vom Kunden verwalteten VPC-Netzwerken zu kommunizieren.
  • VPC-Peering: Wenn Ihr Cluster mit Ressourcen in anderen VPC-Netzwerken kommuniziert, z. B. mit Hostprojekten einer freigegebenen VPC oder anderen Kunden-VPCs, prüfen Sie, ob das VPC-Peering richtig konfiguriert ist und Routen weitergegeben werden.

  • Firewallregeln:

    • Standardregeln: Prüfen Sie, ob Standardfirewallregeln wie allow-internal oder allow-ssh zu restriktiv sind.

    • Benutzerdefinierte Regeln: Wenn benutzerdefinierte Firewallregeln vorhanden sind, prüfen Sie, ob sie die erforderlichen Kommunikationspfade zulassen:

      • Interne Kommunikation innerhalb des Clusters (zwischen -m- und -w-Knoten).

      • Ausgehender Traffic von Cluster-VMs zu Google APIs über öffentliche IP-Adressen oder ein Internetgateway, den privater Google-Zugriff oder Private Service Connect-Endpunkte.

      • Traffic zu externen Datenquellen oder Diensten, von denen Ihre Jobs abhängen.

  • DNS-Auflösung: Prüfen Sie, ob Clusterinstanzen DNS-Namen für Google-APIs und interne oder externe Dienste korrekt auflösen können.

Tipps zur Fehlerbehebung:

  • Netzwerkkonfiguration prüfen: Sehen Sie sich die VPC-Netzwerk- und Subnetzeinstellungen an, in denen der Cluster bereitgestellt wird.
  • Firewallregeln prüfen: Sehen Sie sich die Firewallregeln im VPC-Netzwerk oder im Hostprojekt der freigegebenen VPC an.
  • Verbindung testen: Starten Sie eine temporäre Compute Engine-VM im Cluster-Subnetz und führen Sie die folgenden Schritte aus:
    • ping oder curl zu externen Google API-Domains wie storage.googleapis.com.
    • nslookup, um die DNS-Auflösung in die erwarteten IP-Adressen (privater Google-Zugriff oder Private Service Connect) zu überprüfen.
    • Führen Sie Google Cloud Konnektivitätstests aus, um Pfade von einer Test-VM zu relevanten Endpunkten zu diagnostizieren.

Fehler bei Initialisierungsaktionen

Managed Service for Apache Spark-Initialisierungsaktionen sind Skripts, die beim Erstellen von Clustern auf Cluster-VMs ausgeführt werden. Fehler in diesen Skripts können den Clusterstart verhindern.

Tipps zur Fehlerbehebung:

  • Logs auf Fehler bei Initialisierungsaktionen prüfen: Suchen Sie in Cloud Logging nach Logeinträgen, die sich auf init-actions oder startup-script für die Clusterinstanzen beziehen.
  • Skriptpfade und Berechtigungen prüfen: Prüfen Sie, ob sich die Skripts für Initialisierungsaktionen an der richtigen Stelle in Cloud Storage befinden und ob das Dienstkonto der Cluster-VM die Rolle Storage Object Viewer hat, die zum Lesen von Cloud Storage-Skripts erforderlich ist.
  • Skriptlogik debuggen: Testen Sie die Skriptlogik auf einer separaten Compute Engine-VM, die die Clusterumgebung imitiert, um Fehler zu erkennen. Fügen Sie dem Skript ausführliche Protokollierung hinzu.

Regionale Ressourcenverfügbarkeit (nicht vorrätig)

Gelegentlich kann es vorkommen, dass ein Maschinentyp oder eine Ressource in einer Region oder Zone vorübergehend nicht verfügbar ist (Fehlschlag). In der Regel führt dies zu RESOURCE_EXHAUSTED-Fehlern, die nicht mit Projektkontingentproblemen zusammenhängen.

Tipps zur Fehlerbehebung:

  • Andere Zone oder Region ausprobieren: Versuchen Sie, den Cluster in einer anderen Zone derselben Region oder in einer anderen Region zu erstellen.
  • Automatische Zonenplatzierung verwenden: Mit dem Feature Automatische Zonenplatzierung von Managed Service for Apache Spark können Sie automatisch eine Zone mit Kapazität auswählen lassen.
  • Maschinentyp anpassen: Wenn Sie einen benutzerdefinierten oder speziellen Maschinentyp verwenden, versuchen Sie es mit einem Standardmaschinentyp, um zu sehen, ob das Problem dadurch behoben wird.

Cloud Customer Care kontaktieren

Wenn weiterhin Probleme mit dem Cluster auftreten, wenden Sie sich an Cloud Customer Care. Beschreiben Sie das Problem und die Schritte zur Fehlerbehebung, die Sie unternommen haben. Geben Sie außerdem die folgenden Informationen an:

  • Diagnosedaten für Cluster
  • Ausgabe des folgenden Befehls: 
      gcloud dataproc clusters describe CLUSTER_NAME \
      --region=REGION
  • Logs für den fehlgeschlagenen Cluster wurden exportiert.

gcpdiag-Tool verwenden

gcpdiag ist ein Open-Source-Tool. Es ist kein offiziell unterstütztes Google Cloud -Produkt. Mit dem Tool gcpdiag können Sie Probleme mit Google Cloud-Projekten identifizieren und beheben. Weitere Informationen finden Sie im gcpdiag-Projekt auf GitHub.

Mit dem Tool gcpdiag können Sie die folgenden Probleme beim Erstellen von Managed Service for Apache Spark-Clustern ermitteln, indem Sie die folgenden Prüfungen durchführen:

  • Fehler bei nicht verfügbaren Artikeln:Hier werden Logs aus dem Log-Explorer ausgewertet, um nicht verfügbare Artikel in Regionen und Zonen zu ermitteln.
  • Unzureichendes Kontingent:Prüft die Kontingentverfügbarkeit im Clusterprojekt von Managed Service for Apache Spark.
  • Unvollständige Netzwerkkonfiguration:Führt Netzwerkverbindungstests durch, einschließlich Prüfungen auf erforderliche Firewallregeln und externe und interne IP-Adresse-Konfiguration. Wenn der Cluster gelöscht wurde, kann das gcpdiag-Tool keinen Netzwerkverbindungstest durchführen.
  • Falsche projektübergreifende Konfiguration:Hier wird nach projektübergreifenden Dienstkonten gesucht und die Durchsetzung zusätzlicher Rollen und Organisationsrichtlinien wird überprüft.
  • Fehlende IAM-Rollen für gemeinsam genutzte Virtual Private Cloud-Netzwerke:Wenn der Managed Service for Apache Spark-Cluster ein freigegebene VPC-Netzwerk verwendet, wird geprüft, ob die erforderlichen Dienstkontorollen hinzugefügt wurden.
  • Fehler bei Initialisierungsaktionen: Untersucht Logs Explorer-Logs, um Fehler und Zeitüberschreitungen bei Initialisierungsaktionsskripts zu erkennen.

Eine Liste der gcpdiag-Dataproc-Schritte, einschließlich der Schritte zum Erstellen von Clustern, finden Sie unter Managed Service for Apache Spark-Schritte.

Befehl gcpdiag ausführen

Sie können den Befehl gcpdiag über Cloud Shell in derGoogle Cloud -Konsole oder in einem Docker-Container ausführen.

Google Cloud Console

  1. Führen Sie den folgenden Befehl aus und kopieren Sie ihn. 
    2. gcpdiag runbook managed-spark/cluster-creation \
    --parameter project_id=PROJECT_ID \
    --parameter cluster_name=CLUSTER_NAME \
    --parameter OPTIONAL_FLAGS
  2. Öffnen Sie die Google Cloud Console und aktivieren Sie Cloud Shell.
    3. Cloud Console öffnen
  3. Fügen Sie den kopierten Befehl ein.
  4. Führen Sie den Befehl gcpdiag aus, um das Docker-Image gcpdiag herunterzuladen und dann Diagnoseprüfungen durchzuführen. Folgen Sie gegebenenfalls der Anleitung für die Ausgabe, um fehlgeschlagene Prüfungen zu beheben.

Docker

Sie können gcpdiag mit einem Wrapper ausführen, der gcpdiag in einem Docker-Container startet. Docker oder Podman muss installiert sein.

  1. Kopieren Sie den folgenden Befehl und führen Sie ihn auf Ihrer lokalen Workstation aus.
    curl https://gcpdiag.dev/gcpdiag.sh >gcpdiag && chmod +x gcpdiag
  2. Führen Sie den Befehl gcpdiag aus. 
    ./gcpdiag runbook managed-spark/cluster-creation \
    --parameter project_id=PROJECT_ID \
    --parameter cluster_name=CLUSTER_NAME \
    --parameter OPTIONAL_FLAGS

Verfügbare Parameter für dieses Runbook ansehen

Ersetzen Sie Folgendes:

    • PROJECT_ID: die ID des Projekts, das die Ressource enthält
    • CLUSTER_NAME: Der Name des Zielclusters für Managed Service for Apache Spark in Ihrem Projekt.
    • OPTIONAL_PARAMETERS: Fügen Sie einen oder mehrere der folgenden optionalen Parameter hinzu. Diese Parameter sind erforderlich, wenn der Cluster gelöscht wurde.
      • cluster_uuid: Die UUID des Zielclusters für Managed Service for Apache Spark in Ihrem Projekt.
      • service_account: Das VM-Dienstkonto des Managed Service for Apache Spark-Clusters
      • subnetwork: Der vollständige URI-Pfad des Subnetzes des Managed Service for Apache Spark-Clusters.
      • internal_ip_only: Richtig oder falsch
      • cross_project: Die projektübergreifende ID, wenn für den Managed Service for Apache Spark-Cluster ein VM-Dienstkonto in einem anderen Projekt verwendet wird.

Nützliche Flags:

Eine Liste und Beschreibung aller gcpdiag-Tool-Flags finden Sie in der gcpdiag-Nutzungsanleitung.

Nächste Schritte