Ce document décrit les conditions requises pour la configuration du réseau Dataproc Serverless for Spark.
Exigences concernant les sous-réseaux de cloud privé virtuel
Ce document explique les exigences de réseau de cloud privé virtuel pour les charges de travail par lot et les sessions interactives Dataproc sans serveur pour Spark.
Accès privé à Google
Les charges de travail par lot et les sessions interactives Dataproc sans serveur s'exécutent sur des VM disposant uniquement d'adresses IP internes et sur un sous-réseau régional sur lequel l'accès privé à Google (PGA) est automatiquement activé sur le sous-réseau de session.
Si vous ne spécifiez pas de sous-réseau, Dataproc sans serveur sélectionne le sous-réseau default dans la région de la charge de travail par lot ou de la session comme sous-réseau pour une charge de travail par lot ou une session.
Si votre charge de travail nécessite un accès à un réseau externe ou à Internet, par exemple pour télécharger des ressources telles que des modèles de ML à partir de PyTorch Hub ou de Hugging Face, vous pouvez configurer Cloud NAT pour autoriser le trafic sortant à l'aide d'adresses IP internes sur votre réseau VPC.
Connectivité de sous-réseau ouverte
Le sous-réseau VPC de la région sélectionnée pour la charge de travail par lot sans serveur Dataproc ou la session interactive doit autoriser la communication de sous-réseau interne sur tous les ports entre les instances de VM.
La commande Google Cloud CLI suivante associe un pare-feu réseau à un sous-réseau qui autorise les communications d'entrée internes entre les VM à l'aide de tous les protocoles sur tous les ports:
gcloud compute firewall-rules create allow-internal-ingress \ --network=NETWORK_NAME \ --source-ranges=SUBNET_RANGES \ --destination-ranges=SUBNET_RANGES \ --direction=ingress \ --action=allow \ --rules=all
Remarques :
SUBNET_RANGES: Consultez la section Autoriser les connexions d'entrée internes entre les VM. Le réseau VPC
defaultd'un projet avec la règle de pare-feudefault-allow-internal, qui autorise la communication entrante sur tous les ports (tcp:0-65535,udp:0-65535eticmp protocols:ports), répond à l'exigence de connectivité de sous-réseau ouvert. Toutefois, cette règle autorise également l'entrée de n'importe quelle instance de VM sur le réseau.
Réseaux Dataproc sans serveur et VPC-SC
VPC Service Controls permet aux administrateurs réseau de définir un périmètre de sécurité autour des ressources des services gérés par Google afin de contrôler les communications avec et entre ces services.
Notez les stratégies suivantes lorsque vous utilisez des réseaux VPC-SC avec Dataproc sans serveur:
Créez une image de conteneur personnalisée qui préinstalle les dépendances en dehors du périmètre VPC-SC, puis envoyez une charge de travail par lot Spark qui utilise votre image de conteneur personnalisée.
Pour en savoir plus, consultez la page VPC Service Controls : Dataproc sans serveur pour Spark.