Cluster rotation

.

Sicherheitsrichtlinien für Organisationen, Regeln zur Einhaltung von Vorschriften und andere Überlegungen können Sie dazu veranlassen, Ihre Dataproc-Cluster in regelmäßigen Abständen zu „rotieren“, indem Sie Cluster nach einem Zeitplan löschen und dann neu erstellen. Im Rahmen der Clusterrotation können neue Cluster mit den neuesten Dataproc-Image-Versionen bereitgestellt werden, wobei die Konfigurationseinstellungen der ersetzten Cluster beibehalten werden.

Auf dieser Seite wird beschrieben, wie Sie Cluster einrichten, die Sie rotieren möchten („rotierte Cluster“), Jobs an sie senden und die Cluster dann nach Bedarf rotieren.

Benutzerdefiniertes Image-Clusterrotation: Sie können frühere oder neue Anpassungen auf ein früheres oder neues Dataproc-Basis-Image anwenden, wenn Sie den benutzerdefinierten Image-Cluster neu erstellen.

Rotierte Cluster einrichten

Um rotierte Cluster einzurichten, erstellen Sie eindeutige Clusternamen mit Zeitstempel, um vorherige von neuen Clustern zu unterscheiden. Fügen Sie dann Labels an Cluster an, die angeben, ob ein Cluster Teil eines rotierten Clusterpools ist und aktiv neue Job-Einreichungen empfängt. In diesem Beispiel werden die Labels cluster-pool und cluster-state=active verwendet, Sie können aber auch eigene Labelnamen verwenden.

1. Legen Sie Umgebungsvariablen fest:

   PROJECT=project ID \
     REGION=region \
     CLUSTER_POOL=cluster-pool-name \
     CLUSTER_NAME=$CLUSTER_POOL-$(date '+%Y%m%d%H%M') \
     BUCKET=Cloud Storage bucket-name
   

   Hinweise:

   • cluster-pool-name: Der Name des Clusterpools, der einem oder mehreren Clustern zugeordnet ist. Dieser Name wird im Clusternamen und mit dem Label cluster-pool verwendet, das dem Cluster zugewiesen ist, um den Cluster als Teil des Pools zu identifizieren.

2. Erstellen Sie den Cluster. Sie können Argumente hinzufügen und verschiedene Labels verwenden.

   gcloud dataproc clusters create ${CLUSTER_NAME} \
     --project=${PROJECT_ID} \
     --region=${REGION} \
     --bucket=${BUCKET} \
     --labels="cluster-pool=${CLUSTER_POOL},cluster-state=active"
   

Jobs an Cluster senden

In den folgenden Beispielen für die Google Cloud CLI und den Apache Airflow-DAG wird ein Apache Pig-Job an einen Cluster gesendet. Cluster-Labels werden verwendet, um den Job an einen aktiven Cluster in einem Clusterpool zu senden.

gcloud dataproc jobs submit pig \
    --region=${REGION} \
    --file=gs://${BUCKET}/scripts/script.pig \
    --cluster-labels="cluster-pool=${CLUSTER_POOL},cluster-state=active"
  

from airflow import DAG
from airflow.providers.google.cloud.operators.dataproc import DataprocSubmitJobOperator
from datetime import datetime

# Declare variables
project_id=  # e.g: my-project
region="us-central1"
dag_id='pig_wordcount'
cluster_labels={"cluster-pool":${CLUSTER_POOL},
                "cluster-state":"active"}
wordcount_script="gs://bucket-name/scripts/wordcount.pig"

# Define DAG

dag = DAG(
    dag_id,
    schedule_interval=None,  
    start_date=datetime(2023, 8, 16),
    catchup=False  
)

PIG_JOB = {
    "reference": {"project_id": project_id},
    "placement": {"cluster_labels": cluster_labels},
    "pig_job": {"query_file_uri": wordcount_script},
}

wordcount_task = DataprocSubmitJobOperator(
    task_id='wordcount',
    region=region,
    project_id=project_id,
    job=PIG_JOB,
    dag=dag
)

Cluster rotieren

1. Aktualisieren Sie die Clusterlabels, die an die Cluster angehängt sind, die Sie entfernen. In diesem Beispiel wird das Label cluster-state=pendingfordeletion verwendet, um anzugeben, dass der Cluster keine neuen Jobanfragen empfängt und rotiert wird. Sie können aber auch ein eigenes Label verwenden.

   gcloud dataproc clusters update ${CLUSTER_NAME} \
       --region=${REGION} \
       --update-labels="cluster-state=pendingfordeletion"
   

   Nachdem das Clusterlabel aktualisiert wurde, empfängt der Cluster keine neuen Jobs mehr, da Jobs nur an Cluster in einem Clusterpool mit active-Labels gesendet werden (siehe Jobs an Cluster senden).

2. Löschen Sie Cluster, die Sie aus dem Rotationsverfahren entfernen, nachdem sie Jobs ausgeführt haben.