VMs flexibles de Dataproc

Las VMs flexibles son una función de Dataproc que te permite especificar listas priorizadas de tipos de VM para los trabajadores secundarios de Dataproc cuando creas un clúster de Dataproc.

Por qué usar VMs flexibles

Anteriormente, si un tipo de VM no estaba disponible cuando enviabas una solicitud de creación de clúster, la solicitud fallaba y debías actualizar tu solicitud, secuencia de comandos o código para especificar un tipo de VM "óptimo siguiente". Este proceso de reenvío de la solicitud podría implicar varias iteraciones hasta que especifiques un tipo de VM que esté disponible.

La función de VM flexible de Dataproc ayuda a que tu solicitud de creación de clúster se realice correctamente seleccionando tipos de VM de trabajador secundarios de tus listas de VM clasificadas y, luego, buscando zonas dentro de la región del clúster especificada con disponibilidad de los tipos de VM enumerados.

Terminología

• Tipo de VM: Es la familia, la capacidad de memoria y la cantidad de núcleos de CPU de una instancia de VM. Dataproc admite el uso de tipos de VM predefinidos y personalizados.

• Trabajadores secundarios: Los trabajadores secundarios no almacenan datos. Solo funcionan como nodos de procesamiento. Puedes usar trabajadores secundarios para escalar el procesamiento sin escalar el almacenamiento.

Limitaciones y consideraciones

• Las VMs flexibles están disponibles en Dataproc en Compute Engine 2.0.74+, 2.1.22+ y versiones posteriores de la imagen de Dataproc en Compute Engine.

• Solo puedes especificar VMs flexibles para los trabajadores secundarios.

• Puedes especificar hasta cinco listas clasificadas de tipos de VM, con hasta 10 tipos de VM en cada lista. Para obtener más información, consulta Cómo solicitar VMs flexibles.

• La creación de un clúster con VMs flexibles requiere el uso de la ubicación de zona automática de Dataproc, que permite que Dataproc elija la zona que tiene la capacidad de satisfacer tus solicitudes de tipo de VM.

• Si tu solicitud de creación de clúster incluye una política de ajuste de escala automático, las VMs flexibles pueden ser de diferentes familias de VM, pero deben tener la misma cantidad de memoria y la misma cantidad de núcleos.

• Cuando aprovisiona VMs flexibles, Dataproc consume las reservas disponibles "que coincidan", pero no las reservas "específicas" (consulta Consume instancias reservadas). Primero, se seleccionan los tipos de máquinas que coinciden con las reservas dentro de un rango, seguidos de los tipos de VM con la mayor cantidad de CPU.

• Dataproc aplica Google Cloud cuotas al aprovisionamiento flexible de VM.

• Si bien puedes especificar diferentes proporciones de CPU a memoria para los tipos de V de trabajadores principales y secundarios en un clúster, esto puede provocar una degradación del rendimiento, ya que la proporción más pequeña de CPU a memoria se usa como la unidad de contenedor más pequeña.

• Si actualizas un clúster que se creó con VMs flexibles, Dataproc selecciona y agrega trabajadores de las listas de VM flexibles que proporcionaste cuando creaste el clúster.

Solicita VMs flexibles

Puedes especificar VMs flexibles cuando creas un clúster de Dataproc con la consola de Google Cloud , Google Cloud CLI o la API de Dataproc.

• Puedes especificar hasta cinco listas clasificadas de tipos de VM, con hasta 10 tipos de VM en cada lista. Las listas con la clasificación más baja tienen la prioridad más alta. De forma predeterminada, las listas de VM flexibles tienen un rango de 0. En una lista, Dataproc prioriza los tipos de VM con reservas sin usar, seguidos de los tamaños de VM más grandes. Los tipos de VM dentro de una lista con la misma cantidad de CPU se tratan por igual.

gcloud dataproc clusters create CLUSTER_NAME \
    --region=REGION \
    --zone="" \
    --master-machine-type=n1-standard-8 \
    --worker-machine-type=n1-standard-8 \
    --num-workers=4 \
    --num-secondary-workers=4 \
    --secondary-worker-type=non-preemptible \
    --secondary-worker-machine-types="type=n2-standard-8,rank=0" \
    --secondary-worker-machine-types="type=e2-standard-8,type=t2d-standard-8,rank=1"

"config": {
  "secondaryWorkerConfig": {
    "instanceFlexibilityPolicy": {
      "instanceSelectionList": [
        {
          "machineTypes": [
            "n1-standard-4",
            "n2-standard-4"
          ],
          "rank": 0
        },
        {
          "machineTypes": [
            "e2-standard-4",
            "n2d-standard-4"
          ],
          "rank": 1
        }
      ]
    }
  }
}

ROLE:MACHINE_TYPE:COMPONENT_PREFIX:COMPONENT_PROPERTY=VALUE

"secondary_worker:e2-standard-8:yarn:yarn.nodemanager.resource.cpu-vcores=6"