Ir al contenido principal
Áreas de tecnología
close
IA y AA
Desarrollo de aplicaciones
Hosting de aplicaciones
Procesamiento
Canalizaciones y análisis de datos
Bases de datos
Nubes distribuidas, híbridas y múltiples
Soluciones de la industria
Migración
Redes
Observabilidad y supervisión
Seguridad
Storage
Herramientas para uso entre productos
close
Administración de accesos y recursos
Administración de uso y costos
Infraestructura como código
SDK, lenguajes, frameworks y herramientas
/
Consola
English
Deutsch
Español – América Latina
Français
Indonesia
Italiano
Português – Brasil
עברית
中文 – 简体
中文 – 繁體
日本語
한국어
Acceder
Managed Service for Apache Spark
Comenzar gratis
Descripción general
Guías
Referencia
Ejemplos
Recursos
Áreas de tecnología
Más
Descripción general
Guías
Referencia
Ejemplos
Recursos
Herramientas para uso entre productos
Más
Consola
Descripción general
Conceptos clave
Managed Service para Apache Spark sin servidores
Descripción general
Niveles sin servidores de Managed Service para Apache Spark
Managed Service para Apache Spark en clústeres
Comparación de las implementaciones sin servidores y de clústeres
Managed Service para Apache Spark en GKE
Comenzar
Sin servidores
Crea una carga de trabajo por lotes de Spark sin servidores
Clústeres
Crea un clúster
Envía un trabajo de Spark a un clúster
Instructivos de Spark
Usa Gemini para desarrollar aplicaciones de Spark
Analiza conjuntos de datos públicos con Spark
Análisis de opiniones con Spark MLlib
GKE
Ejecuta un trabajo de Spark en Kubernetes
Desarrollo
Sin servidores
Configura la plataforma sin servidores
Usar contenedores personalizados
Usa GPU
Usa el programador dinámico de cargas de trabajo
Configuración de red
Versiones del entorno de ejecución de Spark
Descripción general
Versión 3.0 del entorno de ejecución de Spark
Versión 2.3 del entorno de ejecución de Spark
Versión 2.2 del entorno de ejecución de Spark
Versión 1.2 del tiempo de ejecución de Spark
Cuentas de servicio
Propiedades de Spark
Bucket de etapa de pruebas
Crea cargas de trabajo y sesiones por lotes
Crea una carga de trabajo por lotes de Spark sin servidores
Crea sesiones interactivas sin servidores y plantillas de sesiones
Usa el cliente de Spark Connect sin servidores
Usa JupyterLab para sesiones de notebooks y por lotes sin servidores
Usa plantillas sin servidores
Descripción general
Cloud Spanner a Cloud Storage
Cloud Storage a BigQuery
De Cloud Storage a Cloud Spanner
De Cloud Storage a Cloud Storage
De Cloud Storage a JDBC
Hive a BigQuery
Hive a Cloud Storage
JDBC a BigQuery
De JDBC a Cloud Spanner
JDBC a Cloud Storage
De JDBC a JDBC
De Pub/Sub a Cloud Storage
Crea una tabla de Apache Iceberg con metadatos en el catálogo del entorno de ejecución de Lakehouse
Usa el conector de BigQuery con Spark
Descripción general
Consulta tablas de BigQuery
Ejecuta código de PySpark en notebooks de BigQuery Studio
Optimización
Ajusta automáticamente la escala de los recursos de la carga de trabajo
Ajusta automáticamente las cargas de trabajo de Spark
Usa Lightning Engine
Acelera las cargas de trabajo y las sesiones por lotes con Lightning Engine
Ejecuta la herramienta de calificación de ejecución de consultas nativas
Aceleradores de soluciones de Spark sin servidores
Clústeres
Procesamiento de datos
Configura Spark
Administra las dependencias de Spark
Personaliza el entorno de Spark
Habilita las escrituras simultáneas
Mejora el rendimiento de Spark
Ajusta Spark
Usa Lightning Engine
Ejecuta trabajos de Spark
Usa la consola
Usa la línea de comandos
Usa el Explorador de APIs de REST
Crea un clúster
Ejecuta un trabajo de Spark
Actualizar un clúster
Borra un clúster
Usa las bibliotecas cliente
Ejecuta trabajos de Hadoop
Escribe y ejecuta trabajos de Spark Scala
Ejecuta Trino
Ejecuta Flink
Ejecuta Hive
Ejecuta Pig
Ejecuta HBase
Ejecuta Python
Configura el entorno de Python
