Passa ai contenuti principali
Aree tecnologiche
close
AI e ML
Sviluppo di applicazioni
Hosting di applicazioni
Computing
Analisi dei dati e pipeline
Database
Distribuito, ibrido e multi-cloud
Soluzioni di settore
Migrazione
Networking
Osservabilità e monitoraggio
Sicurezza
Storage
Strumenti per più prodotti
close
Gestione di accessi e risorse
Gestione di costi e utilizzo
Infrastructure as Code (IaC)
SDK, linguaggi, framework e strumenti
/
Console
English
Deutsch
Español – América Latina
Français
Indonesia
Italiano
Português – Brasil
עברית
中文 – 简体
中文 – 繁體
日本語
한국어
Accedi
Managed Service for Apache Spark
Inizia gratuitamente
Panoramica
Guide
Riferimento
Esempi
Risorse
Aree tecnologiche
Altro
Panoramica
Guide
Riferimento
Esempi
Risorse
Strumenti per più prodotti
Altro
Console
Panoramica
Concetti chiave
Managed Service for Apache Spark serverless
Panoramica
Livelli serverless di Managed Service for Apache Spark
Managed Service for Apache Spark sui cluster
Confrontare i deployment serverless e dei cluster
Managed Service for Apache Spark su GKE
Per iniziare
Serverless
Crea un carico di lavoro batch Spark serverless
Cluster
Crea un cluster
Invia un job Spark a un cluster
Tutorial di Spark
Utilizzare Gemini per sviluppare applicazioni Spark
Analizzare set di dati pubblici con Spark
Analisi del sentiment con Spark MLlib
GKE
Esegui un job Spark su Kubernetes
Sviluppo
Serverless
Configura serverless
Utilizzo di container personalizzati
Utilizzare le GPU
Utilizzare Dynamic Workload Scheduler
Configurazione di rete
Versioni del runtime Spark
Panoramica
Versione runtime Spark 3.0
Versione runtime Spark 2.3
Versione runtime Spark 2.2
Versione runtime Spark 1.2
Service account
Proprietà Spark
Bucket di gestione temporanea
Crea batch di workload e sessioni
Crea un carico di lavoro batch Spark serverless
Crea sessioni interattive serverless e modelli di sessione
Utilizza il client Spark Connect serverless
Utilizza JupyterLab per sessioni batch e del notebook serverless
Utilizzare i modelli serverless
Panoramica
Da Cloud Spanner a Cloud Storage
Da Cloud Storage a BigQuery
Da Cloud Storage a Cloud Spanner
Da Cloud Storage a Cloud Storage
Cloud Storage to JDBC
Hive to BigQuery
Da Hive in Cloud Storage
JDBC to BigQuery
JDBC in Cloud Spanner
JDBC to Cloud Storage
Da JDBC a JDBC
Da Pub/Sub a Cloud Storage
Crea una tabella Apache Iceberg con metadati nel catalogo di runtime di Lakehouse
Utilizzo del connettore BigQuery con Spark
Panoramica
Esegui query sulle tabelle BigQuery
Esegui codice PySpark nei notebook BigQuery Studio
Ottimizza
Scalare automaticamente le risorse del workload
Ottimizzare automaticamente i workload Spark
Utilizzare Lightning Engine
Accelerare i workload e le sessioni batch con Lightning Engine
Esegui lo strumento di qualificazione dell'esecuzione di query native
Acceleratori di soluzioni Spark serverless
Cluster
Trattamento dati
Configura Spark
Gestire le dipendenze di Spark
Personalizzare l'ambiente Spark
Abilita scritture simultanee
Migliorare le prestazioni di Spark
Tune Spark
Utilizzare Lightning Engine
Esegui job Spark
Utilizza la console
Utilizza la riga di comando
Utilizza Explorer API REST
Crea un cluster
Esegui un job Spark
Aggiorna un cluster
Elimina un cluster
Utilizzo delle librerie client
Esegui job Hadoop
Scrittura ed esecuzione di job Spark Scala
Esegui Trino
Esegui Flink
Esecuzione di Run Hive
Run Pig
Esegui HBase
Esegui Python
Configura l'ambiente Python
Utilizzare le librerie client di Cloud per Python
Utilizzare i connettori dati
Utilizzare il connettore Spark BigQuery
Panoramica
Esempi di codice del connettore BigQuery
Utilizzare il connettore Cloud Storage
Utilizzare il connettore Spark Spanner
Data lake e lake house
Esplorare ed estrarre i dati
Trasformazione dei dati
Caricare dati in BigQuery
Crea un lake house con Spark e BigQuery
Configura i metastore
Crea una tabella Apache Iceberg con metadati in BigLake Metastore
Utilizzare Iceberg
Utilizza Delta
Utilizzare Hudi
Notebook e UI di data science
Utilizzare i notebook
Panoramica
Esecuzione di un notebook Jupyter su un cluster
Eseguire un'analisi genomica su un notebook
Utilizza l'estensione JupyterLab per sviluppare carichi di lavoro Spark serverless
Utilizzare il gateway dei componenti
Origini dati e archiviazione
Connettersi alle origini dati
Connettersi a Cloud Storage
Connessione a BigQuery
Connettere Hive a BigQuery
Connettiti a Bigtable
Connettersi a Pub/Sub Lite
Amministrazione e governance dei dati
Gestione del parco risorse
Derivazione
Abilitare la derivazione dei dati Spark
Abilita la derivazione dei dati Hive
Configura i cluster
Componenti
Panoramica
Delta Lake
Docker
Flink
HBase
Hive WebHCat
Hudi
Iceberg
Jupyter
Pig
Presto
Ranger
Installazione di Ranger
Utilizzare Ranger
Utilizzare Ranger con Kerberos
Utilizzare Ranger con la memorizzazione nella cache e la riduzione dell'ambito
Esegui il backup e ripristina uno schema Ranger
Solr
Trino
Zeppelin
Zookeeper
Immagini del cluster
