דילוג לתוכן הראשי
Google Cloud Documentation
תחומים טכנולוגיים
  • ‫AI ו-ML
  • פיתוח אפליקציות
  • אירוח אפליקציות
  • Compute
  • ניתוח נתונים וצינורות עיבוד נתונים
  • מסדי נתונים
  • סביבות מבוזרות, היברידיות ומרובות עננים (multi-cloud)
  • פתרונות לתעשייה
  • העברה
  • קשרים מקצועיים
  • ניראות ומעקב
  • אבטחה
  • Storage
כלים למכפלה וקטורית (cross product)
  • ניהול גישה ומשאבים
  • ניהול עלויות ושימוש
  • תשתית כקוד
  • ‫SDK, שפות, frameworks וכלים
/
מסוף
  • English
  • Deutsch
  • Español – América Latina
  • Français
  • Indonesia
  • Italiano
  • Português – Brasil
  • עברית
  • 中文 – 简体
  • 中文 – 繁體
  • 日本語
  • 한국어
היכנס
  • Managed Service for Apache Spark
התחלת תקופת ניסיון בחינם
סקירה כללית מדריכים חומרי עזר דוגמאות משאבים
Google Cloud Documentation
  • תחומים טכנולוגיים
    • עוד
    • סקירה כללית
    • מדריכים
    • חומרי עזר
    • דוגמאות
    • משאבים
  • כלים למכפלה וקטורית (cross product)
    • עוד
  • מסוף
  • סקירה כללית
  • מושגים מרכזיים
  • Managed Service for Apache Spark serverless
    • סקירה כללית
    • Managed Service for Apache Spark ברמות שירות בלי שרת (serverless)
  • ‫Managed Service for Apache Spark באשכולות
  • השוואה בין פריסות ללא שרת לבין פריסות של אשכולות
  • ‫Managed Service for Apache Spark on GKE
  • מתחילים
  • בלי שרת (serverless)
    • יצירת עומס עבודה של אצווה ב-Spark ללא שרת
  • אשכולות
    • יצירת אשכול
    • שליחת עבודת Spark לאשכול
    • מדריכים ל-Spark
      • שימוש ב-Gemini לפיתוח אפליקציות Spark
      • ניתוח מערכי נתונים ציבוריים באמצעות Spark
      • ניתוח סנטימנטים באמצעות Spark MLlib
  • GKE
    • הרצת משימת Spark ב-Kubernetes
  • פיתוח
  • בלי שרת (serverless)
    • הגדרת serverless
      • שימוש במאגרי תגים מותאמים אישית
      • שימוש ב-GPU
      • שימוש בכלי לתזמון דינמי של עומסי עבודה
      • הגדרת רשת
      • גרסאות של סביבת זמן הריצה של Spark
        • סקירה כללית
        • גרסת זמן הריצה של Spark‏ 3.0
        • גרסת זמן הריצה של Spark‏ 2.3
        • גרסת זמן הריצה של Spark‏ 2.2
        • גרסת זמן הריצה של Spark‏ 1.2
      • חשבונות שירות
      • מאפייני Spark
      • קטגוריית Staging
    • יצירת עומסי עבודה וסשנים של אצווה
      • יצירת עומס עבודה של אצווה ב-Spark ללא שרת
      • יצירת סשנים אינטראקטיביים ותבניות סשנים ללא שרת
      • שימוש בלקוח Spark Connect ללא שרת (serverless)
      • שימוש ב-JupyterLab לסשנים של מחשוב אצווה ו-notebook ללא שרת
      • שימוש בתבניות ללא שרת
        • סקירה כללית
        • ‫Cloud Spanner ל-Cloud Storage
        • מ-Cloud Storage ל-BigQuery
        • ‫Cloud Storage ל-Cloud Spanner
        • ‫Cloud Storage ל-Cloud Storage
        • ‫Cloud Storage ל-JDBC
        • ‫Hive ל-BigQuery
        • ‫Hive ל-Cloud Storage
        • ‫JDBC ל-BigQuery
        • ‫JDBC ל-Cloud Spanner
        • ‫JDBC ל-Cloud Storage
        • ‫JDBC אל JDBC
        • ‫Pub/Sub ל-Cloud Storage
    • יצירת טבלת Apache Iceberg עם מטא-נתונים בקטלוג של Lakehouse runtime
    • שימוש במחבר BigQuery עם Spark
      • סקירה כללית
      • שליחת שאילתות לטבלאות ב-BigQuery
    • הרצת קוד PySpark ב-notebooks של BigQuery Studio
    • אופטימיזציה
      • התאמה אוטומטית של משאבים לעומס עבודה
      • כוונון אוטומטי של עומסי עבודה ב-Spark