
El serverless llega al BigData: Dataproc Serverless. 4y593u
Descripción de El serverless llega al BigData: Dataproc Serverless. 3a3ky
Poco a poco el serverless se está extendiendo a más y más casos de uso: procesamiento, bases de datos, sistemas de mensajería o de CI/CD son solo algunos de los ejemplos. El procesamiento de grandes volúmenes de datos era uno de los campos que aún no había sido colonizado por el serverless pero parece que esto está a punto de cambiar. Hoy vamos a hablar de Dataproc serverless, que nos permite ejecutar trabajos de Spark sin necesidad de tener un cluster. Empecemos definiendo un poco qué es Spark y qué es Dataproc: Spark es un framework de procesamiento escalable sucesor de Hadoop MapReduce aunque la idea es la misma. Tiene gran aceptación en la comunidad BigData al ser uno de los frameworks más utilizados y queridos. Cloud Dataproc es la manera de tener clusters gestionados por Google Cloud para ejecución de trabajos Hadoop MapReduce, Hive, Spark, Flink…. Gracias a Dataproc podemos levantar clusters de manera sencilla y económica. El uso del serverless para la ejecución de nuestras cargas Spark nos ofrece ciertas ventajas como el poder abstraernos de la infraestructura, tener capacidad de cómputo inmediata o una gran flexibilidad de costes. El nuevo Dataproc Serverless nos permite la ejecución de cargas Spark sin tener que preocuparnos por otra cosa distinta al código y los datos, lo que como desarrolladores, es algo que agradecer. Si quieres saber más sobre este producto, cual es su experiencia a usarlo y sus puntos menos fuertes no te pierdas este programa de Cómo conocí a nuestro Cloud. Intervienen Andrés Navidad, Óscar Ferrer y Tomás Calleja, del equipo de Goodly. 38548
Este contenido se genera a partir de la locución del audio por lo que puede contener errores.
Poco a poco el server les está extendiendo más a y más casos de usos procesamiento bases de datos sistemas de mensajería o de integración continua estos son sólo algunos de los ejemplos el procesamiento de grandes volúmenes de datos era uno de los campos que aún no había sido colonizado por el ser verles pero parece que esto está de cambiar hoy vamos a hablar de data aprox ser verles que nos permite ejecutar trabajos de spark sin necesidad de tener un placer para hablar de este nuevo servicio contamos con el experto en temas de datos de google gran andrés navidad hola muy buena toma tanto como experto pero bueno a mi lado como siempre estaba ferrero oscar yo si tomas calleja esto es como conocí a nuestro cloud entro intro y empezamos estás escuchando cómo conocí a nuestro clavo un podcast en el que hablaremos sobre el cloud y cómo sacarle el máximo partido a los servicios que ofrece de una manera imparcial y amena bueno nave y tabletas es muy bien muy bien vamos a hablar un poquito de datos no a ver que nos trae hoy el programa vamos a empezar el tema vale vamos a hablar de edad y concretamente a verles pero antes de hablar del propio servicio de uber a mi me gustaría que empecemos hablar un poco de la de la base de despachos que es para como nos introducía parte de manera rápida antes de hablar del propio servicio de edad es bueno muy rápido realmente es para su rencor de procesamiento escalables permite computación escalables horizontalmente tiene del origen el que google en mil cuatro así público pepe era el paradigma más remedio que era otra manera diferente como previamente se estaba haciendo la computación distribuida google lanzó ese hiper hubo una señora es que pronto hacer trabajaban en yahoo que crearon french word un marco un ecosistema de herramientas llamado dejado por favor no es una única herramienta es un ecosistema global y uno de los que hicieron fue muy conocido fue ese sistema distribuido y luego hicieron lo que era do mar predios que es la primera el primer french porque había para implementar esa es el procesamiento a través de dibujos qué es lo que pasa es que una vez que sacó esta esta versión de dejado sin liberó se empieza a utilizar pero bueno hubo un señor que se llamaba mateixa haré que parece que acaba de hacer la comunión tendrá tendrá como cuarenta años pero tiene cara de trece y lo que hizo fue que era colabora en proyecto dejado más perdido y lo que hizo fue intentar solucionar o aportar alguna ventaja competitiva lo que ya se estaba haciendo con el uso sobre todo principalmente de un uso mucho más intensivo memoria de los datos que se estaban analizando entonces es un sucesor dejado más de uno dejado completo si no deja tu perdidos diríamos tu diría que venía a buscarte a que es realmente ha alejado a un lado bajado al día tienen su su público es que realmente lo que pasa es decir hay un poco de mito aquí en cuanto a que no es park es muchísimo mejor por y siempre va a tener muchísimo mejor rendimiento quejado previos a ver hay que ponerlo en contextos no inicialmente es para salió mucho después que queja tumba predios entonces quien fuera muy me adaptar de la tecnología ha dejado un mar predios a lo mejor se tiró durante tres cuatro o cinco años haciendo en proceso ha dejado previous que lo que pasa que si tienes unos proceso los que han implementado y que están funcionando bien salvo que la empresa ha querido a cometer a una modernización de esa tecnología puede ser que no que a día de hoy si a desde cero no tiene sentido hacerlo con pedidos pero si tienes funcionando a día de hoy y tienes un class traer configurado puede ser que no tenga sentido cambiarlo más que nada porque hay un mito muy grande esto de que siempre velas comparativa de cada vez más rápido cinco veces más rápido o depende pero eso es real siempre y cuando tú procesos sobre los que estés haciendo un tratamiento de datos tengas que esperar sobre los datos si tienes un proceso imaginemos un caso típico no de tengo que leer siente través de un sistema de ficheros distribuido da igual que sea etc gestoras que se da igual si tengo que la cia enteras imaginemos que simplemente lo que tenemos que hacer es la eres ochenteras y
Comentarios de El serverless llega al BigData: Dataproc Serverless. 343k6m