Google Cloud Serverless für Apache Spark: Hohe Leistung, vereinheitlicht mit BigQuery

Google Cloud hat eine bedeutende Weiterentwicklung für Apache Spark angekündigt: Google Cloud Serverless für Apache Spark, das ab sofort allgemein verfügbar direkt in die BigQuery-Umgebung integriert ist. Diese Integration bringt die volle Leistung von Google Cloud Serverless für Apache Spark in die einheitliche Data-to-AI-Plattform von BigQuery und bietet eine einheitliche Entwicklererfahrung, nahtlose Interoperabilität und ein branchenführendes Preis-Leistungs-Verhältnis. Apache Spark ist eine beliebte und leistungsstarke Engine für Datenverarbeitung, Analytik und KI/ML, aber Entwickler sind oft mit der Verwaltung von Clustern, der Optimierung von Jobs und der Fehlerbehebung überfordert. Google Cloud Serverless für Apache Spark begegnet diesen Herausforderungen mit On-Demand-Spark für reduzierte Gesamtbetriebskosten, außergewöhnliche Leistung, Offenheit und Flexibilität, Gemini-gestützter Produktivität und Unterstützung, einfach verteilbarer KI/ML, Sicherheitsfunktionen auf Enterprise-Niveau und produktionsreifen Funktionen. Mit der allgemeinen Verfügbarkeit von Serverless Apache Spark in BigQuery können Entwickler jetzt Spark-Code interaktiv im BigQuery Studio entwickeln, ausführen und bereitstellen und so neben BigQuerys renommierter SQL-Engine einen alternativen, skalierbaren OSS-Verarbeitungsrahmen nutzen. Die einheitliche Spark- und BigQuery-Erfahrung bietet die Flexibilität, die richtige Engine für den richtigen Job zu verwenden, mit einer einheitlichen Plattform, Notebook-Schnittstelle und einer einzigen Datenkopie. Zu den wichtigsten Funktionen und Vorteilen von Spark in BigQuery gehören eine einheitliche Entwicklererfahrung, einheitlicher Datenzugriff und Engine-Interoperabilität sowie einfache Operationalisierung. Um mit Spark in BigQuery Studio zu beginnen, können sie eine Spark-Sitzung mithilfe einer der Vorlagen im Notebook starten. Mit Google Cloud Serverless für Apache Spark und seiner neuen, tiefgreifenden Integration in BigQuery können Entwickler Barrieren zwischen leistungsstarken Analyse-Engines abbauen und so das beste Tool für ihre jeweilige Aufgabe auswählen, und das alles in einer kohärenten und verwalteten Umgebung.