对 Managed Service for Apache Spark 进行身份验证 | Google Cloud Documentation

跳至主要内容

文档

开始使用

Google Cloud 使用入门
商品列表
Cloud Customer Care

精选产品

Agent Platform
Apigee API Management
BigQuery
Compute Engine
Cloud CDN
Cloud Run
Cloud Storage
Cloud SQL
Gemini Enterprise
交互的能力
Looker

跨产品工具

访问权限和资源管理
费用和用量管理
基础设施即代码
SDK、语言、框架和工具

技术领域

AI 和机器学习
应用开发
应用托管
计算
数据分析和流水线
数据库
分布式云、混合云和多云
行业解决方案
迁移
网络
可观测性和监控
安全
Storage

/

控制台

English
Deutsch
Español – América Latina
Français
Indonesia
Italiano
Português – Brasil
עברית
中文 – 简体
中文 – 繁體
日本語
한국어

登录

Managed Service for Apache Spark

免费开始使用吧

概览指南参考文档示例资源

文档
- 更多
- 概览
- 指南
- 参考文档
- 示例
- 资源
控制台

概览
主要概念
Managed Service for Apache Spark 无服务器
- 概览
- Managed Service for Apache Spark 无服务器层级
集群上的 Managed Service for Apache Spark
比较无服务器部署和集群部署
GKE 上的 Managed Service for Apache Spark
开始使用
无服务器
- 创建无服务器 Spark 批量工作负载
集群
GKE
- 在 Kubernetes 上运行 Spark 作业
开发
无服务器
- 配置无服务器
- 创建批处理工作负载和会话
- 在 Lakehouse 运行时目录中创建包含元数据的 Apache Iceberg 表
- 将 BigQuery 连接器与 Spark 搭配使用
  - 概览
  - 查询 BigQuery 表
- 在 BigQuery Studio 笔记本中运行 PySpark 代码
- 优化
集群
- 数据处理
  - 配置 Spark
    管理 Spark 依赖项
    自定义 Spark 环境
    启用并发写入
    提升 Spark 性能
    Tune Spark
    使用 Lightning Engine
  - 运行 Spark 作业
    使用控制台
    使用命令行
    
    使用 REST APIs Explorer
    创建集群
    运行 Spark 作业
    更新集群
    删除集群
    使用客户端库
  - 运行 Hadoop 作业
  - 编写及运行 Spark Scala 作业
  - 运行 Trino
  - 运行 Flink
  - 运行 Hive
  - Run Pig
  - 运行 HBase
  - 运行 Python
    配置 Python 环境
    使用 Python 版 Cloud 客户端库
  - 使用数据连接器
    
    使用 Spark BigQuery 连接器
    概览
    BigQuery 连接器代码示例
    使用 Cloud Storage 连接器
    使用 Spark Spanner 连接器
- 数据湖和湖仓
- 数据科学笔记本和界面