Passa ai contenuti principali
Google Cloud Documentation
Documentazione
  • Inizia
  • Inizia a utilizzare Google Cloud
  • Elenco prodotti
  • Assistenza clienti Google Cloud
  • Prodotti in primo piano
  • Agent Platform
  • Gestione delle API Apigee
  • BigQuery
  • Compute Engine
  • Cloud CDN
  • Cloud Run
  • Cloud Storage
  • Cloud SQL
  • Gemini Enterprise
  • Google Kubernetes Engine
  • Looker
  • Strumenti per più prodotti
  • Gestione di accessi e risorse
  • Gestione di costi e utilizzo
  • Infrastructure as Code (IaC)
  • SDK, linguaggi, framework e strumenti
  • Aree tecnologiche
  • 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
/
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
Google Cloud Documentation
  • Documentazione
    • Altro
    • Panoramica
    • Guide
    • Riferimento
    • Esempi
    • Risorse
  • 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