Cloud Dataproc 閲覧者は、その役割に基づいてアクションが制限されます。閲覧者は、クラスタの一覧表示、クラスタの詳細の取得、ジョブの一覧表示、ジョブの詳細の取得、オペレーションの一覧表示、オペレーションの詳細の取得のみを実行できます。
参照：
https://cloud.google.com/dataproc/docs/concepts/iam#iam_roles_and_cloud_dataproc_ope rations_summary

Google Cloud では、Dataflow SDK が変換コンポーネントを提供します。これはデータ処理操作を担当します。条件、for ループ、その他の複雑なプログラミング構造を使用して、分岐パイプラインを作成できます。
参考: https://cloud.google.com/dataflow/model/programming-model

Cloud Dataproc は、Spark、Spark SQL、PySpark、MapReduce、Hive、Pig ジョブなど、最も一般的なジョブタイプの多くに対して、すぐに使用できるエンドツーエンドのサポートを提供します。

テーブルを複数のテーブルに分割すると (たとえば、各日に 1 つのテーブル)、クエリを特定のテーブル (特定の日など) のデータに制限できます。データを日ごとに分離できる限り、パーティション テーブルを使用する方がよい方法です。
LIMIT 句を使用した場合でも、BigQuery はテーブル全体を処理します。

トピック 1、フローロジスティックのケーススタディ
会社概要
Flowlogistic は、大手の物流およびサプライ チェーン プロバイダーです。同社は、世界中の企業がリソースを管理し、最終目的地まで輸送するのを支援しています。同社は急速に成長し、鉄道、トラック、航空機、海上輸送を含むサービスを拡大しています。
会社概要
同社は地域のトラック輸送会社としてスタートし、その後他の物流市場に拡大しました。インフラストラクチャを更新していないため、注文と出荷の管理と追跡がボトルネックになっています。業務を改善するために、Flowlogistic は荷物レベルで出荷をリアルタイムで追跡する独自のテクノロジーを開発しました。しかし、Apache Kafka に基づくテクノロジー スタックでは処理量に対応できないため、これを展開することができません。さらに、Flowlogistic は注文と出荷をさらに分析して、リソースを最も効果的に展開する方法を決定したいと考えています。
ソリューションコンセプト
Flowlogistic は、クラウドを使用して次の 2 つの概念を実装したいと考えています。
* 荷物の位置を示すリアルタイム在庫追跡システムに独自の技術を使用する
* 構造化データと非構造化データの両方を含むすべての注文と出荷ログを分析し、リソースを最も効果的に配備する方法、情報を拡張する市場を決定します。また、予測分析を使用して、出荷が遅れる時期を早めに把握したいと考えています。
既存の技術環境
Flowlogistic アーキテクチャは単一のデータ センターに存在します。
* データベース
* 2 つのクラスターに 8 台の物理サーバー
* SQL Server - ユーザーデータ、インベントリ、静的データ
* 物理サーバー 3 台
* Cassandra - メタデータ、メッセージ追跡
10 台の Kafka サーバー - メッセージの集約とバッチ挿入の追跡
* アプリケーションサーバー - 顧客フロントエンド、注文/カスタム用のミドルウェア
* 20台の物理サーバーにまたがる60台の仮想マシン
* Tomcat - Java サービス
* Nginx - 静的コンテンツ
* バッチサーバー
ストレージ機器
* 仮想マシン (VM) ホスト用の iSCSI
* ファイバーチャネルストレージエリアネットワーク (FC SAN) - SQL サーバーストレージ
* ネットワーク接続ストレージ (NAS) イメージストレージ、ログ、バックアップ
* Apache Hadoop /Spark サーバー
* コアデータレイク
* データ分析のワークロード
* その他サーバー 20 台
* Jenkins、モニタリング、要塞ホスト、
ビジネス要件
* スケールされた生産範囲で信頼性が高く再現可能な環境を構築します。
* 分析のために集中化されたデータレイクにデータを集約する
* 過去のデータを使用して将来の出荷に関する予測分析を実行する
* 独自の技術を使用して、世界中のすべての出荷を正確に追跡します
* 新しいリソースを迅速にプロビジョニングすることで、ビジネスの俊敏性とイノベーションのスピードを向上
* クラウドでのパフォーマンスのためにアーキテクチャを分析し、最適化する
* 他のすべての要件が満たされている場合は、クラウドに完全に移行します
技術要件
* ストリーミングとバッチデータの両方を処理
* 既存のHadoopワークロードを移行する
* 会社の変化する需要を満たすために、アーキテクチャが拡張可能で弾力性があることを確認します。
* 可能な限りマネージドサービスを利用する
* 飛行中および保存中のデータを暗号化
* 実稼働データセンターとクラウド環境の間に VPN を接続する SEO ステートメント 当社は急速に成長したため、インフラストラクチャをアップグレードできないことが、さらなる成長と効率の妨げになっています。当社は、世界中への出荷は効率的に行っていますが、データの移動は非効率的です。
顧客がどこにいて、何を発送しているのかをより簡単に理解できるように、情報を整理する必要があります。
CTO 声明
IT は当社にとって優先事項ではありませんでした。そのため、データが増えてもテクノロジーに十分な投資ができませんでした。IT を管理する優秀なスタッフがいますが、彼らはインフラストラクチャの管理に忙しく、データの整理、分析の構築、CFO の追跡テクノロジーの実装方法の検討など、本当に重要な作業を行うことができません。
CFOの声明
弊社の競争上の優位性の一部は、出荷や配送の遅れに対して自分たちにペナルティを課すことです。出荷品がどこにあるかを常に把握することは、弊社の最終利益と収益性に直接関係しています。また、サーバー環境の構築に資本を投入したくありません。