升级 dataproc 集群的推荐方法是什么？
What is the recommended way to upgrade a dataproc cluster?
Dataproc 似乎被设计为无状态/不可变的。这个假设是否正确？如果我们计划部署 Hive/Presto 数据仓库，我们是否应该立即退出？
我们正在努力寻找任何文档来说明在供应后应该如何维护集群？
- 如何升级组件？
- 集群建立后如何安装工具（如Hue等）？
- 部署后如何保护对数据和服务的访问？
FAQs "Can I run a persistent cluster?" 也没有真正解决这个问题。
互联网
建议我们在遇到问题时应该只创建一个新集群。作为一名开发人员，我对 "Minimize State" 论点非常满意，但我在企业界工作，喜欢 Hive（及其元数据存储）、Hue 和 Zeppellin 等解决方案，并希望将 Tableau 等外部工具连接到集群中。
文档应该清楚地说明 dataproc 擅长哪些用例（批处理、按需和短期工作负载）以及它并非真正设计的用途（例如 OLAP）？
Dataproc 确实为按需用例提供了最大的好处，但这并不一定与用于 OLAP 不一致。主要思想是有状态的组件都可以从"processing"资源中分离出来，这样可以更好的根据不同时间点的需求调整资源。
Hive 元数据的推荐架构是让 Hive 元存储后端远离集群，例如在 CloudSQL 实例中；许多人能够以这种方式将 Dataproc 与短期或半短期集群一起使用（例如，保留一个实时集群池，但每天或每周 deleting/recreating 最旧）结合初始化操作将 Hiveserver 指向CloudSQL：https://github.com/GoogleCloudPlatform/dataproc-initialization-actions/tree/master/cloud-sql-proxy
在这个世界上，有状态元数据块都在 CloudSQL 中，大容量存储都在 GCS 中。出于性能原因，某些集群可能会从 GCS 同步到本地 HDFS（特别是如果 运行 HDFS 在本地 SSD 上），但即使对于交互式 OLAP 用例，这通常也不是必需的； 运行 直接针对 GCS 的查询也可以正常工作。诚然，由于到 GCS 的往返延迟较长，旧格式存在一些性能缺陷，但一些调整可以使其大部分内嵌；这是（非 google 拥有的）blog post about Presto on Dataproc 回顾其中的一些。
这也提供了更简单的方法来处理传统的集群管理员；升级只是换出整个集群，应该在初始化操作中完成额外的工具，以便在新集群上轻松重现，并且您可以更轻松地以每个集群的粒度定义安全边界。
Dataproc 似乎被设计为无状态/不可变的。这个假设是否正确？如果我们计划部署 Hive/Presto 数据仓库，我们是否应该立即退出？
我们正在努力寻找任何文档来说明在供应后应该如何维护集群？
- 如何升级组件？
- 集群建立后如何安装工具（如Hue等）？
- 部署后如何保护对数据和服务的访问？
FAQs "Can I run a persistent cluster?" 也没有真正解决这个问题。
互联网 建议我们在遇到问题时应该只创建一个新集群。作为一名开发人员，我对 "Minimize State" 论点非常满意，但我在企业界工作，喜欢 Hive（及其元数据存储）、Hue 和 Zeppellin 等解决方案，并希望将 Tableau 等外部工具连接到集群中。
文档应该清楚地说明 dataproc 擅长哪些用例（批处理、按需和短期工作负载）以及它并非真正设计的用途（例如 OLAP）？
Dataproc 确实为按需用例提供了最大的好处，但这并不一定与用于 OLAP 不一致。主要思想是有状态的组件都可以从"processing"资源中分离出来，这样可以更好的根据不同时间点的需求调整资源。
Hive 元数据的推荐架构是让 Hive 元存储后端远离集群，例如在 CloudSQL 实例中；许多人能够以这种方式将 Dataproc 与短期或半短期集群一起使用（例如，保留一个实时集群池，但每天或每周 deleting/recreating 最旧）结合初始化操作将 Hiveserver 指向CloudSQL：https://github.com/GoogleCloudPlatform/dataproc-initialization-actions/tree/master/cloud-sql-proxy
在这个世界上，有状态元数据块都在 CloudSQL 中，大容量存储都在 GCS 中。出于性能原因，某些集群可能会从 GCS 同步到本地 HDFS（特别是如果 运行 HDFS 在本地 SSD 上），但即使对于交互式 OLAP 用例，这通常也不是必需的； 运行 直接针对 GCS 的查询也可以正常工作。诚然，由于到 GCS 的往返延迟较长，旧格式存在一些性能缺陷，但一些调整可以使其大部分内嵌；这是（非 google 拥有的）blog post about Presto on Dataproc 回顾其中的一些。
这也提供了更简单的方法来处理传统的集群管理员；升级只是换出整个集群，应该在初始化操作中完成额外的工具，以便在新集群上轻松重现，并且您可以更轻松地以每个集群的粒度定义安全边界。