越來越多企業採用大數據 (Big Data) 分析洞察市場趨勢，提升業務表現。去年 Google Cloud 平台就試驗提出名為 Cloud Dataproc 的大數據管理服務，可用於管理 Spark 數據處理或在虛擬機器上構建 Hadoop Framework，讓使用者在雲端平台上更方便地管理、協調數據，日前 Google 就在官方 Blog 上宣布正式推出服務。
平衡成本、速度和管理三方需求 Cloud Dataproc 簡化大數據管理分析提速
Google 方面表示，當企業分析數據時，應該著重數據分析的結果，而非用作分析的軟件工具。而現時較為流行的數據分析工具例如 Hadoop 和 Spark，往往需要在成本、複雜性、規模和可用性上取得平衡，變相令企業放在數據上的專注力下降，而 Google 提供的 Cloud Dataproc 服務則可以讓兩者取得平衡，讓用戶以最簡單的方式管理 Hadoop 和 Spark 數據分析。
Cloud Dataproc 用戶可利用開發者控制台和 Google 雲端開發套件，按需求用不同的虛擬 CPU 來建立運算叢集。另外也可以和大數據分析平台 Dataflow 整合使用，處理實時數據和串流運算，而 BigQuery、Cloud Bigtable 和 Cloud Storage 等其他 Google 雲端服務也可整合使用。
Google 強調 Cloud Dataproc 可平衡成本、速度和管理三方面的需求，以運算速度為例子，傳統的叢集運算不論啟動還是停止最少花費 10 至 15 分鐘或以上的時間，但 Cloud Dataproc 平均只需 90 秒左右即可做到。對比 On-Premise 或 IaaS 服務進行叢集運算達 2 至 10 倍的提升，讓用戶可用較少時間處理更多的數據。
而成本方面，Cloud Dataproc 主張按用量收費，用戶可自訂虛擬機器的 CPU 及記憶體數量，每個叢集的每個虛擬 CPU 每小時收費 1 分美元，最低消費 10 分鐘。Google 亦只指，Cloud Dataproc 將一如服務測試期間不斷釋出新的功能，如改進效能，更新支援叢集版本等。
另外也會持續發展其相關的生態系統，加入更多第三方的工具和服務支援，目前 Google 已與 Arimo、Attunity、Looker、WANdisco 和 Zoomdata 合作開發 Cloud Dataproc，服務供應商如 Moser、Pythian 和 Tectonic 也會在用戶 部署和應用 Cloud Dataproc 時提供專家支援協助。
Source: Google Cloud Platform
