NetApp automatiza la gestión de Apache Spark en Kubernetes
- Actualidad
NetApp acaba de anunciar Spot Wave, un servicio que automatiza el despliegue de Apache Spark sobre clusters Kubernetes en 30 segundos, y no requiere ninguna intervención por parte del equipo de TI interno de las compañías. Con él, ayuda a las organizaciones a centrarse en el desarrollo de las aplicaciones de datos, al ofrecer una infraestructura 'serverless'.
|
Recomendados: Operaciones y Kubernetes. Infraestructura para cargas nativas en Cloud Webinar Domina la complejidad en el cloud Leer Capacidades críticas para la monitorización de los microservicios Leer |
NetApp ayuda a las empresas a reducir los costes de infraestructura y la complejidad de las aplicaciones de Big Data en Kubernetes, con el lanzamiento de Spot Wave, un servicio que automatiza el despliegue del framework in-memory Apache Spark sobre clusters Kubernetes. También ha anunciado la compatibilidad de su motor motor de contenedores serverless Spot Ocean para Microsoft Azure Kubernetes Service. Juntos, estos productos ofrecen a los clientes importantes soluciones para una infraestructura sencilla, escalable y eficiente para las aplicaciones nativas de la nube.
Wave automatiza el aprovisionamiento, despliegue, autoescalado y optimización de las aplicaciones de Big Data Apache Spark en Kubernetes en la nube y ayuda a reducir el sobreuso de la nube y los costes en hasta un 90%. Wave es un producto listo para usar con el que las organizaciones pueden poner en marcha entornos de Spark de forma más rápida y sencilla, y centrarse en poner sus datos a trabajar sabiendo que Wave optimizará continuamente la infraestructura a efectos de rentabilidad, rendimiento y coste.
Según explica la compañía en un comunicado, Wave se basa en el motor de inteligencia artificial de Spot y utiliza la misma tecnología contrastada que Spot Ocean. De él la compañía la compañía destaca los siguientes puntos:
- Optimización de los costes: Wave ejecuta tareas de Spark en una infraestructura contenerizada usando una combinación inteligente de instancias spot, bajo demanda y reservadas, lo que permite a los clientes ahorrarse hasta un 90% en infraestructura de nube.
- Infraestructura serverless y autoescalado en Spark: el autoescalado incorporado hace coincidir los tipos y tamaños de instancias de computación adecuados para las tareas de Spark basándose en los requisitos de las cargas de trabajo para maximizar el rendimiento y la eficiencia.
- Supervisión y redimensionamiento de tareas de Spark: ajuste continuamente las configuraciones de Spark para las tareas en función del análisis de los requisitos reales de las tareas de Spark.
