Debe migrar un clúster Hadoop de 30 nodos a la nube, reutilizar los trabajos Hadoop existentes, minimizar la administración del clúster y conservar los datos más allá de la vida útil del clúster. ¿Qué debería hacer?

La opción correcta es crear un clúster de Cloud Dataproc que utilice el conector de Google Cloud Storage. Dataproc es un servicio gestionado de Hadoop y Spark que permite reutilizar trabajos existentes y minimiza la administración del clúster. Al usar Google Cloud Storage (GCS) con el conector, los datos se almacenan de forma duradera e independiente del clúster, lo que satisface el requisito de conservar los datos más allá de la vida útil del clúster. Las otras opciones son incorrectas porque: Crear un trabajo de Google Cloud Dataflow: Dataflow es para procesamiento de datos stream y batch, pero requeriría reescribir los trabajos Hadoop existentes. Crear un clúster de Google Cloud Dataproc que utilice discos persistentes para HDFS: Aunque Dataproc es adecuado, usar discos persistentes para HDFS no desacopla el almacenamiento del clúster, lo que incumple el requisito de persistencia de datos. Crear un clúster Hadoop en Google Compute Engine que utilice discos persistentes: Esto aumentaría la sobrecarga de administración del clúster, lo cual se quiere minimizar. Crear un clúster Hadoop en Google Compute Engine que utilice discos Local SSD: Los discos Local SSD son efímeros y no persistirían los datos más allá de la vida útil del clúster.