Migre un entorno Hadoop on-premise a GCP minimizando los cambios de trabajo y el costo de almacenamiento. ¿Qué enfoque debe adoptar?

La opción correcta minimiza los cambios y el costo. Cloud Dataproc es un servicio administrado de Hadoop y Spark en GCP, lo que reduce la sobrecarga operativa. Mover los datos a Cloud Storage desacopla el almacenamiento del cómputo, lo que es rentable y escalable, ya que Cloud Storage es un almacenamiento de objetos de bajo costo y alta durabilidad. El conector de Cloud Dataproc permite que los trabajos de Hadoop/Spark accedan a los datos en Cloud Storage sin cambios significativos en el código. Migrar a BigQuery requeriría reescribir los trabajos, lo que aumenta el esfuerzo. Aprovisionar VMs de Compute Engine con HDD para un lift-and-shift mantiene la carga operativa y no aprovecha los beneficios de los servicios administrados de GCP. Crear un clúster de Cloud Dataproc y mover los datos a discos HDD más grandes no es óptimo porque los discos persistentes son más caros que Cloud Storage para grandes volúmenes de datos y no ofrecen la misma flexibilidad.