借助 Managed Service for Apache Spark 无服务器，您无需预配和管理自己的集群即可运行 Spark 工作负载。运行 Managed Service for Apache Spark 工作负载的方式有两种：批量工作负载和交互式会话。
批处理工作负载
使用Google Cloud 控制台、Google Cloud CLI 或 REST API 提交批处理工作负载。Managed Service for Apache Spark 在托管式计算基础架构上运行工作负载，并根据需要自动扩缩资源。费用仅在执行工作负载时产生。
批量工作负载功能
您可以运行以下批处理工作负载类型：
- PySpark
- Spark SQL
- Spark R
- Spark（Java 或 Scala）
您可以在提交批处理工作负载时指定 Spark 属性。
调度批量工作负载
您可以在 Airflow 或使用 Airflow 批处理运算符的 Managed Service for Apache Airflow 工作流中安排 Spark 批处理工作负载。如需了解详情，请参阅使用 Managed Airflow 运行 Managed Service for Apache Spark 无服务器工作负载。
开始使用
如需开始使用，请参阅运行 Apache Spark 批处理工作负载。
交互式会话
在交互式会话期间，在 Jupyter 笔记本中编写和运行代码。您可以通过以下方式创建笔记本会话：
在 BigQuery Studio 笔记本中运行 PySpark 代码。 打开 BigQuery Python 笔记本，创建基于 Spark Connect 的交互式会话。每个 BigQuery 笔记本只能有一个与之关联的活跃会话。
使用 JupyterLab 插件，通过您创建和管理的模板创建多个 Jupyter 笔记本会话。在本地机器或 Compute Engine 虚拟机上安装插件后，JupyterLab 启动器页面上会显示对应于不同 Spark 内核配置的不同卡片。点击卡片以创建 Managed Service for Apache Spark 笔记本会话，然后开始在笔记本中编写和测试代码。
借助 JupyterLab 插件，您还可以使用 JupyterLab 启动器页面执行以下操作：
- 创建 Managed Service for Apache Spark 集群。
- 向集群提交作业。
- 查看 Google Cloud 和 Spark 日志。
使用 Google Cloud Data Agent Kit 在 IDE 中管理整个数据工作负载生命周期。Data Agent Kit 支持 Managed Service for Apache Spark，让您可以直接在 VS Code 中或使用支持的 Agents CLI 开发代码、创建交互式会话和构建流水线。
安全合规性
Managed Service for Apache Spark 遵循 Managed Service for Apache Spark 所符合的所有数据驻留、CMEK、VPC-SC 和其他安全要求。