Fehlerbehebung bei der Clustererstellung

In diesem Dokument werden häufige Fehlermeldungen bei der Clustererstellung erläutert und Tipps zur Fehlerbehebung bei Problemen mit der Clustererstellung gegeben.

Häufige Fehlermeldungen bei der Clustererstellung

  • Nutzer ist nicht berechtigt, als Dienstkonto zu agieren

    Ursache: Das Hauptkonto, das versucht, den Managed Service for Apache Spark-Cluster zu erstellen, hat nicht die erforderlichen Berechtigungen, um das angegebene Dienstkonto zu verwenden. Nutzer von Managed Service for Apache Spark benötigen die Dienstkontoberechtigung ActAs, um Managed Service for Apache Spark-Ressourcen bereitzustellen. Diese Berechtigung ist in der Rolle „Dienstkontonutzer“ (roles/iam.serviceAccountUser) enthalten (siehe Managed Service for Apache Spark-Rollen).

    Lösung: Ermitteln Sie das Nutzer- oder Dienstkonto, das versucht, den Managed Service for Apache Spark-Cluster zu erstellen. Weisen Sie diesem Hauptkonto die Rolle „Dienstkontonutzer“ (roles/iam.serviceAccountUser) für das Dienstkonto zu, für das der Cluster konfiguriert ist (normalerweise das Managed Service for Apache Spark-VM-Dienstkonto).

  • Zeitüberschreitung des Vorgangs: Nur 0 von 2 erforderlichen Datennodes/Knotenmanagern werden ausgeführt.

    Ursache: Der Controllerknoten kann den Cluster nicht erstellen, da er nicht mit Worker-Knoten kommunizieren kann.

    Lösung:

  • Erforderliche compute.subnetworks.use-Berechtigung für projects/{projectId}/regions/{region}/subnetworks/{subnetwork}

    Ursache: Dieser Fehler kann auftreten, wenn Sie versuchen, einen Managed Service for Apache Spark-Cluster mit einem VPC-Netzwerk in einem anderen Projekt einzurichten und das Managed Service for Apache Spark-Dienstkonto Dienst-Agent nicht die erforderlichen Berechtigungen für das freigegebene VPC-Projekt hat, in dem das Netzwerk gehostet wird.

    Lösung: Führen Sie die unter Cluster erstellen, der ein VPC-Netzwerk in einem anderen Projekt verwendet aufgeführten Schritten aus.

  • In der Zone projects/zones/{zone} sind nicht genügend Ressourcen verfügbar, um die Anfrage (resource type:compute) auszuführen.

    Ursache: Die Zone, die zum Erstellen des Clusters verwendet wird, hat nicht genügend Ressourcen.

    Lösung:

    • Verwenden Sie die Funktion Auto Zone placement von Managed Service for Apache Spark, um den Cluster in einer beliebigen Zone einer Region mit verfügbaren Ressourcen zu erstellen.
    • Erstellen Sie den Cluster in einer anderen Zone.

  • Fehler bei Kontingentüberschreitung

    Unzureichendes CPUS-/CPUS_ALL_REGIONS-Kontingent
    Unzureichendes Kontingent "DISKS_SUM_GB"
    Unzureichendes Kontingent "IN_USE_ADDRESSES"

    Ursache: Ihre Anfrage für CPU, Laufwerk oder IP-Adresse überschreitet Ihr verfügbares Kontingent.

    Lösung: Fordern Sie über die Google Cloud Console ein zusätzliches Kontingent an.

  • Initialisierungsaktion fehlgeschlagen

    Ursache: Die während der Clustererstellung angegebene Initialisierungsaktion konnte nicht installiert werden.

    Lösung:

  • Knoten CLUSTER-NAME-m konnte nicht initialisiert werden. … Ausgabe ansehen in: <gs://PATH_TO_STARTUP_SCRIPT_OUTPUT>

    Ursache: Der Controller-Knoten des Managed Service for Apache Spark-Clusters konnte nicht initialisiert werden.

    Lösung:

  • Clustererstellung fehlgeschlagen: IP-Adressbereich erschöpft

    Ursache: Der IP-Adressbereich, der für die Bereitstellung der angeforderten Clusterknoten erforderlich ist, ist nicht verfügbar.

    Lösung:

    • Erstellen Sie einen Cluster mit weniger Worker-Knoten, aber einem größeren Maschinentyp.
    • Erstellen Sie einen Cluster in einem anderen Subnetzwerk oder Netzwerk.
    • Reduzieren Sie die Nutzung im Netzwerk, um IP-Adressbereich freizugeben.
    • Warten Sie, bis im Netzwerk genügend IP-Adressen verfügbar sind.

  • Fehlermeldung des Initialisierungsskripts: Das Repository REPO_NAME hat keine Release-Datei mehr

    Ursache: Das Debian-Repository „oldstable-backports“ wurde gelöscht.

    Lösung:

    Fügen Sie den folgenden Code vor dem Code ein, der apt-get in Ihrem Initialisierungsskript ausführt.

    oldstable=$(curl -s https://deb.debian.org/debian/dists/oldstable/Release | awk '/^Codename/ {print $2}');
stable=$(curl -s https://deb.debian.org/debian/dists/stable/Release | awk '/^Codename/ {print $2}');

matched_files="$(grep -rsil '\-backports' /etc/apt/sources.list*)"
if [[ -n "$matched_files" ]]; then
  for filename in "$matched_files"; do
    grep -e "$oldstable-backports" -e "$stable-backports" "$filename" || \
      sed -i -e 's/^.*-backports.*$//' "$filename"
  done
fi

  • Zeitüberschreitung beim Warten auf die Meldung der Instanz DATAPROC_CLUSTER_VM_NAME oder Netzwerk nicht erreichbar: dataproccontrol-REGION.googleapis.com

    Ursache: Diese Fehlermeldungen weisen darauf hin, dass die Netzwerkeinrichtung Ihres Managed Service for Apache Spark-Clusters unvollständig ist. Möglicherweise fehlt die Route zum Standard-Internetgateway oder es fehlen Firewallregeln.

    Lösung:

    Zur Fehlerbehebung können Sie die folgenden Konnektivitätstests erstellen:

    • Erstellen Sie einen Konnektivitätstest zwischen zwei Managed Service for Apache Spark-Cluster-VMs. Das Ergebnis dieses Tests hilft Ihnen zu verstehen, ob die Firewallregeln zum Zulassen von eingehendem oder ausgehendem Traffic Ihres Netzwerks korrekt auf die Cluster-VMs angewendet werden.
    • Erstellen Sie einen Konnektivitätstest zwischen einer Managed Service for Apache Spark-Cluster-VM und einer aktuellen IP-Adresse der Managed Service for Apache Spark Control API. Verwenden Sie den folgenden Befehl, um eine aktuelle IP-Adresse der Managed Service for Apache Spark Control API abzurufen:
    dig dataproccontrol-REGION.googleapis.com A

    Verwenden Sie eine der IPv4-Adressen im Antwortabschnitt der Ausgabe.

    Das Ergebnis des Konnektivitätstests hilft Ihnen, zu verstehen, ob die Route zum Standard-Internetgateway und die Firewallregel zum Zulassen von ausgehendem Traffic richtig konfiguriert sind.

    Basierend auf den Ergebnissen der Konnektivitätstests:

  • Fehler aufgrund von Update

    Ursache: Der Cluster hat einen Job akzeptiert, der an den Managed Service for Apache Spark-Dienst gesendet wurde, konnte aber nicht manuell oder über Autoscaling hoch- oder herunterskaliert werden. Dieser Fehler kann auch durch eine nicht standardmäßige Clusterkonfiguration verursacht werden.

    Lösung:

Tipps zur Fehlerbehebung bei Clustern

In diesem Abschnitt finden Sie zusätzliche Hinweise zur Behebung häufiger Probleme, die das Erstellen von Managed Service for Apache Spark-Clustern verhindern können.

Wenn ein Managed Service for Apache Spark-Cluster nicht bereitgestellt werden kann, wird häufig eine allgemeine Fehlermeldung ausgegeben oder der Status PENDING oder PROVISIONING gemeldet, bevor der Fehler auftritt. Der Schlüssel zur Diagnose und Behebung von Clusterfehlern liegt darin, die Clusterlogs zu prüfen und häufige Fehlerquellen zu bewerten.

Häufige Symptome

Im Folgenden finden Sie häufige Symptome, die mit Fehlern bei der Clustererstellung verbunden sind:

  • Der Clusterstatus bleibt über einen längeren Zeitraum PENDING oder PROVISIONING.
  • Der Cluster wechselt in den Status ERROR.
  • Generische API-Fehler während der Clustererstellung, z. B. Operation timed out.

  • Protokollierte oder API-Antwort-Fehlermeldungen, z. B.:

    • RESOURCE_EXHAUSTED: im Zusammenhang mit CPU-, Laufwerks- oder IP-Adresskontingenten
    • Instance failed to start
    • Permission denied
    • Unable to connect to service_name.googleapis.com oder Could not reach required Google APIs
    • Connection refused oder network unreachable
    • Fehler im Zusammenhang mit fehlgeschlagenen Initialisierungsaktionen, z. B. Fehler bei der Skriptausführung und „Datei nicht gefunden“.

Clusterlogs prüfen

Ein wichtiger erster Schritt bei der Diagnose von Fehlern bei der Clustererstellung ist die Überprüfung der detaillierten Clusterlogs, die in Cloud Logging verfügbar sind.

  1. Log-Explorer aufrufen: Öffnen Sie den Log-Explorer in der Google Cloud Console.
  2. Filtern Sie nach Managed Service for Apache Spark-Clustern:
    • Wählen Sie im Drop-down-Menü Ressource die Option Cloud Managed Service for Apache Spark Cluster aus.
    • Gib deine cluster_name und deine project_id ein. Sie können auch nach location (Region) filtern.
  3. Logeinträge prüfen:
    • Suchen Sie nach Nachrichten der Ebene ERROR oder WARNING, die zeitlich nahe am Fehler bei der Clustererstellung liegen.
    • Achten Sie auf Logs der Komponenten master-startup, worker-startup und agent, um Informationen zu Problemen auf VM-Ebene oder mit dem Managed Service for Apache Spark-Agent zu erhalten.
    • Wenn Sie Informationen zu Problemen beim Booten von VMs erhalten möchten, filtern Sie die Logs nach resource.type="gce_instance" und suchen Sie nach Nachrichten von den Instanznamen, die Ihren Clusterknoten zugeordnet sind, z. B. CLUSTER_NAME-m oder CLUSTER_NAME-w-0. In den Logs der seriellen Konsole können Probleme mit der Netzwerkkonfiguration, Laufwerksprobleme und Skriptfehler, die früh im Lebenszyklus der VM auftreten, erkannt werden.

Häufige Ursachen für Clusterfehler und Tipps zur Fehlerbehebung

In diesem Abschnitt werden häufige Gründe für das Fehlschlagen der Erstellung von Managed Service for Apache Spark-Clustern beschrieben und Tipps zur Fehlerbehebung gegeben.

Unzureichende IAM-Berechtigungen

Das VM-Dienstkonto, das Ihr Managed Service for Apache Spark-Cluster verwendet, muss die entsprechenden IAM-Rollen haben, um Compute Engine-Instanzen bereitzustellen, auf Cloud Storage-Buckets zuzugreifen, Logs zu schreiben und mit anderen Google Cloud -Diensten zu interagieren.

  • Erforderliche Worker-Rolle: Prüfen Sie, ob das VM-Dienstkonto die Rolle Managed Service for Apache Spark Worker (roles/dataproc.worker) hat. Diese Rolle hat die Mindestberechtigungen, die für Managed Service for Apache Spark zum Verwalten von Clusterressourcen erforderlich sind.
  • Datenzugriffsberechtigungen: Wenn Ihre Jobs aus Cloud Storage oder BigQuery lesen oder in diese schreiben, benötigt das Dienstkonto entsprechende Rollen, z. B. Storage Object Viewer, Storage Object Creator oder Storage Object Admin für Cloud Storage oder BigQuery Data Viewer oder BigQuery Editor für BigQuery.
  • Logging-Berechtigungen: Das Dienstkonto muss eine Rolle mit Berechtigungen zum Schreiben von Logs in Cloud Logging haben, z. B. die Rolle Logging Writer.

Tipps zur Fehlerbehebung:

  • Dienstkonto identifizieren: Bestimmen Sie das VM-Dienstkonto, für das Ihr Cluster konfiguriert ist. Wenn nicht angegeben, wird das Compute Engine-Standarddienstkonto verwendet.

  • IAM-Rollen prüfen: Rufen Sie in der Google Cloud Console die Seite IAM & Verwaltung > IAM auf, suchen Sie nach dem Dienstkonto der Cluster-VM und prüfen Sie, ob es die erforderlichen Rollen für Clustervorgänge hat. Weisen Sie alle fehlenden Rollen zu.

Ressourcenkontingente überschritten

Managed Service for Apache Spark-Cluster verbrauchen Ressourcen von Compute Engine und anderen Google Cloud -Diensten. Das Überschreiten von Projekt- oder regionalen Kontingenten kann dazu führen, dass Cluster nicht erstellt werden können.

  • Häufige Kontingente für Managed Service for Apache Spark, die Sie prüfen sollten:
    • CPUs (regional)
    • DISKS_TOTAL_GB (regional)
    • IN_USE_ADDRESSES (regional für interne IP-Adressen, global für externe IP-Adressen)
    • Dataproc API-Kontingente, z. B. ClusterOperationRequestsPerMinutePerProjectPerRegion

Tipps zur Fehlerbehebung:

  • Kontingente prüfen: Rufen Sie in der Google Cloud Console die Seite IAM & Verwaltung > IAM auf. Filtern Sie nach „Dienst“ für „Compute Engine API“ und „Dataproc API“.
  • Nutzung im Vergleich zum Limit prüfen: Identifizieren Sie alle Kontingente, die ihr Limit erreicht haben oder kurz davor sind.
  • Fordern Sie gegebenenfalls eine Kontingenterhöhung an.

Probleme mit der Netzwerkkonfiguration

Netzwerkkonfigurationsprobleme, z. B. eine falsche VPC-Netzwerk-, Subnetz-, Firewall- oder DNS-Konfiguration, sind eine häufige Ursache für Fehler bei der Clustererstellung. Clusterinstanzen müssen miteinander und mit Google APIs kommunizieren können.

  • VPC-Netzwerk und -Subnetz:
    • Prüfen Sie, ob das VPC-Netzwerk und das Subnetz des Clusters vorhanden und richtig konfiguriert sind.
    • Prüfen Sie, ob das Subnetz über einen ausreichenden Bereich verfügbarer IP-Adressen verfügt.
  • Privater Google-Zugriff (PGA): Wenn Cluster-VMs interne IP-Adressen haben und Google APIs für Cloud Storage, Cloud Logging und andere Vorgänge erreichen müssen, prüfen Sie, ob der private Google-Zugriff im Subnetz aktiviert ist. Standardmäßig werden in Managed Service for Apache Spark-Clustern, die mit Image-Versionen ab 2.2 erstellt wurden, VMs mit ausschließlich internen IP-Adressen bereitgestellt, wobei der privater Google-Zugriff im regionalen Subnetz des Clusters aktiviert ist.
  • Private Service Connect (PSC): Wenn Sie Private Service Connect für den Zugriff auf Google APIs verwenden, prüfen Sie, ob die erforderlichen Private Service Connect-Endpunkte für die Google APIs, von denen Managed Service for Apache Spark abhängt, korrekt konfiguriert sind, z. B. dataproc.googleapis.com, storage.googleapis.com, compute.googleapis.com und logging.googleapis.com. DNS-Einträge für die APIs müssen in private IP-Adressen aufgelöst werden. Beachten Sie, dass die Verwendung von Private Service Connect die Notwendigkeit von VPC-Peering für die Kommunikation mit anderen vom Kunden verwalteten VPC-Netzwerken nicht beseitigt.
  • VPC-Peering: Wenn Ihr Cluster mit Ressourcen in anderen VPC-Netzwerken kommuniziert, z. B. mit Hostprojekten einer gemeinsam genutzten VPC oder anderen Kunden-VPCs, prüfen Sie, ob das VPC-Peering richtig konfiguriert ist und Routen weitergegeben werden.

  • Firewallregeln:

    • Standardregeln: Prüfen Sie, ob Standardfirewallregeln wie allow-internal oder allow-ssh nicht zu restriktiv sind.

    • Benutzerdefinierte Regeln: Wenn benutzerdefinierte Firewallregeln vorhanden sind, prüfen Sie, ob sie die erforderlichen Kommunikationspfade zulassen:

      • Interne Kommunikation innerhalb des Clusters (zwischen -m- und -w-Knoten).

      • Ausgehender Traffic von Cluster-VMs zu Google APIs, entweder über öffentliche IP-Adressen oder ein Internetgateway, privater Google-Zugriff oder Private Service Connect-Endpunkte.

      • Traffic zu externen Datenquellen oder Diensten, von denen Ihre Jobs abhängen.

  • DNS-Auflösung: Prüfen Sie, ob Clusterinstanzen DNS-Namen für Google APIs und alle internen oder externen Dienste korrekt auflösen können.

Tipps zur Fehlerbehebung:

  • Netzwerkkonfiguration prüfen: Prüfen Sie die VPC-Netzwerk- und Subnetzeinstellungen, in denen der Cluster bereitgestellt wird.
  • Firewallregeln prüfen: Prüfen Sie die Firewallregeln im VPC-Netzwerk oder im Hostprojekt der gemeinsam genutzten VPC.
  • Konnektivität testen: Starten Sie eine temporäre Compute Engine-VM im Clustersubnetz und führen Sie die folgenden Schritte aus:
    • ping oder curl zu externen Google API-Domains wie storage.googleapis.com.
    • nslookup, um die DNS-Auflösung zu den erwarteten IP-Adressen (privater Google-Zugriff oder Private Service Connect) zu prüfen.
    • Führen Sie Google Cloud Konnektivitätstests aus, um Pfade von einer Test-VM zu relevanten Endpunkten zu diagnostizieren.

Fehler bei Initialisierungsaktionen

Initialisierungsaktionen für Managed Service for Apache Spark sind Skripts, die während der Clustererstellung auf Cluster-VMs ausgeführt werden. Fehler in diesen Skripts können den Clusterstart verhindern.

Tipps zur Fehlerbehebung:

  • Prüfen Sie die Logs auf Fehler bei Initialisierungsaktionen: Suchen Sie in Cloud Logging nach Logeinträgen im Zusammenhang mit init-actions oder startup-script für die Clusterinstanzen.
  • Skriptpfade und Berechtigungen prüfen: Prüfen Sie, ob sich die Skripts für Initialisierungsaktionen am richtigen Ort in Cloud Storage befinden und ob das Dienstkonto der Cluster-VM die Rolle Storage Object Viewer hat, die zum Lesen von Cloud Storage-Skripts erforderlich ist.
  • Skriptlogik debuggen: Testen Sie die Skriptlogik auf einer separaten Compute Engine-VM, die die Clusterumgebung nachahmt, um Fehler zu identifizieren. Fügen Sie dem Script ein ausführliches Logging hinzu.

Regionale Ressourcenverfügbarkeit (Engpässe)

Gelegentlich ist ein Maschinentyp oder eine Ressource in einer Region oder Zone vorübergehend nicht verfügbar (Stockout). In der Regel führt dies zu RESOURCE_EXHAUSTED-Fehlern, die nicht mit Projektkontingentproblemen zusammenhängen.

Tipps zur Fehlerbehebung:

  • Andere Zone oder Region verwenden: Versuchen Sie, den Cluster in einer anderen Zone innerhalb derselben Region oder in einer anderen Region zu erstellen.
  • Automatische Zonenplatzierung verwenden: Verwenden Sie die Funktion Automatische Zonenplatzierung von Managed Service for Apache Spark, um automatisch eine Zone mit Kapazität auszuwählen.
  • Maschinentyp anpassen: Wenn Sie einen benutzerdefinierten oder speziellen Maschinentyp verwenden, versuchen Sie es mit einem Standardmaschinentyp, um zu sehen, ob das Problem dadurch behoben wird.

Cloud Customer Care kontaktieren

Wenn weiterhin Clusterfehler auftreten, wenden Sie sich an Cloud Customer Care. Beschreiben Sie das Problem mit dem Clusterfehler und die Schritte zur Fehlerbehebung. Geben Sie außerdem die folgenden Informationen an:

  • Clusterdiagnosedaten
  • Ausgabe des folgenden Befehls: 
      gcloud dataproc clusters describe CLUSTER_NAME \
      --region=REGION
  • Protokolle für den fehlgeschlagenen Cluster wurden exportiert.

gcpdiag-Tool verwenden

gcpdiag ist ein Open-Source-Tool. Es ist kein offiziell unterstütztes Google Cloud -Produkt. Mit dem Tool gcpdiag können Sie Probleme mit Google Cloud-Projekten identifizieren und beheben. Weitere Informationen finden Sie im gcpdiag-Projekt auf GitHub.

Das gcpdiag-Tool hilft Ihnen, die folgenden Probleme bei der Erstellung von Managed Service for Apache Spark-Clustern zu erkennen, indem es die folgenden Prüfungen durchführt:

  • Stockout-Fehler: Wertet Log-Explorer-Logs aus, um Stockouts in Regionen und Zonen zu erkennen.
  • Unzureichendes Kontingent: Prüft die Kontingentverfügbarkeit im Clusterprojekt von Managed Service for Apache Spark.
  • Unvollständige Netzwerkkonfiguration: Führt Netzwerkkonnektivitätstests durch, einschließlich Prüfungen auf erforderliche Firewallregeln und externe und interne IP-Konfigurationen. Wenn der Cluster gelöscht wurde, kann das gcpdiag-Tool keine Netzwerkverbindungsprüfung durchführen.
  • Falsche projektübergreifende Konfiguration: Es wird nach projektübergreifenden Dienstkonten gesucht und die Durchsetzung zusätzlicher Rollen und Organisationsrichtlinien überprüft.
  • Fehlende IAM-Rollen für gemeinsam genutzte Virtual Private Cloud-Netzwerke: Wenn der Managed Service for Apache Spark-Cluster ein freigegebene VPC-Netzwerk verwendet, wird geprüft, ob die erforderlichen Dienstkontorollen hinzugefügt wurden.
  • Fehler bei Initialisierungsaktionen: Logs im Log-Explorer werden ausgewertet, um Fehler und Zeitüberschreitungen bei Initialisierungsaktionsskripts zu erkennen.

Eine Liste der gcpdiag-Dataproc-Schritte, einschließlich der Schritte zur Clustererstellung, finden Sie unter Managed Service for Apache Spark-Schritte.

Befehl gcpdiag ausführen

Sie können den Befehl gcpdiag über Cloud Shell in derGoogle Cloud Console oder in einem Docker-Container ausführen.

Google Cloud Console

  1. Führen Sie den folgenden Befehl aus und kopieren Sie ihn. 
    2. gcpdiag runbook managed-spark/cluster-creation \
    --parameter project_id=PROJECT_ID \
    --parameter cluster_name=CLUSTER_NAME \
    --parameter OPTIONAL_FLAGS
  2. Öffnen Sie die Google Cloud Console und aktivieren Sie Cloud Shell.
    3. Cloud Console öffnen
  3. Fügen Sie den kopierten Befehl ein.
  4. Führen Sie den Befehl gcpdiag aus, um das Docker-Image gcpdiag herunterzuladen und dann Diagnoseprüfungen durchzuführen. Folgen Sie gegebenenfalls der Anleitung für die Ausgabe, um fehlgeschlagene Prüfungen zu beheben.

Docker

Sie können gcpdiag mit einem Wrapper ausführen, der gcpdiag in einem Docker-Container startet. Docker oder Podman muss installiert sein.

  1. Kopieren Sie den folgenden Befehl und führen Sie ihn auf Ihrer lokalen Workstation aus.
    curl https://gcpdiag.dev/gcpdiag.sh >gcpdiag && chmod +x gcpdiag
  2. Führen Sie den Befehl gcpdiag aus. 
    ./gcpdiag runbook managed-spark/cluster-creation \
    --parameter project_id=PROJECT_ID \
    --parameter cluster_name=CLUSTER_NAME \
    --parameter OPTIONAL_FLAGS

Verfügbare Parameter für dieses Runbook ansehen

Ersetzen Sie Folgendes:

    • PROJECT_ID: die ID des Projekts, das die Ressource enthält
    • CLUSTER_NAME: Der Name des Zielclusters von Managed Service for Apache Spark in Ihrem Projekt.
    • OPTIONAL_PARAMETERS: Fügen Sie einen oder mehrere der folgenden optionalen Parameter hinzu. Diese Parameter sind erforderlich, wenn der Cluster gelöscht wurde.
      • cluster_uuid: Die UUID des Managed Service for Apache Spark-Zielclusters in Ihrem Projekt
      • service_account: Das VM-Dienstkonto des Managed Service for Apache Spark-Clusters
      • subnetwork: Der vollständige URI-Pfad des Subnetzwerks des Managed Service for Apache Spark-Clusters
      • internal_ip_only: Richtig oder falsch?
      • cross_project: Die projektübergreifende ID, wenn der Managed Service for Apache Spark-Cluster ein VM-Dienstkonto in einem anderen Projekt verwendet.

Nützliche Flags:

Eine Liste und Beschreibung aller gcpdiag-Tool-Flags finden Sie in der gcpdiag-Nutzungsanleitung.

Nächste Schritte