Dinos cómo podemos ayudarte
Ventas y precios
Habla con un representante sobre las necesidades de tu empresa
Ayuda y soporte
Consulta nuestras opciones de soporte de productos
Consultas generales y ubicaciones
Contáctanos
Control-M + GCP Cloud Run
Tu flujo de trabajo GCP Cloud Run comienza antes de que se ejecute un trabajo contenedorizado — y puede fallar cuando algo aguas arriba se estropea. Un objeto de almacenamiento en la nube nunca llega. Un trabajo en BigQuery termina más tarde de la ventana esperada. Control-M orquesta toda la cadena: llegada de almacenamiento en la nube, transformación de BigQuery, ejecución de GCP Cloud Run y entrega downstream.
Problemas comunes de flujo de trabajo
¿Esto suena a tu semana?
No son casos límite. Son las condiciones normales de operación para equipos que ejecutan trabajos GCP Cloud Run en múltiples herramientas. Así es como Control-M gestiona cada uno.
RETRASO DE LA SUBIDA
Tu trabajo en BigQuery terminó tarde. Cloud Run está esperando.
Control-M rastrea el estado del trabajo aguas arriba y libera el trabajo GCP Cloud Run solo cuando son satisfechas sus dependencias. Las dependencias complejas reemplazan los horarios desconectados, evitando la ejecución prematura y manteniendo sincronizado el flujo de trabajo de extremo a extremo.
FALLO DEL CONTENEDOR
Una tarea de Cloud Run falló. Tu flujo de trabajo aguas abajo no puede continuar.
Control-M monitoriza el estado, resultados y salida de los trabajos GCP Cloud Run, identifica ejecuciones fallidas y evita que los trabajos dependientes continúen. La lógica de recuperación y los controles de planificación evitan que una carga de trabajo fallida de contenedores se desplome en procesamiento posterior.
RIESGO DE SLA
El trabajo de las 2:00 a.m. está en marcha. El plazo de las 6:00 a.m. se está retrasando.
Control-M asigna la gestión SLA a la carga de trabajo GCP Cloud Run y la rastrea dentro de todo el flujo de trabajo. Los equipos obtienen visibilidad temprana del riesgo de fecha límite en lugar de descubrir el retraso después de que los servicios posteriores pierdan su ventana de entrega.
ANULACIONES EN TIEMPO REAL
La carrera de esta noche necesita argumentos diferentes. El trabajo de base debe mantenerse sin cambios.
Control-M soporta anulaciones de ejecución GCP Cloud Run en JSON, incluyendo anulaciones de contenedores, número de tareas y tiempo de espera. Teams puede parametrizar ejecuciones individuales mientras preserva la definición subyacente de tareas Cloud Run y mantiene la orquestación controlada centralmente.
RECUPERACIÓN CON HERRAMIENTAS CRUZADAS
Cloud Run tuvo éxito. La siguiente plataforma nunca recibió la entrega.
Control-M evalúa el estado de finalización de GCP Cloud Run como parte del flujo de trabajo más amplio, y luego libera el trabajo posterior según dependencias definidas. Los equipos de operaciones Ve la transferencia rota en contexto y pueden recuperar el flujo de trabajo sin necesidad de encuestas manuales.
DATOS DE INTEGRACIÓN
Control-M + GCP Cloud Run
|
Capacidades de API y automatización |
API de automatización Control-M · Ejecución de trabajos en GCP Cloud Run · ID del proyecto y segmentación regional · Anulaciones de ejecución JSON · Encuestas de estado configurables · API REST de Cloud Run |
|
Modelos de despliegue y flexibilidad de infraestructura |
Control-M SaaS · Control-M autogestionado · Linux Agent · Windows Agent · Trabajos regionales de ejecución en la nube · Ejecución de contenedores sin servidor |
|
Postura de seguridad |
Perfiles de conexión centralizados · Autenticación de cuentas de servicio GCP · Control de acceso GCP · Autenticación de claves de cuenta de servicio · Gestión segura de credenciales |
|
Respuesta a incidentes y habilitación MTTR |
monitorización del estado de ejecución · monitorización de resultados y salidas · control complejo de dependencias · prevención en cascada aguas abajo · controles de recursos · monitorización SLA · visibilidad centralizada del flujo de trabajo |
Orquestación de extremo a extremo
Un solo flujo de trabajo de producción. Todas las herramientas de la pila.
Control-M coordina flujos de trabajo a través de GCP Cloud Run, BigQuery, almacenamiento en la nube, Dataflow, Composer, APIs y transferencias de archivos en un solo flujo de trabajos — con seguimiento de dependencias, visibilidad SLA y recuperación automatizada en todos ellos.
- Dependencia entre herramientas: almacenamiento en la nube → BigQuery → GCP Cloud Run → transferencia de API
- Desencadenantes conscientes de datos: llegada de archivos, evento de la API, finalización de BigQuery, estado de salida del trabajo
|
GCP Cloud Run |
ejecución de trabajos · anulaciones de ejecución · monitorización de estado · monitorización de resultados y salidas |
|
BigQuery |
ejecución de consultas · orquestación de transformaciones · coordinación de dependencias |
|
Almacenamiento en la nube |
detección de llegada de archivos · control de dependencias aguas arriba · traspaso de datos |
|
Flujo de datos |
orquestación de trabajos de procesamiento · seguimiento de completación · control de dependencias aguas abajo |
|
Cloud Composer |
Coordinación DAG · seguimiento de ejecuciones · Dependencias entre flujos de trabajo |
|
APIs |
invocación de servicios · traspaso de flujo de trabajo · ejecución guiada por la completación |
|
Transferencias de archivos |
Entrega gestionada · detección de llegadas · activación de flujo de trabajo aguas abajo |
Coexistencia del flujo de aire
Control-M no reemplaza tus DAGs de flujo de aire. Ejecuta la capa que está encima de ellos.
La objeción está común: "Ya estamos en Airflow." El problema no es lo que hace Airflow, sino lo que ocurre antes y después de que Airflow funcione. Ahí es donde Pipelines realmente fallan.
El flujo de aire gestiona su DAG. Control-M gestiona todo lo que le rodea.
Manillas de flujo de aire
Orquestación a nivel DAG dentro de la tubería de datos
- Orquestación de tareas a nivel DAG dentro de data Pipelines
- Operadores, sensores y dependencias de tareas en Python
- Grafo de ejecución para trabajos que se ejecutan dentro de tu pipeline
- Gestiona los intentos dentro de un único contexto DAG
Control-M añade
La capa de coordinación alrededor de tus DAGs
- Capa de coordinación alrededor de los DAGs — activa el flujo de aire según las condiciones aguas arriba: llegadas de archivos, eventos de API, otras finalizaciones de herramientas
- Rastrea la contribución de SLA de cada DAG a lo largo de todo el flujo de trabajo de extremo a extremo, no solo su propia rutina
- Gestiona la recuperación de fallos cuando las dependencias aguas arriba fallan antes incluso de que empiece Airflow
- Los DAGs existentes no necesitan ser reescritos ni migrados
SUPERVISA CARGAS DE TRABAJO
Supervisa la ejecución de GCP Cloud Run en todas las dependencias.
Cloud Run expone la ejecución de trabajos a través de herramientas de observabilidad de Google Cloud, pero los flujos de trabajo de producción suelen extenderse a varios servicios. Control-M proporciona monitorización centralizada del estado, resultados, resultados y dependencias relacionadas de GCP Cloud Run para que los equipos puedan diagnosticar problemas de flujo de trabajo más rápido:
-
Estado de ejecución del puesto
-
Seguimiento de resultados y resultados
-
Visibilidad de dependencias multiplataforma
-
Estado del flujo de trabajo de extremo a extremo
-
Visibilidad del riesgo SLA
GARANTÍA DE LA SLA
Mantén los flujos de trabajo de GCP Cloud Run alineados con los plazos empresariales.
Cloud Run gestiona la ejecución individual de trabajos y tareas, pero los plazos empresariales suelen abarcar sistemas antes y después de la ejecución del contenedor. Control-M aplica la gestión SLA a esas dependencias y coordina la recuperación cuando la ejecución upstream o downstream pone en riesgo la entrega:
-
Asignación laboral en SLA
-
Seguimiento de plazos entre flujo de trabajo
-
Recuperación consciente de la dependencia
-
Visibilidad centralizada del estado
-
Prevención de cascadas aguas abajo
Documentación
Poner orden en flujos de trabajo complejos
Conoce cómo Control-M ayuda a los equipos a orquestar procesos complejos con mayor visibilidad, coordinación y control.
