<\/span><\/h3>\n\n\n\nEsta capacidad del servicio hace que Dataflow se ejecute con coste m\u00e1s reducido, usando una mezcla de m\u00e1quinas virtuales normales y de instancias interrumpibles (preemptible) como workers.<\/p>\n\n\n\n
Este modo de ejecuci\u00f3n solo es apropiado para cargas de trabajo que no son cr\u00edticas, ya que deja el trabajo planificado y lo encola para su ejecuci\u00f3n, que puede ser hasta 6 horas despu\u00e9s de su creaci\u00f3n. Cuando se planifica el trabajo, Dataflow realiza una serie de validaciones sobre los par\u00e1metros de ejecuci\u00f3n, las configuraciones, las cuotas y los permisos. En el caso de detectar un fallo, el error se reporta inmediatamente sin esperar.<\/p>\n\n\n\n
<\/span>Dataflow Shuffle<\/span><\/h3>\n\n\n\nEsta capacidad solo est\u00e1 disponible para trabajos batch, y mueve las operaciones de shuffle fuera de las m\u00e1quinas worker para ejecutarlo en un servicio backend. Permite acelerar la ejecuci\u00f3n de estos trabajos y reduce el consumo de CPU, memoria y disco persistente.<\/p>\n\n\n\n
\n
<\/i> \u00bfQuieres Convertirte en Ingeniero de Datos?<\/div>
![\"Dataflow](\"https:\/\/aprenderbigdata.com\/wp-content\/uploads\/Dataflow-1024x576.jpg\")
<\/a><\/figure>\n<\/div>\n\n\n