这在很大程度上取决于您的hadoop作业的性质以及您在选择cloud dataproc（托管大数据平台-hadoop/spark的定位）和/或cloud dataflow（托管大数据平台-apache beam流式处理用例的定位）方面执行的活动。
为了确保操作之外数据的持久性，您可能需要考虑将您的数据存储在gcs或pd上，如果这是一个选项，您的用例需要的话。

我只想从dataproc开始，因为它非常接近您所拥有的。
检查dataproc初始化操作，https://cloud.google.com/dataproc/docs/concepts/configuring-clusters/init-actions，创建一个简单的集群并感受它。
数据流是完全管理的，您不需要操作任何集群资源，但同时您不能将现场集群迁移到数据流，您需要迁移（有时重写）您的hive/pig/oozie等。
dataflow的成本计算方式也不同，尽管与dataproc相比没有预付成本，但每次运行作业时，都会在dataflow上产生一些与之相关的成本。