Benutzerdefinierten Job mit dem Job-Builder erstellen

Mit dem Job-Builder können Sie benutzerdefinierte Batch- und Streaming-Dataflow-Jobs erstellen. Sie können Job-Builder-Jobs auch als Apache Beam-YAML-Dateien speichern, um sie freizugeben und wiederzuverwenden.

Neue Pipeline erstellen

So erstellen Sie eine neue Pipeline im Job-Builder:

  1. Rufen Sie die Seite Jobs in der Google Cloud Console auf.

    ZU JOBS

  2. Klicken Sie auf Job aus Builder erstellen.

  3. Geben Sie unter Jobname einen Namen für den Job ein.

  4. Wählen Sie entweder Batch oder Streaming aus.

  5. Wenn Sie Streaming auswählen, wählen Sie einen Fenstermodus aus. Geben Sie dann eine Spezifikation für das Fenster ein:

    • Festes Fenster: Geben Sie eine Fenstergröße in Sekunden ein.
    • Gleitendes Fenster: Geben Sie eine Fenstergröße und eine Fensterperiode in Sekunden ein.
    • Sitzungsfenster: Geben Sie eine Sitzungslücke in Sekunden ein.

    Weitere Informationen zu Fenstern finden Sie unter Fenster und Fensterfunktionen.

Fügen Sie der Pipeline als Nächstes Quellen, Transformationen und Ziele hinzu, wie in den folgenden Abschnitten beschrieben.

Pipeline eine Quelle hinzufügen

Eine Pipeline muss mindestens eine Quelle haben. Der Job-Builder wird anfangs mit einer leeren Quelle ausgefüllt. So konfigurieren Sie die Quelle:

  1. Geben Sie im Feld Quellname einen Namen für die Quelle ein oder verwenden Sie den Standardnamen. Der Name wird in der Jobgrafik angezeigt, wenn Sie den Job ausführen.

  2. Wählen Sie in der Liste Quelltyp den Typ der Datenquelle aus.

  3. Geben Sie je nach Quelltyp zusätzliche Konfigurationsinformationen an. Wenn Sie beispielsweise BigQuery auswählen, geben Sie die Tabelle an, aus der gelesen werden soll.

    Wenn Sie „Pub/Sub“ auswählen, geben Sie ein Nachrichtenschema an. Geben Sie den Namen und den Datentyp jedes Felds ein, das aus Pub/Sub-Nachrichten gelesen werden soll. Die Pipeline verwirft alle Felder, die nicht im Schema angegeben sind.

  4. Optional: Bei einigen Quelltypen können Sie auf Vorschau der Quelldaten klicken, um eine Vorschau der Quelldaten aufzurufen.

Wenn Sie der Pipeline eine weitere Quelle hinzufügen möchten, klicken Sie auf Quelle hinzufügen. Wenn Sie Daten aus mehreren Quellen kombinieren möchten, fügen Sie Ihrer Pipeline eine SQL- oder Join-Transformation hinzu.

Pipeline eine Transformation hinzufügen

Optional können Sie der Pipeline eine oder mehrere Transformationen hinzufügen. Mit den folgenden Transformationen können Sie Daten aus Quellen und anderen Transformationen bearbeiten, aggregieren oder zusammenführen:

Transformationstyp Beschreibung Informationen zu Beam-YAML-Transformationen
Filtern (Python) Datensätze mit einem Python-Ausdruck filtern
SQL-Transformation Datensätze bearbeiten oder mehrere Eingaben mit einer SQL-Anweisung zusammenführen
Teilnehmen Mehrere Eingaben für gleiche Felder verknüpfen.
Felder zuordnen (Python) Neue Felder oder ganze Datensätze mit Python-Ausdrücken und ‑Funktionen hinzufügen bzw. neu zuordnen
Felder zuordnen (SQL) Datensatzfelder mit SQL-Ausdrücken hinzufügen oder zuordnen
Gruppieren nach Datensätze mit Funktionen wie count() und sum() kombinieren
YAML-Transformationen:
  1. AssertEqual
  2. AssignTimestamps
  3. Kombinieren
  4. Aufteilen
  5. Filter
  6. Vereinfachen
  7. Teilnehmen
  8. LogForTesting
  9. MLTransform
  10. MapToFields
  11. PyTransform
  12. WindowInfo

Verwenden Sie eine beliebige Transformation aus dem Beam YAML SDK.

YAML-Transformationskonfiguration: Geben Sie die Konfigurationsparameter für die YAML-Transformation als YAML-Zuordnung an. Die Schlüssel/Wert-Paare werden verwendet, um den Konfigurationsabschnitt der resultierenden Beam-YAML-Transformation zu füllen. Die unterstützten Konfigurationsparameter für jeden Transformationstyp finden Sie in der Beam-YAML-Transformationsdokumentation. Beispiel für Konfigurationsparameter:

Kombinieren
group_by:
combine:
Teilnehmen
type:
equalities:
fields:
Aufteilen Datensätze durch Vereinfachen von Arrayfeldern aufteilen

So fügen Sie eine Transformation hinzu:

  1. Klicken Sie auf Transformation hinzufügen.

  2. Geben Sie im Feld Transformation einen Namen für die Transformation ein oder verwenden Sie den Standardnamen. Der Name wird in der Jobgrafik angezeigt, wenn Sie den Job ausführen.

  3. Wählen Sie in der Liste Transformtyp den gewünschten Transformtyp aus.

  4. Geben Sie je nach Transformationstyp zusätzliche Konfigurationsinformationen an. Wenn Sie beispielsweise Filter (Python) auswählen, geben Sie einen Python-Ausdruck als Filter ein.

  5. Wählen Sie den Eingabeschritt für die Transformation aus. Der Eingabeschritt ist die Quelle oder Transformation, deren Ausgabe die Eingabe für diese Transformation liefert.

Senke zur Pipeline hinzufügen

Eine Pipeline muss mindestens einen Abfluss haben. Der Job-Builder ist anfangs mit einem leeren Sink gefüllt. So konfigurieren Sie die Senke:

  1. Geben Sie im Feld Name der Senke einen Namen für die Senke ein oder verwenden Sie den Standardnamen. Der Name wird in der Jobgrafik angezeigt, wenn Sie den Job ausführen.

  2. Wählen Sie in der Liste Sink-Typ den Typ des Sinks aus.

  3. Geben Sie je nach Typ der Senke zusätzliche Konfigurationsinformationen an. Wenn Sie beispielsweise die BigQuery-Senke auswählen, wählen Sie die BigQuery-Tabelle aus, in die geschrieben werden soll.

  4. Wählen Sie den Eingabeschritt für die Senke aus. Der Eingabeschritt ist die Quelle oder Transformation, deren Ausgabe die Eingabe für diese Transformation liefert.

  5. Wenn Sie der Pipeline einen weiteren Abfluss hinzufügen möchten, klicken Sie auf Abfluss hinzufügen.

Pipeline ausführen

Führen Sie die folgenden Schritte aus, um eine Pipeline über den Job-Builder auszuführen:

  1. Optional: Legen Sie Dataflow-Joboptionen fest. Klicken Sie zum Erweitern des Abschnitts „Dataflow-Optionen“ auf den Erweiterungspfeil.

  2. Klicken Sie auf Job ausführen. Der Job-Builder ruft die Job-Grafik für den gesendeten Job auf. Mit der Jobgrafik können Sie den Status des Jobs beobachten.

Pipeline vor dem Starten validieren

Bei Pipelines mit komplexer Konfiguration, z. B. mit Python-Filtern und SQL-Ausdrücken, kann es hilfreich sein, die Pipelinekonfiguration vor dem Start auf Syntaxfehler zu prüfen. So prüfen Sie die Pipelinesyntax:

  1. Klicken Sie auf Validieren, um Cloud Shell zu öffnen und den Validierungsservice zu starten.
  2. Klicken Sie auf Überprüfung starten.
  3. Wenn bei der Validierung ein Fehler gefunden wird, wird ein rotes Ausrufezeichen angezeigt.
  4. Beheben Sie alle erkannten Fehler und klicken Sie auf Überprüfen, um die Korrekturen zu bestätigen. Wenn kein Fehler gefunden wird, wird ein grünes Häkchen angezeigt.

Mit der gcloud CLI ausführen

Sie können Beam YAML-Pipelines auch mit der gcloud CLI ausführen. So führen Sie eine Job-Builder-Pipeline mit der gcloud CLI aus:

  1. Klicken Sie auf YAML-Datei speichern, um das Fenster YAML-Datei speichern zu öffnen.

  2. Führen Sie eine der folgenden Aktionen aus:

    • Wenn Sie die Datei in Cloud Storage speichern möchten, geben Sie einen Cloud Storage-Pfad ein und klicken Sie auf Speichern.
    • Klicken Sie auf Herunterladen, um eine lokale Datei herunterzuladen.

  3. Führen Sie in der Shell oder im Terminal den folgenden Befehl aus:

      gcloud dataflow yaml run my-job-builder-job --yaml-pipeline-file=YAML_FILE_PATH

    Ersetzen Sie YAML_FILE_PATH durch den Pfad Ihrer YAML-Datei, entweder lokal oder in Cloud Storage.

Nächste Schritte