設定 Flex 範本

本頁面記錄各種 Dataflow Flex 範本設定選項，包括：

• 權限
• Dockerfile 環境變數
• Python 的套件依附元件
• Docker 映像檔
• 管道選項
• 暫存和臨時位置

如要設定 Flex 範本範例，請參閱 Flex 範本教學課程。

瞭解 Flex 範本權限

使用 Flex 範本時，您需要三組權限：

• 建立資源的權限
• 建構 Flex 範本的權限
• 執行 Flex 範本的權限

建立資源的權限

如要開發及執行彈性範本管道，您需要建立各種資源 (例如暫存值區)。如果是資源一次性建立工作，可以使用基本擁有者角色。

建構 Flex 範本的權限

身為 Flex 範本的開發人員，您必須建構範本，才能供使用者使用。建構作業包括將範本規格上傳至 Cloud Storage 值區，以及佈建 Docker 映像檔，其中包含執行管道所需的程式碼和依附元件。如要建構彈性範本，您需要 Cloud Storage 的讀取和寫入權限，以及 Artifact Registry 存放區的 Artifact Registry 寫入者存取權。如要授予這些權限，請指派下列角色：

• 儲存空間管理員 (roles/storage.admin)
• Cloud Build 編輯者 (roles/cloudbuild.builds.editor)
• Artifact Registry 寫入者 (roles/artifactregistry.writer)

執行 Flex 範本的權限

執行 Flex 範本時，Dataflow 會為您建立工作。如要建立工作，Dataflow 服務帳戶必須具備下列權限：

• dataflow.serviceAgent

首次使用 Dataflow 時，服務會為您指派這個角色，因此您不需要授予這項權限。

根據預設，啟動器 VM 和工作站 VM 會使用 Compute Engine 服務帳戶。這個服務帳戶必須擁有以下角色和權限：

• Storage 物件管理員 (roles/storage.objectAdmin)
• 檢視者 (roles/viewer)
• Dataflow 工作者 (roles/dataflow.worker)
• 暫存值區的讀寫權限
• 具備 Flex 範本映像檔的讀取權限

如要授予暫存值區的讀取和寫入權限，可以使用「Storage Object Admin」(儲存空間物件管理員) 角色 (roles/storage.objectAdmin)。詳情請參閱 Cloud Storage 的 IAM 角色。

如要授予 Flex 範本映像檔的讀取權，可以使用「Storage 物件檢視者」角色 (roles/storage.objectViewer)。詳情請參閱「設定存取權控管」。

設定必要的 Dockerfile 環境變數

如要為彈性範本作業建立自己的 Dockerfile，請指定下列環境變數：

ENV FLEX_TEMPLATE_PYTHON_REQUIREMENTS_FILE="${WORKDIR}/requirements.txt"
ENV FLEX_TEMPLATE_PYTHON_PY_FILE="${WORKDIR}/streaming_beam.py"

Python 的套件依附元件

如果 Dataflow Python 管道使用其他依附元件，您可能需要設定彈性範本，在 Dataflow 工作站 VM 上安裝其他依附元件。

在限制網際網路存取的環境中，執行使用 Flex 範本的 Python Dataflow 工作時，您必須在建立範本時預先封裝相依性。

請使用下列其中一種方式預先封裝 Python 依附元件。

如需管理 Java 和 Go 管道中管道依附元件的操作說明，請參閱「在 Dataflow 中管理管道依附元件」。

使用需求檔案，並預先將依附元件與範本封裝在一起

如果您使用自己的 Dockerfile 定義彈性範本映像檔，請按照下列步驟操作：

1. 建立 requirements.txt 檔案，列出管道依附元件。

   COPY requirements.txt /template/
   ENV FLEX_TEMPLATE_PYTHON_REQUIREMENTS_FILE="/template/requirements.txt"
   

2. 在 Flex 範本映像檔中安裝依附元件。

   RUN pip install --no-cache-dir -r $FLEX_TEMPLATE_PYTHON_REQUIREMENTS_FILE
   

3. 將依附元件下載到本機需求快取，範本啟動時，這些依附元件會暫存到 Dataflow 工作站。

   RUN pip download --no-cache-dir --dest /tmp/dataflow-requirements-cache -r $FLEX_TEMPLATE_PYTHON_REQUIREMENTS_FILE
   

使用這種方法時，系統會在執行階段將 requirements.txt 檔案中的依附元件安裝到 Dataflow 工作站。您可能會在 Google Cloud 控制台 的「最佳化建議」分頁中看到這項洞察資訊。如要避免在執行階段安裝依附元件，請使用自訂容器映像檔。

以下程式碼範例會在 Flex 範本中使用需求檔案。

# Copyright 2020 Google LLC
#
# Licensed under the Apache License, Version 2.0 (the "License");
# you may not use this file except in compliance with the License.
# You may obtain a copy of the License at
#
#    http://www.apache.org/licenses/LICENSE-2.0
#
# Unless required by applicable law or agreed to in writing, software
# distributed under the License is distributed on an "AS IS" BASIS,
# WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
# See the License for the specific language governing permissions and
# limitations under the License.

FROM gcr.io/dataflow-templates-base/python3-template-launcher-base

# Configure the Template to launch the pipeline with a --requirements_file option.
# See: https://beam.apache.org/documentation/sdks/python-pipeline-dependencies/#pypi-dependencies
ENV FLEX_TEMPLATE_PYTHON_REQUIREMENTS_FILE="/template/requirements.txt"
ENV FLEX_TEMPLATE_PYTHON_PY_FILE="/template/streaming_beam.py"

COPY . /template

RUN apt-get update \
    # Install any apt packages if required by your template pipeline.
    && apt-get install -y libffi-dev git \
    && rm -rf /var/lib/apt/lists/* \
    # Upgrade pip and install the requirements.
    && pip install --no-cache-dir --upgrade pip \
    # Install dependencies from requirements file in the launch environment.
    && pip install --no-cache-dir -r $FLEX_TEMPLATE_PYTHON_REQUIREMENTS_FILE \
    # When FLEX_TEMPLATE_PYTHON_REQUIREMENTS_FILE  option is used,
    # then during Template launch Beam downloads dependencies
    # into a local requirements cache folder and stages the cache to workers.
    # To speed up Flex Template launch, pre-download the requirements cache
    # when creating the Template.
    && pip download --no-cache-dir --dest /tmp/dataflow-requirements-cache -r $FLEX_TEMPLATE_PYTHON_REQUIREMENTS_FILE

# Set this if using Beam 2.37.0 or earlier SDK to speed up job submission.
ENV PIP_NO_DEPS=True

ENTRYPOINT ["/opt/google/dataflow/python_template_launcher"]

將管道架構為套件，並使用本機套件

使用多個 Python 本機檔案或模組時，請將管線建構為套件。檔案結構可能如下列範例所示：

main.py
pyproject.toml
setup.py
src/
  my_package/
    __init__.py
    my_custom_dofns_and_transforms.py
    my_pipeline_launcher.py
    other_utils_and_helpers.py

1. 將頂層進入點 (例如 main.py 檔案) 放在根目錄中。將其餘檔案放在 src 目錄的獨立資料夾中，例如 my_package。

2. 將套件設定檔新增至根目錄，並提供套件詳細資料和需求條件。

   pyproject.toml

   [project]
   name = "my_package"
   version = "package_version"
   dependencies = [
     # Add list of packages (and versions) that my_package depends on.
     # Example:
     "apache-beam[gcp]==2.54.0",
   ]
   

   setup.py

     """An optional setuptools configuration stub for the pipeline package.
   
     Use pyproject.toml to define the package. Add this file only if you must
     use the --setup_file pipeline option or the
     FLEX_TEMPLATE_PYTHON_SETUP_FILE configuration option.
     """
   
     import setuptools
     setuptools.setup()
   

   如要進一步瞭解如何設定本機套件，請參閱「封裝 Python 專案」一文。

3. 為管道匯入本機模組或檔案時，請使用 my_package 套件名稱做為匯入路徑。

   from my_package import word_count_transform
   

4. 在 Flex 範本映像檔中安裝管道套件。您的 Flex 範本 Dockerfile 可能包含類似下列範例的內容：

   Dockerfile

   ENV FLEX_TEMPLATE_PYTHON_PY_FILE="${WORKDIR}/main.py"
   ENV FLEX_TEMPLATE_PYTHON_SETUP_FILE="${WORKDIR}/setup.py"
   
   # Copy pipeline, packages and requirements.
   WORKDIR ${WORKDIR}
   COPY main.py .
   COPY pyproject.toml .
   COPY setup.py .
   COPY src src
   
   # Install local package.
   RUN pip install -e .
   

使用這種方法時，系統會在執行階段將 requirements.txt 檔案中的依附元件安裝到 Dataflow 工作站。您可能會在 Google Cloud 控制台 的「最佳化建議」分頁中看到這項洞察資訊。如要避免在執行階段安裝依附元件，請使用自訂容器映像檔。

如需採用建議做法的範例，請參閱 GitHub 中的具有依附元件和自訂容器映像檔的管道彈性範本教學課程。

使用預先安裝所有依附元件的自訂容器

如要避免在執行階段安裝依附元件，請使用自訂容器。 如果管道在無法存取網際網路的環境中執行，建議使用這個選項。

如要使用自訂容器，請按照下列步驟操作：

1. 建立自訂容器映像檔，預先安裝必要依附元件。

2. 在 Flex 範本 Dockerfile 中預先安裝相同的依附元件。

   如要避免在執行階段安裝依附元件，請勿在 Flex 範本設定中使用 FLEX_TEMPLATE_PYTHON_REQUIREMENTS_FILE 或 FLEX_TEMPLATE_PYTHON_SETUP_FILE 選項。

   修改後的彈性範本 Dockerfile 可能如下所示：

   FROM gcr.io/dataflow-templates-base/python3-template-launcher-base
   ENV FLEX_TEMPLATE_PYTHON_PY_FILE="/template/main.py"
   COPY . /template
   # If you use a requirements file, pre-install the requirements.txt.
   RUN pip install --no-cache-dir -r /template/requirements.txt
   # If you supply the pipeline in a package, pre-install the local package and its dependencies.
   RUN pip install -e /template
   

   使用這個方法時，請執行下列操作：

   • 建構 Flex 範本映像檔
   • 建構自訂 SDK 容器映像檔
   • 在兩個映像檔中安裝相同的依附元件

   或者，如要減少維護的映像檔數量，請將自訂容器映像檔做為 Flex 範本的基本映像檔。

3. 如果您使用 Apache Beam SDK 2.49.0 以下版本，請在管道啟動器中新增 --sdk_location=container 管道選項。這個選項會指示管道使用自訂容器中的 SDK，而非下載 SDK。

   options = PipelineOptions(beam_args, save_main_session=True, streaming=True, sdk_location="container")
   

4. 在 flex-template run 指令中設定 sdk_container_image 參數。例如：

   gcloud dataflow flex-template run $JOB_NAME \
      --region=$REGION \
      --template-file-gcs-location=$TEMPLATE_PATH \
      --parameters=sdk_container_image=$CUSTOM_CONTAINER_IMAGE \
      --additional-experiments=use_runner_v2
   

   詳情請參閱「在 Dataflow 中使用自訂容器」。

選擇基本映像檔

您可以使用 Google 提供的基礎映像檔，透過 Docker 封裝範本容器映像檔。從「Flex 範本基本映像檔」中選擇最新標記。建議您使用特定圖片標記，而非 latest。基本映像檔代管於 gcr.io/dataflow-templates-base。

請以下列格式指定基礎圖片：

gcr.io/dataflow-templates-base/IMAGE_NAME:TAG

更改下列內容：

• IMAGE_NAME：Google 提供的基礎圖片
• TAG：基本映像檔的版本名稱，請參閱彈性範本基本映像檔參考資料

使用自訂容器映像檔

如果管道使用自訂容器映像檔，建議您將自訂映像檔做為 Flex 範本 Docker 映像檔的基本映像檔。如要這麼做，請將 Google 提供的範本基本映像檔中的 Flex 範本啟動器二進位檔，複製到自訂映像檔。

以下是圖片的 Dockerfile 範例，可用於自訂 SDK 容器映像檔和彈性範本：

FROM gcr.io/dataflow-templates-base/IMAGE_NAME:TAG as template_launcher
FROM apache/beam_python3.10_sdk:2.66.0

# RUN <...Make image customizations here...>
# See: https://cloud.google.com/dataflow/docs/guides/build-container-image

# Configure the Flex Template here.
COPY --from=template_launcher /opt/google/dataflow/python_template_launcher /opt/google/dataflow/python_template_launcher
COPY my_pipeline.py /template/
ENV FLEX_TEMPLATE_PYTHON_PY_FILE="/template/my_pipeline.py"

更改下列內容：

• IMAGE_NAME：Google 提供的基礎圖片。例如： python311-template-launcher-base。
• TAG：Flex 範本基本映像檔參考資料中基本映像檔的版本標記。為提升穩定性及方便進行疑難排解，請避免使用 latest。請改為固定使用特定版本標記。

如需採用這種做法的範例，請參閱具有依附元件和自訂容器映像檔的管道適應型範本教學課程。

使用私人登錄檔中的映像檔

如果私人登錄檔使用 HTTPS 並具有有效憑證，您就可以建構儲存在私人 Docker 登錄檔中的彈性範本映像檔。

如要使用私人登錄檔中的映像檔，請指定映像檔的路徑，以及登錄檔的使用者名稱和密碼。使用者名稱和密碼必須儲存在 Secret Manager。您可以透過下列其中一種格式提供密鑰：

• projects/{project}/secrets/{secret}/versions/{secret_version}
• projects/{project}/secrets/{secret}

如果您使用第二種格式，由於未指定版本，Dataflow 會使用最新版本。

如果登錄檔使用自行簽署的憑證，您也需要在 Cloud Storage 中指定自行簽署憑證的路徑。

下表說明可用於設定私人登錄檔的 gcloud CLI 選項。

以下是 Google Cloud CLI 指令範例，可使用私人登錄檔中的映像檔 (含自行簽署的憑證) 建構彈性範本。

gcloud dataflow flex-template build gs://example-bucket/custom-pipeline-private-repo.json
--sdk-language=JAVA
--image="gcp.repository.example.com:9082/registry/example/image:latest"
--image-repository-username-secret-id="projects/example-project/secrets/username-secret"
--image-repository-password-secret-id="projects/example-project/secrets/password-secret/versions/latest"
--image-repository-cert-path="gs://example-bucket/self-signed.crt"
--metadata-file=metadata.json

如要建構自己的 Flex 範本，請替換範例值，並視需要指定其他或額外選項。如要瞭解詳情，請參閱下列資源：

• gcloud dataflow flex-template build
• 使用 Flex 範本

指定管道選項

如要瞭解 Flex 範本直接支援的管道選項，請參閱「管道選項」。

您也可以間接使用任何 Apache Beam 管道選項。如果您為 Flex 範本工作使用 metadata.json 檔案，請在檔案中加入這些管道選項。這個中繼資料檔案必須符合 TemplateMetadata 中的格式。

否則，啟動 Flex 範本作業時，請使用「參數」欄位傳遞這些管道選項。

如為範本中繼資料未明確公開的執行階段實驗選項或常見執行階段管道選項，請使用 additional-experiments 或 additional-pipeline-options 欄位傳遞這些選項。

{
  "jobName": "my-flex-template-job",
  "parameters": {
    "option_defined_in_metadata": "value"
  },
  "environment": {
    "additionalExperiments": [
      "use_runner_v2"
    ],
    "additionalPipelineOptions": {
      "common_pipeline_option": "value"
    }
  }
}

使用 Flex 範本時，您可以在管道初始化期間設定部分管道選項，但其他管道選項無法變更。如果覆寫 Flex 範本所需的指令列引數，工作可能會忽略、覆寫或捨棄範本啟動器傳遞的管道選項。工作可能無法啟動，或啟動未使用彈性範本的工作。詳情請參閱「無法讀取工作檔案」。

在管道初始化期間，請勿變更下列管道選項：

封鎖使用中繼資料安全殼層金鑰的 VM 專案安全殼層金鑰

您可以封鎖 VM 的專案 SSH 金鑰，防止 VM 接受儲存在專案中繼資料中的 SSH 金鑰。搭配 block_project_ssh_keys 服務選項使用 additional-experiments 旗標：

--additional-experiments=block_project_ssh_keys

詳情請參閱 Dataflow 服務選項。

中繼資料

您可以用額外的中繼資料來擴充範本，如此一來，範本執行時，就能驗證自訂參數。如要為範本建立中繼資料，請按照下列步驟操作：

1. 使用「中繼資料參數」中的參數建立 metadata.json 檔案。

   如要查看範例，請參閱「中繼資料檔案範例」。

2. 將中繼資料檔案儲存在範本所在的 Cloud Storage 資料夾中。

{
  "name": "Streaming Beam SQL",
  "description": "An Apache Beam streaming pipeline that reads JSON encoded messages from Pub/Sub, uses Beam SQL to transform the message data, and writes the results to a BigQuery",
  "parameters": [
    {
      "name": "inputSubscription",
      "label": "Pub/Sub input subscription.",
      "helpText": "Pub/Sub subscription to read from.",
      "regexes": [
        "[a-zA-Z][-_.~+%a-zA-Z0-9]{2,}"
      ]
    },
    {
      "name": "outputTable",
      "label": "BigQuery output table",
      "helpText": "BigQuery table spec to write to, in the form 'project:dataset.table'.",
      "isOptional": true,
      "regexes": [
        "[^:]+:[^.]+[.].+"
      ]
    }
  ]
}

{
  "name": "Streaming beam Python flex template",
  "description": "Streaming beam example for python flex template.",
  "parameters": [
    {
      "name": "input_subscription",
      "label": "Input PubSub subscription.",
      "helpText": "Name of the input PubSub subscription to consume from.",
      "regexes": [
        "projects/[^/]+/subscriptions/[a-zA-Z][-_.~+%a-zA-Z0-9]{2,}"
      ]
    },
    {
      "name": "output_table",
      "label": "BigQuery output table name.",
      "helpText": "Name of the BigQuery output table name.",
      "isOptional": true,
      "regexes": [
        "([^:]+:)?[^.]+[.].+"
      ]
    }
  ]
}

瞭解暫存位置和臨時位置

執行彈性範本時，Google Cloud CLI 會提供 --staging-location 和 --temp-location 選項。同樣地，Dataflow REST API 也為 FlexTemplateRuntimeEnvironment 提供 stagingLocation 和 tempLocation 欄位。

如果是彈性範本，暫存位置是 Cloud Storage 網址，在啟動範本的暫存步驟中，檔案會寫入這個位置。Dataflow 會讀取這些暫存檔案，建立範本圖表。暫存位置是 Cloud Storage 網址，執行步驟期間會將暫存檔案寫入該網址。

更新 Flex 範本作業

以下範例要求說明如何使用 projects.locations.flexTemplates.launch 方法，更新範本串流作業。如要使用 gcloud CLI，請參閱「更新現有管道」。

如要更新傳統範本，請改用 projects.locations.templates.launch 。

1. 按照步驟透過 Flex 範本建立串流工作。 傳送下列 HTTP POST 要求，並附上修改後的值：

   POST https://dataflow.googleapis.com/v1b3/projects/PROJECT_ID/locations/REGION/flexTemplates:launch
   {
       "launchParameter": {
         "update": true
         "jobName": "JOB_NAME",
         "parameters": {
           "input_subscription": "projects/PROJECT_ID/subscriptions/SUBSCRIPTION_NAME",
           "output_table": "PROJECT_ID:DATASET.TABLE_NAME"
         },
       "containerSpecGcsPath": "STORAGE_PATH"
       },
   }
   

   • 將 PROJECT_ID 替換為您的專案 ID。
   • 請將 REGION 改成要更新的工作的 Dataflow地區。
   • 將 JOB_NAME 替換為要更新的工作確切名稱。
   • 將 parameters 設為鍵/值組合清單。列出的參數僅適用於這個範本範例。如果使用自訂範本，請視需要修改參數。如果您使用範本，請替換下列變數。
     • 請將 SUBSCRIPTION_NAME 改成您的 Pub/Sub 訂閱名稱。
     • 將 DATASET 替換為 BigQuery 資料集名稱。
     • 請將 TABLE_NAME 改成您的 BigQuery 資料表名稱。
   • 請將 STORAGE_PATH 改成範本檔案的 Cloud Storage 位置。位置資訊開頭應為 gs://。

2. 使用 environment 參數變更環境設定。詳情請參閱 FlexTemplateRuntimeEnvironment。

3. 選用：如要使用 curl (Linux、macOS 或 Cloud Shell) 傳送要求，請將要求儲存至 JSON 檔案，然後執行下列指令：

   curl -X POST -d "@FILE_PATH" -H "Content-Type: application/json" -H "Authorization: Bearer $(gcloud auth print-access-token)"  https://dataflow.googleapis.com/v1b3/projects/PROJECT_ID/locations/REGION/flexTemplates:launch
   

   將 FILE_PATH 改成包含要求內文的 JSON 檔案路徑。

4. 使用 Dataflow 監控介面，確認已建立同名的新工作。這項工作的狀態為「已更新」。

限制

彈性範本工作有以下限制：

• 您必須使用 Google 提供的基本映像檔，透過 Docker 封裝容器。如需適用映像檔的清單，請參閱「Flex 範本基本映像檔」。
• 建構管道的程式必須在呼叫 run 後結束，管道才會啟動。
• 不支援 waitUntilFinish (Java) 和 wait_until_finish (Python)。

後續步驟

• 如要進一步瞭解傳統範本、彈性範本及其使用案例情境，請參閱「Dataflow 範本」。
• 如需 Flex 範本疑難排解資訊，請參閱「排解 Flex 範本逾時問題」。
• 如需更多參考架構、圖表和最佳做法，請瀏覽 Cloud 架構中心。