Template Pub/Sub to Avro files on Cloud Storage adalah pipeline streaming yang membaca data dari topik Pub/Sub dan menulis file Avro ke dalam bucket Cloud Storage yang ditentukan.
Persyaratan pipeline
- Topik Pub/Sub input harus ada sebelum eksekusi pipeline.
Parameter template
Parameter yang diperlukan
- inputTopic: Topik Pub/Sub yang akan dijadikan langganan untuk penggunaan pesan. Nama topik harus dalam format
projects/<PROJECT_ID>/topics/<TOPIC_NAME>
. - outputDirectory: Direktori output tempat file Avro output diarsipkan. Harus berisi
/
di bagian akhir. Misalnya:gs://example-bucket/example-directory/
- avroTempDirectory: Direktori untuk file Avro sementara. Harus berisi
/
di bagian akhir. Misalnya:gs://example-bucket/example-directory/
Parameter opsional
- outputFilenamePrefix: Awalan nama file output untuk file Avro. Defaultnya adalah: output.
- outputFilenameSuffix: Suffix nama file output untuk file Avro. Nilai defaultnya adalah kosong.
- outputShardTemplate: Template shard menentukan bagian dinamis dari setiap file berwindow. Secara default, pipeline menggunakan satu shard untuk output ke sistem file dalam setiap jendela. Oleh karena itu, semua output data akan masuk ke satu file per jendela.
outputShardTemplate
secara default adalahto W-P-SS-of-NN
, denganW
adalah rentang tanggal jendela,P
adalah info panel,S
adalah nomor shard, danN
adalah jumlah shard. Jika ada satu file, bagianSS-of-NN
darioutputShardTemplate
adalah00-of-01
. - yearPattern: Pola untuk memformat tahun. Harus salah satu atau beberapa dari
y
atauY
. Huruf besar/kecil tidak memengaruhi tahun. Secara opsional, sertakan pola dengan karakter yang bukan alfanumerik atau karakter direktori (/
). Setelan defaultnya adalahYYYY
. - monthPattern: Pola untuk memformat bulan. Harus berupa satu atau beberapa karakter
M
. Secara opsional, sertakan pola dengan karakter yang bukan alfanumerik atau karakter direktori (/
). Setelan defaultnya adalahMM
. - dayPattern: Pola untuk memformat hari. Harus salah satu atau beberapa dari
d
untuk hari dalam bulan atauD
untuk hari dalam tahun. Secara opsional, sertakan pola dengan karakter yang bukan alfanumerik atau karakter direktori (/
). Setelan defaultnya adalahdd
. - hourPattern: Pola untuk memformat jam. Harus berupa satu atau beberapa karakter
H
. Secara opsional, sertakan pola dengan karakter yang bukan alfanumerik atau karakter direktori (/
). Setelan defaultnya adalahHH
. - minutePattern: Pola untuk memformat menit. Harus berupa satu atau beberapa karakter
m
. Secara opsional, sertakan pola dengan karakter yang bukan alfanumerik atau karakter direktori (/
). Setelan defaultnya adalahmm
.
Menjalankan template
Konsol
- Buka halaman Dataflow Create job from template. Buka Membuat tugas dari template
- Di kolom Nama tugas, masukkan nama tugas yang unik.
- Opsional: Untuk Endpoint regional, pilih nilai dari menu drop-down. Region
default-nya adalah
us-central1
.Untuk mengetahui daftar region tempat Anda dapat menjalankan tugas Dataflow, lihat Lokasi Dataflow.
- Dari menu drop-down Template Dataflow, pilih the Pub/Sub to Avro Files on Cloud Storage template.
- Di kolom parameter yang disediakan, masukkan nilai parameter Anda.
- Klik Run job.
gcloud
Di shell atau terminal Anda, jalankan template:
gcloud dataflow jobs run JOB_NAME \ --gcs-location gs://dataflow-templates-REGION_NAME/VERSION/Cloud_PubSub_to_Avro \ --region REGION_NAME \ --staging-location STAGING_LOCATION \ --parameters \ inputTopic=projects/PROJECT_ID/topics/TOPIC_NAME,\ outputDirectory=gs://BUCKET_NAME/output/,\ outputFilenamePrefix=FILENAME_PREFIX,\ outputFilenameSuffix=FILENAME_SUFFIX,\ outputShardTemplate=SHARD_TEMPLATE,\ avroTempDirectory=gs://BUCKET_NAME/temp/
Ganti kode berikut:
JOB_NAME
: nama tugas unik pilihan AndaREGION_NAME
: region tempat Anda ingin men-deploy tugas Dataflow—misalnya,us-central1
VERSION
: versi template yang ingin Anda gunakanAnda dapat menggunakan nilai berikut:
latest
untuk menggunakan versi template terbaru, yang tersedia di folder induk tanpa tanggal di bucket— gs://dataflow-templates-REGION_NAME/latest/- nama versi, seperti
2023-09-12-00_RC00
, untuk menggunakan versi template tertentu, yang dapat ditemukan bertingkat di folder induk yang diberi tanggal di bucket— gs://dataflow-templates-REGION_NAME/
STAGING_LOCATION
: lokasi untuk menyiapkan file lokal (misalnya,gs://your-bucket/staging
)TOPIC_NAME
: nama topik Pub/SubBUCKET_NAME
: nama bucket Cloud Storage AndaFILENAME_PREFIX
: awalan nama file output pilihanFILENAME_SUFFIX
: akhiran nama file output pilihanSHARD_TEMPLATE
: template shard output pilihan
API
Untuk menjalankan template menggunakan REST API, kirim permintaan HTTP POST. Untuk mengetahui informasi selengkapnya tentang
API dan cakupan otorisasinya, lihat
projects.templates.launch
.
POST https://dataflow.googleapis.com/v1b3/projects/PROJECT_ID/locations/LOCATION/templates:launch?gcsPath=gs://dataflow-templates-LOCATION/VERSION/Cloud_PubSub_to_Avro { "jobName": "JOB_NAME", "environment": { "ipConfiguration": "WORKER_IP_UNSPECIFIED", "additionalExperiments": [] }, "parameters": { "inputTopic": "projects/PROJECT_ID/topics/TOPIC_NAME", "outputDirectory": "gs://BUCKET_NAME/output/", "avroTempDirectory": "gs://BUCKET_NAME/temp/", "outputFilenamePrefix": "FILENAME_PREFIX", "outputFilenameSuffix": "FILENAME_SUFFIX", "outputShardTemplate": "SHARD_TEMPLATE" } }
Ganti kode berikut:
PROJECT_ID
: ID Google Cloud project tempat Anda ingin menjalankan tugas DataflowJOB_NAME
: nama tugas unik pilihan AndaLOCATION
: region tempat Anda ingin men-deploy tugas Dataflow—misalnya,us-central1
VERSION
: versi template yang ingin Anda gunakanAnda dapat menggunakan nilai berikut:
latest
untuk menggunakan versi template terbaru, yang tersedia di folder induk tanpa tanggal di bucket— gs://dataflow-templates-REGION_NAME/latest/- nama versi, seperti
2023-09-12-00_RC00
, untuk menggunakan versi template tertentu, yang dapat ditemukan bertingkat di folder induk yang diberi tanggal di bucket— gs://dataflow-templates-REGION_NAME/
STAGING_LOCATION
: lokasi untuk menyiapkan file lokal (misalnya,gs://your-bucket/staging
)TOPIC_NAME
: nama topik Pub/SubBUCKET_NAME
: nama bucket Cloud Storage AndaFILENAME_PREFIX
: awalan nama file output pilihanFILENAME_SUFFIX
: akhiran nama file output pilihanSHARD_TEMPLATE
: template shard output pilihan
Langkah berikutnya
- Pelajari template Dataflow.
- Lihat daftar template yang disediakan Google.