Menjalankan template klasik

Setelah membuat dan menyiapkan template Dataflow, jalankan template dengan Google Cloud konsol, REST API, atau Google Cloud CLI. Anda dapat men-deploy pekerjaan template Dataflow dari berbagai lingkungan, termasuk lingkungan standar App Engine, fungsi Cloud Run, dan lingkungan terbatas lainnya.

Menggunakan Google Cloud console

Anda dapat menggunakan konsol Google Cloud untuk menjalankan template Dataflow kustom dan yang disediakan Google.

Template yang disediakan Google

Untuk menjalankan template yang disediakan Google:

  1. Buka halaman Dataflow di konsol Google Cloud .
    2. Buka halaman Dataflow
  2. Klik BUAT TUGAS DARI TEMPLATE.
    3. Tombol Buat Tugas dari Template konsolGoogle Cloud
  3. Pilih template yang disediakan Google yang ingin Anda jalankan dari menu drop-down Template Dataflow.
    4. Formulir Pelaksanaan Template WordCount
  4. Masukkan nama tugas di kolom Job Name.
  5. Masukkan nilai parameter Anda di kolom parameter yang tersedia. Anda tidak memerlukan bagian Parameter Tambahan saat menggunakan template yang disediakan Google.
  6. Klik Run Job.

Template kustom

Untuk menjalankan template kustom:

  1. Buka halaman Dataflow di konsol Google Cloud .
    2. Buka halaman Dataflow
  2. Klik CREATE JOB FROM TEMPLATE.
    3. Tombol Buat Tugas dari Template konsolGoogle Cloud
  3. Pilih Custom Template dari menu drop-down Dataflow template.
    4. Formulir Eksekusi Template Kustom
  4. Masukkan nama tugas di kolom Job Name.
  5. Masukkan jalur Cloud Storage ke file template Anda di kolom jalur Cloud Storage template.
  6. Jika template Anda memerlukan parameter, klik TAMBAHKAN PARAMETER di bagian Parameter tambahan. Masukkan Nama dan Nilai parameter. Ulangi langkah ini untuk setiap parameter yang diperlukan.
  7. Klik Run Job.

Menggunakan REST API

Untuk menjalankan template dengan permintaan REST API, kirim permintaan POST HTTP dengan ID project Anda. Permintaan ini memerlukan otorisasi.

Lihat referensi REST API untuk projects.locations.templates.launch untuk mempelajari lebih lanjut parameter yang tersedia.

Membuat tugas batch template kustom

Contoh permintaan projects.locations.templates.launch ini membuat tugas batch dari template yang membaca file teks dan menulis file teks output. Jika permintaan berhasil, isi respons berisi instance LaunchTemplateResponse.

Ubah nilai berikut:

  • Ganti YOUR_PROJECT_ID dengan project ID Anda.
  • Ganti LOCATION dengan region Dataflow pilihan Anda.
  • Ganti JOB_NAME dengan nama tugas pilihan Anda.
  • Ganti YOUR_BUCKET_NAME dengan nama bucket Cloud Storage Anda.
  • Tetapkan gcsPath ke lokasi Cloud Storage dari file template.
  • Tetapkan parameters ke daftar key-value pair Anda.
  • Tetapkan tempLocation ke lokasi tempat Anda memiliki izin tulis. Nilai ini diperlukan untuk menjalankan template yang disediakan Google.
    POST https://dataflow.googleapis.com/v1b3/projects/YOUR_PROJECT_ID/locations/LOCATION/templates:launch?gcsPath=gs://YOUR_BUCKET_NAME/templates/TemplateName
    {
        "jobName": "JOB_NAME",
        "parameters": {
            "inputFile" : "gs://YOUR_BUCKET_NAME/input/my_input.txt",
            "output": "gs://YOUR_BUCKET_NAME/output/my_output"
        },
        "environment": {
            "tempLocation": "gs://YOUR_BUCKET_NAME/temp",
            "zone": "us-central1-f"
        }
    }

Membuat tugas streaming template kustom

Contoh permintaan projects.locations.templates.launch ini membuat tugas streaming dari template klasik yang membaca dari langganan Pub/Sub dan menulis ke tabel BigQuery. Jika Anda ingin meluncurkan Template Flex, gunakan projects.locations.flexTemplates.launch sebagai gantinya. Template contoh adalah template yang disediakan Google. Anda dapat mengubah jalur dalam template untuk mengarah ke template kustom. Logika yang sama digunakan untuk meluncurkan template yang disediakan Google dan template kustom. Dalam contoh ini, tabel BigQuery harus sudah ada dengan skema yang sesuai. Jika berhasil, isi respons berisi instance LaunchTemplateResponse.

Ubah nilai berikut:

  • Ganti YOUR_PROJECT_ID dengan project ID Anda.
  • Ganti LOCATION dengan region Dataflow pilihan Anda.
  • Ganti JOB_NAME dengan nama tugas pilihan Anda.
  • Ganti YOUR_BUCKET_NAME dengan nama bucket Cloud Storage Anda.
  • Ganti GCS_PATH dengan lokasi Cloud Storage file template. Lokasi harus diawali dengan gs://
  • Tetapkan parameters ke daftar key-value pair Anda. Parameter yang tercantum bersifat khusus untuk contoh template ini. Jika Anda menggunakan template kustom, ubah parameter sesuai kebutuhan. Jika Anda menggunakan template contoh, ganti variabel berikut.
    • Ganti YOUR_SUBSCRIPTION_NAME dengan nama langganan Pub/Sub Anda.
    • Ganti YOUR_DATASET dengan set data BigQuery Anda, dan ganti YOUR_TABLE_NAME dengan nama tabel BigQuery Anda.
  • Tetapkan tempLocation ke lokasi tempat Anda memiliki izin tulis. Nilai ini diperlukan untuk menjalankan template yang disediakan Google.
    POST https://dataflow.googleapis.com/v1b3/projects/YOUR_PROJECT_ID/locations/LOCATION/templates:launch?gcsPath=GCS_PATH
    {
        "jobName": "JOB_NAME",
        "parameters": {
            "inputSubscription": "projects/YOUR_PROJECT_ID/subscriptions/YOUR_SUBSCRIPTION_NAME",
            "outputTableSpec": "YOUR_PROJECT_ID:YOUR_DATASET.YOUR_TABLE_NAME"
        },
        "environment": {
            "tempLocation": "gs://YOUR_BUCKET_NAME/temp",
            "zone": "us-central1-f"
        }
    }

Memperbarui tugas streaming template kustom

Contoh permintaan projects.locations.templates.launch ini menunjukkan cara memperbarui tugas streaming template. Jika Anda ingin memperbarui Template Flex, gunakan projects.locations.flexTemplates.launch.

  1. Jalankan Contoh 2: Membuat tugas streaming template kustom untuk memulai tugas template streaming.
  2. Kirim permintaan POST HTTP berikut, dengan nilai yang diubah berikut:
    • Ganti YOUR_PROJECT_ID dengan project ID Anda.
    • Ganti LOCATION dengan region Dataflow tugas yang Anda perbarui.
    • Ganti JOB_NAME dengan nama persis tugas yang ingin Anda perbarui.
    • Ganti GCS_PATH dengan lokasi Cloud Storage file template. Lokasi harus diawali dengan gs://
    • Tetapkan parameters ke daftar key-value pair Anda. Parameter yang tercantum bersifat khusus untuk contoh template ini. Jika Anda menggunakan template kustom, ubah parameter sesuai kebutuhan. Jika Anda menggunakan template contoh, ganti variabel berikut.
      • Ganti YOUR_SUBSCRIPTION_NAME dengan nama langganan Pub/Sub Anda.
      • Ganti YOUR_DATASET dengan set data BigQuery Anda, dan ganti YOUR_TABLE_NAME dengan nama tabel BigQuery Anda.
    • Gunakan parameter environment untuk mengubah setelan lingkungan, seperti jenis mesin. Contoh ini menggunakan jenis mesin n2-highmem-2, yang memiliki lebih banyak memori dan CPU per pekerja daripada jenis mesin default.
        POST https://dataflow.googleapis.com/v1b3/projects/YOUR_PROJECT_ID/locations/LOCATION/templates:launch?gcsPath=GCS_PATH
    {
        "jobName": "JOB_NAME",
        "parameters": {
            "inputSubscription": "projects/YOUR_PROJECT_ID/subscriptions/YOUR_TOPIC_NAME",
            "outputTableSpec": "YOUR_PROJECT_ID:YOUR_DATASET.YOUR_TABLE_NAME"
        },
        "environment": {
            "machineType": "n2-highmem-2"
        },
        "update": true
    }
  3. Akses antarmuka pemantauan Dataflow dan verifikasi bahwa tugas baru dengan nama yang sama telah dibuat. Tugas ini memiliki status Diperbarui.

Menggunakan Library Klien Google API

Sebaiknya gunakan Library Klien Google API untuk mempermudah panggilan ke Dataflow REST API. Skrip contoh ini menggunakan Library Klien Google API untuk Python.

Dalam contoh ini, Anda harus menetapkan variabel berikut:

  • project: Setel ke project ID Anda.
  • job: Setel ke nama tugas unik pilihan Anda.
  • template: Setel ke lokasi Cloud Storage file template.
  • parameters: Setel ke kamus dengan parameter template.

Untuk menyetel region, sertakan parameter location.

from googleapiclient.discovery import build

# project = 'your-gcp-project'
# job = 'unique-job-name'
# template = 'gs://dataflow-templates/latest/Word_Count'
# parameters = {
#     'inputFile': 'gs://dataflow-samples/shakespeare/kinglear.txt',
#     'output': 'gs://<your-gcs-bucket>/wordcount/outputs',
# }

dataflow = build("dataflow", "v1b3")
request = (
    dataflow.projects()
    .templates()
    .launch(
        projectId=project,
        gcsPath=template,
        body={
            "jobName": job,
            "parameters": parameters,
        },
    )
)

response = request.execute()

Untuk mengetahui informasi selengkapnya tentang opsi yang tersedia, lihat metode projects.locations.templates.launch dalam referensi Dataflow REST API.

Menggunakan gcloud CLI

gcloud CLI dapat menjalankan template kustom atau template yang disediakan Google menggunakan perintah gcloud dataflow jobs run. Contoh menjalankan template yang disediakan Google didokumentasikan di halaman template yang disediakan Google.

Untuk contoh template kustom berikut, tetapkan nilai berikut:

  • Ganti JOB_NAME dengan nama tugas pilihan Anda.
  • Ganti YOUR_BUCKET_NAME dengan nama bucket Cloud Storage Anda.
  • Tetapkan --gcs-location ke lokasi Cloud Storage dari file template.
  • Tetapkan --parameters ke daftar parameter yang dipisahkan koma untuk diteruskan ke tugas. Spasi di antara koma dan nilai tidak diizinkan.
  • Untuk mencegah VM menerima kunci SSH yang disimpan dalam metadata project, gunakan tanda additional-experiments dengan opsi layanan block_project_ssh_keys: --additional-experiments=block_project_ssh_keys.

Membuat tugas batch template kustom

Contoh ini membuat tugas batch dari template yang membaca file teks dan menulis file teks output.

    gcloud dataflow jobs run JOB_NAME \
        --gcs-location gs://YOUR_BUCKET_NAME/templates/MyTemplate \
        --parameters inputFile=gs://YOUR_BUCKET_NAME/input/my_input.txt,output=gs://YOUR_BUCKET_NAME/output/my_output

Permintaan ini menampilkan respons dengan format berikut.

    id: 2016-10-11_17_10_59-1234530157620696789
    projectId: YOUR_PROJECT_ID
    type: JOB_TYPE_BATCH

Membuat tugas streaming template kustom

Contoh ini membuat tugas streaming dari template yang membaca dari topik Pub/Sub dan menulis ke tabel BigQuery. Tabel BigQuery harus sudah ada dengan skema yang sesuai.

    gcloud dataflow jobs run JOB_NAME \
        --gcs-location gs://YOUR_BUCKET_NAME/templates/MyTemplate \
        --parameters topic=projects/project-identifier/topics/resource-name,table=my_project:my_dataset.my_table_name

Permintaan ini menampilkan respons dengan format berikut.

    id: 2016-10-11_17_10_59-1234530157620696789
    projectId: YOUR_PROJECT_ID
    type: JOB_TYPE_STREAMING

Untuk mengetahui daftar lengkap flag untuk perintah gcloud dataflow jobs run, lihat referensi gcloud CLI.

Pemantauan dan Pemecahan Masalah

Antarmuka pemantauan Dataflow memungkinkan Anda memantau tugas Dataflow. Jika tugas gagal, Anda dapat menemukan tips pemecahan masalah, strategi proses debug, dan katalog error umum dalam panduan Memecahkan Masalah Pipeline.