Esegui JanusGraph su GKE con Cloud Bigtable

I database di grafici possono aiutarti a scoprire insight modellando le tue entità di dati e le relazioni tra loro. JanusGraph è un database di grafici che supporta l'utilizzo di grandi quantità di dati. Questo tutorial mostra come eseguire JanusGraph su Google Cloud con Google Kubernetes Engine come piattaforma di orchestrazione e Cloud Bigtable come backend di archiviazione. Il tutorial è per architetti di sistema, amministratori di database e professionisti DevOps interessati a eseguire il database di grafici JanusGraph su Google Cloud utilizzando un database gestito come backend di archiviazione. Si presume che tu abbia dimestichezza con i Google Kubernetes Engine (GKE), i pod Kubernetes, i grafici Helm, Bigtable ed Elasticsearch. Non è richiesta alcuna conoscenza del framework di elaborazione dei grafici Apache TinkerPop e del linguaggio di attraversamento del grafico Gremlin, ma questa conoscenza è necessaria per utilizzare Janusgraph oltre gli esempi forniti in questo tutorial.

Panoramica

Nella terminologia dei grafici, le entità sono note come nodi o vertici, mentre le relazioni sono note come bordi. In JanusGraph, sia i vertici che i bordi possono avere dati associati aggiuntivi resi disponibili tramite le proprietà.

Esempio di grafico di una proprietà.

L'illustrazione precedente è un esempio di grafico di una proprietà.

I database di grafici consentono di modellare una varietà di domini e attività:

  • Social network
  • Transazioni finanziarie (per l'analisi delle frodi)
  • Reti di sistemi fisici o virtuali

Quando crei database di grafici, a volte vengono creati milioni o persino miliardi di vertici e bordi. Quando utilizzi JanusGraph con Bigtable come livello di archiviazione sottostante, puoi eseguire query rapide (note come intersezioni di grafici) e scalare il livello di archiviazione in modo indipendente in base alle dimensioni e alla velocità effettiva di cui hai bisogno. JanusGraph utilizza anche un backend di indicizzazione collegabile per fornire l'indicizzazione a testo intero per le proprietà vertice ed edge. In questo tutorial, esegui il deployment di un'infrastruttura JanusGraph scalabile su GKE. Utilizza Elasticsearch come backend di indicizzazione in esecuzione nei pod di uno StatefulSet e utilizzi Bigtable come backend di archiviazione. Al termine, puoi attraversare le relazioni esistenti nei dati del grafico. Il seguente diagramma mostra in che modo questi elementi interagiscono tra loro.

Deployment di JanusGraph con Bigtable su GKE.

Il diagramma di diagramma mostra il deployment di JanusGraph su GKE con Elasticsearch eBigtable.

Dati JanusGraph in Bigtable

I dati del grafico sono memorizzati da JanusGraph come elenco di adiacenza. Ogni riga rappresenta un vertice, tutti i vertici adiacenti (bordi) e i metadati della proprietà relativi ai vertici e ai bordi. La chiave di riga è l'identificatore univoco del vertice. Ogni relazione tra il vertice e un altro vertice e qualsiasi proprietà che definisce ulteriormente la relazione viene archiviata come colonna perimetrale o di proprietà del bordo. Sia i dati del qualificatore di colonna che quelli del valore di colonna che definiscono il perimetro, in conformità con le best practice per Bigtable. Ogni proprietà di vertice viene archiviata come colonna separata, sempre utilizzando il qualificatore di colonna e il valore della colonna per definire la proprietà.

Il seguente diagramma mostra questa struttura di archiviazione.

Struttura di archiviazione dell'elenco di funzioni JanusGraph.

Il diagramma mostra la struttura di archiviazione logica per un piccolo frammento di grafico con dettagli logici per due righe di vertice. Nel diagramma, le due righe di esempio rappresentano due vertici. Il primo vertice è etichettato con un'unica proprietà vertice ed è correlato ad altri due vertici da due bordi separati. Il secondo vertice contiene colonne contenenti due proprietà e un bordo.

La seguente illustrazione del modello dei dati logici perimetrali al vertice fornisce alcuni dettagli sui qualificatori e sui valori della colonna per una colonna perimetrale o di proprietà perimetrale.

Colonna delle proprietà JanusGraph e dei bordi.

Per ogni vertice adiacente, una colonna archivia i metadati relativi a quel bordo. Il qualificatore di colonna contiene metadati relativi alla relazione sul perimetro e alla direzione del bordo, oltre a un puntatore al vertice adiacente. Il valore della colonna contiene l'etichetta del bordo ed eventuali altre proprietà del bordo. Poiché gli incroci possono essere seguiti in entrambe le direzioni, i bordi vengono archiviati due volte, una per ogni estremità della relazione sul bordo. L'archiviazione perimetrale bidirezionale aumenta in modo significativo le prestazioni di attraversamento, ma offre alcuni compromessi a causa della ridondanza dello spazio di archiviazione aggiuntivo e delle mutazioni del bordo non atomico.

Il seguente diagramma è il modello dei dati logici di una colonna della proprietà vertice.

Valori della colonna JanusGraph per una colonna della proprietà.

L'illustrazione precedente fornisce dettagli sui qualificatori e sui valori delle colonne di bordo.

Ogni proprietà del vertice viene archiviata come colonna separata. Il qualificatore di colonna è un identificatore univoco della chiave della proprietà. Il valore della colonna contiene sia un identificatore per la proprietà sia il valore della proprietà.

Inoltre, per migliorare le prestazioni delle query, JanusGraph si affida all'ordinamentolessicografico di righe e qualificatori di colonna di Bigtable.

Obiettivi

  • Crea un'istanza Bigtable.
  • Crea un cluster GKE.
  • Installa Helm.
  • Utilizza un grafico Helm per eseguire il deployment di JanusGraph e di Elasticsearch.
  • Usa la console di Gremlin e connettiti a JanusGraph.
  • Carica ed esegui query sui dati di esempio.

Costi

In questo documento vengono utilizzati i seguenti componenti fatturabili di Google Cloud:

Per generare una stima dei costi in base all'utilizzo previsto, utilizza il Calcolatore prezzi. I nuovi utenti di Google Cloud possono essere idonei a una prova senza costi aggiuntivi.

Una volta completate le attività descritte in questo documento, puoi evitare la fatturazione continua eliminando le risorse che hai creato. Per ulteriori informazioni, consulta la pagina Pulizia.

Prerequisiti

  1. Accedi al tuo account Google Cloud. Se non conosci Google Cloud, crea un account per valutare le prestazioni dei nostri prodotti in scenari reali. I nuovi clienti ricevono anche 300 $di crediti gratuiti per l'esecuzione, il test e il deployment dei carichi di lavoro.

  2. Nella console di Google Cloud Console, nella pagina del selettore dei progetti, seleziona o crea un progetto Google Cloud.

    Vai al selettore progetti

  3. Assicurati che la fatturazione sia attivata per il tuo progetto Google Cloud.

  4. Abilita le API Bigtable, Compute Engine e GKE .

    Abilita le API

    5.

  5. Nella console di Google Cloud Console, nella pagina del selettore dei progetti, seleziona o crea un progetto Google Cloud.

    Vai al selettore progetti

  6. Assicurati che la fatturazione sia attivata per il tuo progetto Google Cloud.

  7. Abilita le API Bigtable, Compute Engine e GKE .

    Abilita le API

    8.

prepara l'ambiente

In questo tutorial, utilizzerai Cloud Shell per inserire comandi. Cloud Shell consente di accedere alla riga di comando nella console Google Cloud e include Google Cloud CLI e altri strumenti che devi sviluppare in Google Cloud. Cloud Shell viene visualizzato come finestra nella parte inferiore della console Google Cloud. L'inizializzazione dell'applicazione può richiedere alcuni minuti, ma la finestra viene visualizzata immediatamente.

  1. In Google Cloud Console, attiva Cloud Shell.

    Attiva Cloud Shell

  2. In Cloud Shell, imposta le variabili di ambiente per la zona Compute Engine in cui creerai il cluster Bigtable e il cluster GKE e il nome, il tipo di nodo e la versione del tuo cluster GKE:

    export PROJECT_ID=PROJECT_ID
export GCP_ZONE=REGION
export GKE_CLUSTER_NAME=GKE_CLUSTER_NAME
export GKE_NODE_TYPE=n1-standard-4
export GKE_VERSION=1.20

    Sostituisci quanto segue:

    • PROJECT_ID con il tuo identificatore progetto.
    • REGION con la zona in cui verranno creati il cluster Bigtable e il cluster GKE.
    • GKE_CLUSTER_NAME con il nome del tuo cluster GKE.

    Il comando dovrebbe essere simile al seguente esempio:

    export PROJECT_ID=bt-janusgraph-project-id
export GCP_ZONE=us-central1-f
export GKE_CLUSTER_NAME=janusgraph-gke
export GKE_NODE_TYPE=n1-standard-4
export GKE_VERSION=1.20

  3. Crea un cluster GKE in cui verrà eseguito il deployment di JanusGraph:

    gcloud container clusters create ${GKE_CLUSTER_NAME} \
    --zone=${GCP_ZONE} \
    --cluster-version=${GKE_VERSION} \
    --machine-type ${GKE_NODE_TYPE} \
    --scopes "https://www.googleapis.com/auth/cloud-platform"

Crea un'istanza Bigtable

Per il backend di archiviazione JanusGraph, questo tutorial utilizza Bigtable, che è in grado di scalare rapidamente in base alle tue esigenze. Questo tutorial utilizza un cluster a nodo singolo, che è sia economico che sufficiente per il tutorial. Puoi iniziare i progetti con un cluster più piccolo e poi passare a un cluster più grande quando è tutto pronto per lavorare con i dati di produzione. La documentazione di Bigtable include una discussione dettagliata sulle prestazioni e la scalabilità per aiutarti a scegliere una dimensione del cluster per il tuo lavoro.

  1. In Cloud Shell, imposta la variabile di ambiente per l'identificatore dell'istanza Bigtable:

    export BIGTABLE_INSTANCE_ID=BIGTABLE_INSTANCE_ID

    Sostituisci BIGTABLE_INSTANCE_ID con l'identificatore dell'istanza Bigtable.

  2. Crea l'istanza Bigtable:

    gcloud bigtable instances create ${BIGTABLE_INSTANCE_ID} \
    --cluster-config=id=${BIGTABLE_INSTANCE_ID}-${GCP_ZONE},zone=${GCP_ZONE},nodes=1 \
    --display-name=${BIGTABLE_INSTANCE_ID}-${GCP_ZONE}

Installa e configura Helm

Utilizzerai Helm per eseguire il deployment delle applicazioni nel tuo cluster Kubernetes. In questo tutorial, utilizzerai Helm per eseguire il deployment dei servizi JanusGraph ed Elasticsearch sul tuo cluster GKE.

  1. In Cloud Shell, installa Helm:

    curl -fsSL -o get_helm.sh \
    https://raw.githubusercontent.com/helm/helm/master/scripts/get-helm-3
chmod 700 get_helm.sh
DESIRED_VERSION=v3.5.0 ./get_helm.sh

  2. Aggiungi il repository del grafico elastic, in modo che la dipendenza dal grafico Elasticsearch sia trovata durante il deployment del grafico JanusGraph:

    helm repo add elastic https://helm.elastic.co

    Questo repository di grafici è ospitato da Elastic, il creatore di Elasticsearch.

Usa Helm per installare JanusGraph ed Elasticsearch

In questa sezione utilizzerai un grafico Helm per eseguire il deployment di JanusGraph ed Elasticsearch nel tuo cluster Kubernetes.

Il grafico Helm viene estratto da GitHub. Il deployment incluso nel repository dei grafici Helm esegue il deployment di un set di tre pod JananGraph dietro un servizio che avvierà un bilanciatore del carico dell'applicazione interno. Quando i pod sono in esecuzione, i probe di avvio e di attività effettuano richieste HTTP per eseguire controlli di integrità sul server JanusGraph su ogni pod. Inoltre, il grafico include un grafico delle dipendenze fornito da Elastic che esegue il deployment di tre pod Elasticsearch in uno StatefulSet.

  1. In Cloud Shell, imposta le variabili di ambiente per i nomi Helm e JananGraph:

    export HELM_REPO=bigtable-janusgraph-helm
export JANUSGRAPH_VERSION=0.5.3
export HELM_CHART_RELEASE_VERSION=1
export HELM_CHART_RELEASE_TAG=${JANUSGRAPH_VERSION}-${HELM_CHART_RELEASE_VERSION}
export HELM_CHART_RELEASE_TAG_HASH=f8b271a4854d4a553dd5e9ba014d077fb098d9ab
export HELM_CHART_NAME=janusgraph-bigtable

  2. Esegui il pull del grafico Helm da GitHub:

    git clone https://github.com/GoogleCloudPlatform/${HELM_REPO} \
   --branch ${HELM_CHART_RELEASE_TAG}

  3. Vai alla directory del grafico Helm:

    cd ${HELM_REPO}

  4. Per motivi di sicurezza, esegui la verifica utilizzando l'hash di commit:

    HEAD_COMMIT_HASH=$(git rev-parse --verify HEAD)
if [ _${HEAD_COMMIT_HASH} == _${HELM_CHART_RELEASE_TAG_HASH} ]
then
    echo "Commit hash verified"
fi

    Se l'output non è simile al seguente, non procedere perché l'integrità del tag clonato non è stata verificata.

    Commit hash verified

  5. Aggiorna le dipendenze del grafico:

    helm dep update

  6. Vai alla directory principale:

    cd ..

  7. Imposta le variabili di ambiente per i nomi delle entità Helm e JanusGraph:

    export HELM_RELEASE_NAME=janusgraph-bigtable-elastic
export ELASTICSEARCH_CLUSTER_NAME=${HELM_RELEASE_NAME}-elasticsearch
export BIGTABLE_JANUSGRAPH_TABLE=janusgraph-table

  8. Crea un file values.yaml, che fornisce a Helm le proprietà di configurazione da utilizzare durante il deployment del grafico JanusGraph:

    cat > values.yaml << EOF

image:
  repository: docker.io/janusgraph/janusgraph
  tag: 0.5.3
  pullPolicy: IfNotPresent

replicaCount: 3

service:
  type: LoadBalancer
  port: 8182
  serviceAnnotations:
    networking.gke.io/load-balancer-type: "Internal"

elasticsearch:
  deploy: true
  clusterName: ${ELASTICSEARCH_CLUSTER_NAME}

properties:
  storage.backend: hbase
  storage.directory: null
  storage.hbase.ext.google.bigtable.instance.id: ${BIGTABLE_INSTANCE_ID}
  storage.hbase.ext.google.bigtable.project.id: ${PROJECT_ID}
  storage.hbase.ext.hbase.client.connection.impl: com.google.cloud.bigtable.hbase2_x.BigtableConnection
  storage.hbase.short-cf-names: true
  storage.hbase.table: ${BIGTABLE_JANUSGRAPH_TABLE}
  index.search.backend: elasticsearch
  index.search.hostname: ${ELASTICSEARCH_CLUSTER_NAME}-master
  index.search.directory: null
  index.search.elasticsearch.health-request-timeout: 90s
  cache.db-cache: true
  cache.db-cache-clean-wait: 20
  cache.db-cache-time: 180000
  cache.db-cache-size: 0.5
  cluster.max-partitions: 1024
  graph.replace-instance-if-exists: true

persistence:
  enabled: false

debugLevel: INFO
EOF

  9. Esegui il deployment del grafico JanusGraph Helm utilizzando il file values.yaml creato:

    helm upgrade --install \
             --wait \
              --timeout 600s \
              ${HELM_RELEASE_NAME} \
              ./${HELM_REPO} \
              -f values.yaml

    Il processo di installazione attende che tutte le risorse siano pronte prima del completamento. Questa procedura potrebbe richiedere diversi minuti.

Verificare il deployment JanusGraph

Al termine del processo di installazione di Helm, viene visualizzata una sezione NOTES che descrive un'esperienza introduttiva. Puoi seguire i passaggi descritti nella sezione NOTES per verificare che il tuo ambiente JanusGraph funzioni.

  1. In Cloud Shell, verifica che i componenti del grafico Helm siano stati distribuiti in GKE:

    1. Verifica il deployment JanusGraph:

      kubectl get deployments

      Se il deployment ha esito positivo, l'output è il seguente:

      NAME                          READY   UP-TO-DATE   AVAILABLE   AGE
janusgraph-bigtable-elastic   3/3     3            3           3m28s

    2. Controlla l'Elasticsearch StatefulSet:

      kubectl get statefulsets

      Se tutto funziona correttamente, l'output è il seguente:

      NAME                                               READY   AGE
janusgraph-bigtable-elastic-elasticsearch-master   3/3     4m13s

  2. Imposta una variabile di ambiente sul nome di un pod Kubernetes che esegue il server JanusGraph Gremlin. L'etichetta app per il pod che esegue il server Gremlin deriva dal nome del grafico Helm definito nel file Chart.yaml.

    export APP_LABEL_FROM_CHART_NAME=${HELM_CHART_NAME}
export POD_NAME=$(kubectl get pods \
                     --namespace default \
                     -l "app=${APP_LABEL_FROM_CHART_NAME}, \
                         release=${HELM_RELEASE_NAME}" \
                     -o jsonpath="{.items[0].metadata.name}")

  3. Connettiti al pod ed esegui la console Gremlin, una shell di lettura evale con loop di stampa (REPL). Il nome del container deriva anche dal nome del grafico Helm in Chart.yaml.

    export GREMLIN_CONTAINER=${HELM_CHART_NAME}
kubectl exec \
        -c ${GREMLIN_CONTAINER} \
        -it $POD_NAME \
        -- /opt/janusgraph/bin/gremlin.sh

  4. Nella console Gremlin, connettiti al server Apache TinkerPop:

    1. Avvia la sessione:

      :remote connect tinkerpop.server conf/remote.yaml session

      L'output è simile al seguente:

      ==>Configured localhost/127.0.0.1:8182-[b08972f2-a2aa-4312-8018-bcd11bc9812c]

    2. Connettiti al server:

      :remote console

      L'output è simile al seguente:

      ==>All scripts will now be sent to Gremlin Server - [localhost/127.0.0.1:8182]-[b08972f2-a2aa-4312-8018-bcd11bc9812c] - type ':remote console' to return to local mode>

  5. Nella console Gremlin, verifica che il server Gremlin sia in esecuzione correttamente controllando la variabile graph che rappresenta l'istanza del grafico:

    graph

    L'output indica che il server JanusGraph è in esecuzione con un database compatibile con HBase, in questo caso Bigtable, come backend di archiviazione.

    ==>standardjanusgraph[hbase:[127.0.0.1]]

  6. In Gremlin, crea due vertici

    v1 = graph.addVertex(label, 'hello')
v2 = graph.addVertex(label, 'world')

    Se l'output della console è simile al seguente, significa che sono stati aggiunti i due vertici:

    ==>v[4344]
==>v[4152]

  7. Crea un bordo che collega i due vertici:

    v1.addEdge('followedBy', v2)

    Se l'output della console è simile al seguente, significa che è stato aggiunto il bordo tra i due vertici:

    ==>e[17j-3co-4fmd-oe054][4344-followedBy->4152]

  8. Esegui il commit della transazione:

    graph.tx().commit()

    Se l'output della console è null, significa che le operazioni sono state eseguite:

    ==>null

    Il seguente diagramma illustra il grafico creato dai comandi.

    I vertici e gli spigoli di esempio di JanusGraph.

    Il vertice etichettato con hello è collegato da un bordo diretto con etichetta followedBy al vertice con etichetta world.

  9. Esegui una query Gremlin per verificare l'etichetta del vertice che segue un bordo denominato followedBy dal vertice denominato hello:

    g.V().has(label, 'hello').out('followedBy').label()

    La sintassi delle query è spiegata nella sezione successiva. Per ora, vedi la parola world come output della query:

    ==>world

Carica ed esegui query su un set di dati di esempio

Ora che hai eseguito il deployment di JanusGraph e puoi connetterti utilizzando Gremlin, puoi iniziare a caricare ed eseguire query sui tuoi dati. Per vedere come funziona questo processo, carica il set di dati di esempio fornito con JanusGraph, il grafico dei Dei, che mostra le divinità mitologiche del pantheon romano e le loro proprietà di posizione.

  1. In Gremlin, carica il grafico che hai creato in precedenza:

    GraphOfTheGodsFactory.load(graph)

    L'output è il seguente:

    ==>null

  2. Emetti una query di attraversamento grafico che trova tutti i fratelli di Giove:

    g.V().has('name', 'jupiter').out('brother').values('name')

    La seguente tabella spiega i passaggi attraversati dalla query.

    Passaggio di attraversamento Spiegazione
    g.V() Inizia con la raccolta dei vertici.
    has('name', 'jupiter') Trova l'oggetto con la proprietà name con il valore jupiter.
    out('brother') A questo punto, segui tutti i bordi con l'etichetta brother.
    values('name') Per i vertici in cui questi bordi conducono, ottieni la proprietà name.
    L'output è il seguente:

    ==>neptune
==>pluto

    Per acquisire familiarità con le query di attraversamento disponibili in questo grafico del set di dati Gods, prova altre query di esempio nella documentazione di JanusGraph.

Verifica che i dati siano archiviati in Bigtable

Ora che hai creato alcuni dati di esempio nel cluster JanusGraph, puoi verificare che Bigtable sia stato utilizzato come backend di archiviazione.

  1. Chiudi la console Gremlin:

    :q

  2. In Cloud Shell, verifica che i dati siano stati resi persistenti nella tabella janusgraph in Bigtable:

    cbt -project=${PROJECT_ID} \
    -instance=${BIGTABLE_INSTANCE_ID} \
     count ${BIGTABLE_JANUSGRAPH_TABLE}

    L'output è simile al seguente.

    2021/03/02 02:32:19 -creds flag unset, will use gcloud credential
101

    Il valore 101 nell'output rappresenta il numero di righe in janusgraph table e potrebbe essere diverso per te.

Verifica la creazione dell'indice di ricerca in Elasticsearch

  1. In Cloud Shell, imposta le variabili per l'indice e il nome del pod Elasticsearch:

    export ELASTICSEARCH_POD_ORDINAL=0
export ELASTICSEARCH_POD_NAME_ROOT=${ELASTICSEARCH_CLUSTER_NAME}-master
export ELASTICSEARCH_POD=${ELASTICSEARCH_POD_NAME_ROOT}-0

    I nomi dei pod Elasticsearch sono definiti dalle dipendenze Elasticsearch Helm. I nomi dei pod sono costituiti dal nome del cluster fornito nel file values.yaml che hai creato, dalla parola master e da un numero ordinale a indice zero, tutti separati da trattini. Per questo passaggio, scegli il primo pod, rappresentato da zero (0).

  2. Utilizza l'API REST di Elasticsearch alias per controllare gli indici:

    kubectl exec \
        -c elasticsearch \
        -it ${ELASTICSEARCH_POD} \
        --  \
        curl -XGET "127.0.0.1:9200/_aliases?pretty=true";

    L'output mostra due indici, janusgraph_vertices e janusgraph_edges, creati da JanusGraph per fornire ricerche efficienti utilizzando i vertici e le proprietà perimetrali:

    {
  "janusgraph_vertices" : {
    "aliases" : {
      "janusgraph" : { }
    }
  },
  "janusgraph_edges" : {
    "aliases" : {
      "janusgraph" : { }
    }
  }
}

  3. Esegui una query sui valori di uno degli indici utilizzando l'API REST di Elasticsearch:

    kubectl exec \
       -c elasticsearch \
       -it ${ELASTICSEARCH_POD} \
       --  \
       curl -XGET "127.0.0.1:9200/janusgraph_edges/_search?pretty=true&q=*";

    I risultati di ricerca mostrano che sono presenti voci negli indici creati da JanusGraph. L'output visualizzato è simile ai seguenti risultati troncati, che mostrano che ci sono voci nell'indice janusgraph_edges.

    {
 "took" : 94,
 "timed_out" : false,
 "_shards" : {
   "total" : 1,
   "successful" : 1,
   "skipped" : 0,
   "failed" : 0
 },
 "hits" : {
   "total" : {
     "value" : 6,
     "relation" : "eq"
   },
   "max_score" : 1.0,
   "hits" : [
     {
       "_index" : "janusgraph_edges",
       "_type" : "_doc",
       "_id" : "6bvp-5ovc-b2t-2yko",
       "_score" : 1.0,
       "_source" : {
         "reason" : "loves waves"
       }
     },
     {
…

Elimina il progetto

Per evitare che al tuo account Google Cloud vengano addebitati costi relativi alle risorse utilizzate in questo tutorial, elimina il progetto che contiene le risorse oppure mantieni il progetto ed elimina le singole risorse.

  1. Nella console Google Cloud, vai alla pagina Gestisci risorse.

    Vai a Gestisci risorse

  2. Nell'elenco dei progetti, seleziona il progetto che vuoi eliminare, quindi fai clic su Elimina.
  3. Nella finestra di dialogo, digita l'ID del progetto e fai clic su Chiudi per eliminare il progetto.

Passaggi successivi