Cloud Composer 1 | Cloud Composer 2 | Cloud Composer 3
Questo tutorial mostra come utilizzare Cloud Composer per creare un DAG (Directed Acyclic Graph) Apache Airflow che esegue un job di conteggio parole di Apache Hadoop su un cluster Dataproc.
Obiettivi
- Accedere all'ambiente Cloud Composer e utilizzare la UI di Airflow.
- Crea e visualizza le variabili di ambiente Airflow.
- Crea ed esegui un DAG che includa le seguenti attività:
- Crea un cluster Dataproc.
- Esegue un job di conteggio parole Apache Hadoop nel cluster.
- Restituisce i risultati del conteggio delle parole in un bucket Cloud Storage.
- Elimina il cluster.
Costi
In questo documento, utilizzi i seguenti componenti fatturabili di Google Cloud:
- Cloud Composer
- Dataproc
- Cloud Storage
Per generare una stima dei costi in base all'utilizzo previsto, utilizza il Calcolatore prezzi.
Prima di iniziare
Assicurati che nel progetto siano abilitate le API seguenti:
Console
Abilita le API Dataproc, Cloud Storage.
gcloud
Abilita le API Dataproc, Cloud Storage.
gcloud services enable dataproc.googleapis.com
storage-component.googleapis.com Nel tuo progetto, crea un bucket Cloud Storage di qualsiasi classe di archiviazione e regione per archiviare i risultati del job di conteggio parole di Hadoop.
Prendi nota del percorso del bucket che hai creato, ad esempio
gs://example-bucket
. Definirai una variabile Airflow per questo percorso e userai la variabile nel DAG di esempio più avanti in questo tutorial.Crea un ambiente Cloud Composer con parametri predefiniti. Attendi il completamento della creazione dell'ambiente. Al termine, il segno di spunta verde viene visualizzato a sinistra del nome dell'ambiente.
Prendi nota della regione in cui hai creato il tuo ambiente, ad esempio
us-central
. Definirai una variabile Airflow per questa regione e la utilizzerai nel DAG di esempio per eseguire un cluster Dataproc nella stessa regione.
Imposta variabili Airflow
Imposta le variabili Airflow da utilizzare in seguito nel DAG di esempio. Ad esempio, puoi impostare le variabili Airflow nella UI di Airflow.
Variabile Airflow | Valore |
---|---|
gcp_project
|
L'ID progetto del progetto che stai utilizzando per questo tutorial, ad esempio example-project . |
gcs_bucket
|
L'URI del bucket Cloud Storage che hai creato per questo tutorial, ad esempio gs://example-bucket |
gce_region
|
La regione in cui hai creato l'ambiente, ad esempio us-central1 .
Questa è la regione in cui verrà creato
il cluster Dataproc. |
Visualizza il flusso di lavoro di esempio
Un DAG Airflow è una raccolta di attività organizzate che vuoi pianificare
ed eseguire. I DAG sono definiti in file Python standard. Il codice mostrato in hadoop_tutorial.py
è il codice del flusso di lavoro.
Flusso d'aria 2
Flusso d'aria 1
Operatori
Per orchestrare le tre attività nel flusso di lavoro di esempio, il DAG importa i seguenti tre operatori Airflow:
DataprocClusterCreateOperator
: crea un cluster Dataproc.DataProcHadoopOperator
: invia un job di conteggio parole di Hadoop e scrive i risultati in un bucket Cloud Storage.DataprocClusterDeleteOperator
: elimina il cluster per evitare addebiti continui per Compute Engine.
Dipendenze
Puoi organizzare le attività da eseguire in modo che riflettano le loro relazioni e dipendenze. Le attività in questo DAG vengono eseguite in sequenza.
Flusso d'aria 2
Flusso d'aria 1
Programmazione
Il nome del DAG è composer_hadoop_tutorial
e il DAG viene eseguito una volta al
giorno. Poiché l'start_date
che viene passato a default_dag_args
è impostato su yesterday
, Cloud Composer pianifica l'avvio del flusso di lavoro immediatamente dopo il caricamento del DAG nel bucket dell'ambiente.
Flusso d'aria 2
Flusso d'aria 1
Carica il DAG nel bucket dell'ambiente
Cloud Composer archivia i DAG nella cartella /dags
del bucket del tuo ambiente.
Per caricare il DAG:
Sul computer locale, salva
hadoop_tutorial.py
.Nella console Google Cloud, vai alla pagina Ambienti.
Nell'elenco degli ambienti, nella colonna Cartella DAG del tuo ambiente, fai clic sul link DAG.
Fai clic su Carica file.
Seleziona
hadoop_tutorial.py
sulla macchina locale e fai clic su Apri.
Cloud Composer aggiunge il DAG ad Airflow e pianifica il DAG automaticamente. Le modifiche ai DAG vengono applicate entro 3-5 minuti.
Esplora le esecuzioni di DAG
Visualizza lo stato dell'attività
Quando carichi il file DAG nella cartella dags/
di Cloud Storage, Cloud Composer analizza il file. Una volta completato correttamente, il nome del flusso di lavoro viene visualizzato nell'elenco di DAG e il flusso di lavoro viene messo in coda per essere eseguito immediatamente.
Per visualizzare lo stato dell'attività, vai all'interfaccia web di Airflow e fai clic su DAG nella barra degli strumenti.
Per aprire la pagina dei dettagli del DAG, fai clic su
composer_hadoop_tutorial
. Questa pagina include una rappresentazione grafica delle attività e delle dipendenze del flusso di lavoro.Per visualizzare lo stato di ogni attività, fai clic su Visualizzazione grafico e passa il mouse sopra l'immagine di ogni attività.
Aggiungi di nuovo il flusso di lavoro in coda
Per eseguire nuovamente il flusso di lavoro dalla Visualizzazione grafico:
- Nella visualizzazione del grafico della UI di Airflow, fai clic sull'immagine
create_dataproc_cluster
. - Per reimpostare le tre attività, fai clic su Cancella, quindi fai clic su OK per confermare.
- Fai di nuovo clic su
create_dataproc_cluster
in Visualizzazione grafico. - Per inserire nuovamente il flusso di lavoro in coda, fai clic su Esegui.
![](https://cloud.google.com/static/composer/docs/images/create-clear.png?hl=it)
Visualizza i risultati delle attività
Puoi anche controllare lo stato e i risultati del flusso di lavoro composer_hadoop_tutorial
visitando le seguenti pagine della console Google Cloud:
Cluster Dataproc: per monitorare la creazione e l'eliminazione del cluster. Tieni presente che il cluster creato dal flusso di lavoro è temporaneo: esiste solo per la durata del flusso di lavoro e viene eliminato come parte dell'ultima attività del flusso di lavoro.
Job Dataproc: per visualizzare o monitorare il job di conteggio parole di Apache Hadoop. Fai clic sull'ID job per visualizzarne l'output del log.
Browser Cloud Storage: per visualizzare i risultati del conteggio parole nella cartella
wordcount
del bucket Cloud Storage creato per questo tutorial.
esegui la pulizia
Elimina le risorse utilizzate in questo tutorial:
Elimina l'ambiente Cloud Composer, inclusa l'eliminazione manuale del bucket dell'ambiente.
Elimina il bucket Cloud Storage in cui sono archiviati i risultati del job di conteggio parole di Hadoop.