Für jede Pipeline können Sie die Instrumentierung aktivieren oder deaktivieren, z. B. Zeitmesswerte. Die Instrumentierung ist standardmäßig aktiviert. Wenn die Instrumentierung aktiviert ist, generiert Cloud Data Fusion bei der Ausführung der Pipeline Messwerte für jeden Pipelineknoten. Die folgenden Messwerte werden auf dem Tab Messwerte jedes Knotens angezeigt. Die Messwerte für Quelle, Transformation und Senke unterscheiden sich geringfügig.
Ausgegebene Einträge
Einträge in
Gesamtzahl der Fehler
Ausgehende Datensätze pro Sekunde
Minimale Verarbeitungszeit (ein Datensatz)
Maximale Verarbeitungszeit (ein Datensatz)
Standardabweichung
Durchschnittliche Verarbeitungszeit
Wir empfehlen, die Instrumentierung immer zu aktivieren, es sei denn, der Ressourcenbedarf der Umgebung ist zu hoch.
Bei Streamingpipelines können Sie auch das Batch-Intervall (Sekunden/Minuten) für Streamingdaten festlegen.
Engine-Konfiguration
Apache Spark ist die Standardausführungs-Engine. Sie können benutzerdefinierte Parameter für Spark übergeben. Weitere Informationen finden Sie unter Parallele Verarbeitung.
Ressourcen
Sie können den Arbeitsspeicher und die Anzahl der CPUs für den Spark-Treiber und den Spark-Executor angeben. Der Treiber orchestriert den Spark-Job. Der Executor übernimmt die Datenverarbeitung in Spark. Weitere Informationen finden Sie unter Ressourcenverwaltung.
Pipelinewarnung
Sie können die Pipeline so konfigurieren, dass Benachrichtigungen gesendet und Aufgaben zur Nachbearbeitung gestartet werden, nachdem die Pipeline ausgeführt wurde. Sie erstellen Pipeline-Benachrichtigungen, wenn Sie die Pipeline entwerfen. Nach der Bereitstellung der Pipeline können Sie sich die Benachrichtigungen ansehen. Sie können die Pipeline bearbeiten, um die Benachrichtigungseinstellungen zu ändern. Weitere Informationen finden Sie unter Benachrichtigungen erstellen.
Transformations-Push-down
Sie können das Transformations-Push-down aktivieren, wenn bestimmte Transformationen in BigQuery in einer Pipeline ausgeführt werden sollen. Weitere Informationen finden Sie in der Übersicht über den Transformations-Push-down.
[[["Leicht verständlich","easyToUnderstand","thumb-up"],["Mein Problem wurde gelöst","solvedMyProblem","thumb-up"],["Sonstiges","otherUp","thumb-up"]],[["Schwer verständlich","hardToUnderstand","thumb-down"],["Informationen oder Beispielcode falsch","incorrectInformationOrSampleCode","thumb-down"],["Benötigte Informationen/Beispiele nicht gefunden","missingTheInformationSamplesINeed","thumb-down"],["Problem mit der Übersetzung","translationIssue","thumb-down"],["Sonstiges","otherDown","thumb-down"]],["Zuletzt aktualisiert: 2025-09-04 (UTC)."],[[["\u003cp\u003eThis page provides guidance on managing configurations for deployed pipelines, including compute profiles, pipeline instrumentation, engine parameters, resource allocation, and alerts.\u003c/p\u003e\n"],["\u003cp\u003eYou can customize the compute profile that runs the pipeline and set parameters, with the option to manage profiles and view Dataproc provisioner properties.\u003c/p\u003e\n"],["\u003cp\u003eInstrumentation can be enabled or disabled to generate metrics for each pipeline node, which can help in performance monitoring, and is recommended unless resources are constrained.\u003c/p\u003e\n"],["\u003cp\u003eConfigurations can also be made to allow for custom Spark parameters, memory and CPU specifications for the driver and executor, and the setting of batch intervals for streaming data.\u003c/p\u003e\n"],["\u003cp\u003ePipeline alerts and post-processing tasks can be set up during pipeline design and viewed after deployment, with the flexibility to enable transformation pushdown for BigQuery execution.\u003c/p\u003e\n"]]],[],null,["# Manage pipeline configurations\n\nThis page describes ways you can manage configurations for deployed\npipelines.\n\nBefore you begin\n----------------\n\nThis page requires some background knowledge about [Compute profiles](/data-fusion/docs/how-to/manage-compute-profiles) and\n[pipeline performance](/data-fusion/docs/concepts/performance-tuning-overview).\n\nCompute profile configuration\n-----------------------------\n\nYou can change the compute profile or customize the parameters of the default\ncompute profile that runs the pipeline. For more information, see\n[Manage compute profiles](/data-fusion/docs/how-to/manage-compute-profiles) and [Dataproc provisioner properties](/data-fusion/docs/concepts/dataproc).\n\nPipeline configuration\n----------------------\n\nFor each pipeline, you can enable or disable instrumentation, such as timing\nmetrics. By default, instrumentation is on. If instrumentation is enabled, when\nyou run the pipeline, Cloud Data Fusion generates metrics for each pipeline\nnode. The following metrics display on the **Metrics** tab of each node. The\nsource, transformation, and sink metrics vary slightly.\n\n- Records out\n- Records in\n- Total number of errors\n- Records out per second\n- Min process time (one record)\n- Max process time (one record)\n- Standard deviation\n- Average processing time\n\nWe recommend you always turn on Instrumentation, unless the environment is short\non resources.\n\nFor streaming pipelines, you can also set the **Batch interval**\n(seconds/minutes) for streaming data.\n\nEngine configuration\n--------------------\n\nApache Spark is the default execution engine. You can pass custom parameters\nfor Spark. For more information, see [Parallel processing](/data-fusion/docs/concepts/parallel-processing).\n\nResources\n---------\n\nYou can specify the memory and number of CPUs for the Spark driver and\nexecutor. The driver orchestrates the Spark job. The executor handles the data\nprocessing in Spark. For more information, see [Resource management](/data-fusion/docs/concepts/resource-management).\n\nPipeline alert\n--------------\n\nYou can configure the pipeline to send alerts and start post processing tasks\nafter the pipeline run finishes. You create pipeline alerts when you design the\npipeline. After you deploy the pipeline, you can view the alerts. You can edit\nthe pipeline to change alert settings. For more information, see\n[Create alerts](/data-fusion/docs/how-to/create-alerts).\n\nTransformation pushdown\n-----------------------\n\nYou can enable Transformation pushdown if you want a pipeline to execute\ncertain transformations in BigQuery. For more information,\nsee the [Transformation Pushdown overview](/data-fusion/docs/concepts/transformation-pushdown).\n\nWhat's next\n-----------\n\n- Learn more about [viewing and downloading pipeline logs in Cloud Data Fusion](/data-fusion/docs/how-to/view-and-download-pipeline-logs)."]]
