Organiza canalizaciones

En esta página, se explica la orquestación de canalización con Cloud Composer y los activadores. Cloud Data Fusion recomienda usar Cloud Composer para orquestar canalizaciones. Si necesitas una forma más sencilla de administrar la orquestación, usa activadores.

Compositor

Organiza canalizaciones con Cloud Composer

La orquestación de la ejecución de canalizaciones en Cloud Data Fusion con Cloud Composer proporciona los siguientes beneficios:

  • Administración centralizada de flujos de trabajo: Administra de forma uniforme la ejecución de varias canalizaciones de Cloud Data Fusion.
  • Administración de dependencias: Para garantizar el orden de ejecución correcto, define las dependencias entre las canalizaciones.
  • Supervisión y alertas: Cloud Composer proporciona funciones de supervisión y alertas para fallas.
  • Integración con otros servicios: Cloud Composer te permite organizar flujos de trabajo que abarcan Cloud Data Fusion y otros servicios deGoogle Cloud .

Para organizar las canalizaciones de Cloud Data Fusion con Cloud Composer, sigue este proceso:

  1. Configura el entorno de Cloud Composer.

    • Crea un entorno de Cloud Composer. Si no tienes uno, aprovisiona el entorno en tu Google Cloud proyecto. Este entorno es tu lugar de trabajo de orquestación.
    • Otorga permisos. Asegúrate de que la cuenta de servicio de Cloud Composer tenga los permisos necesarios para acceder a Cloud Data Fusion (como el permiso para iniciar, detener y enumerar canalizaciones).

  2. Define grafos acíclicos dirigidos (DAG) para la orquestación.

    • Crea un DAG: En Cloud Composer, crea un DAG que defina el flujo de trabajo de orquestación para tus canalizaciones de Cloud Data Fusion.
    • Operadores de Cloud Data Fusion: Usa los operadores de Cloud Data Fusion de Cloud Composer en tu DAG. Estos operadores te permiten interactuar de manera programática con Cloud Data Fusion.

Operadores de Cloud Data Fusion

La orquestación de canalizaciones de Cloud Data Fusion tiene los siguientes operadores:

CloudDataFusionStartPipelineOperator

Activa la ejecución de una canalización de Cloud Data Fusion por su ID. Tiene los siguientes parámetros:

  • ID de la canalización
  • Ubicación (regiónGoogle Cloud )
  • Espacio de nombres de la canalización
  • Argumentos del entorno de ejecución (opcional)
  • Espera a que se complete (opcional)
  • Tiempo de espera (opcional)
CloudDataFusionStopPipelineOperator

Te permite detener una canalización de Cloud Data Fusion en ejecución.

CloudDataFusionDeletePipelineOperator

Borra una canalización de Cloud Data Fusion.

Compila el flujo de trabajo de DAG

Cuando crees el flujo de trabajo de DAG, ten en cuenta lo siguiente:

  • Definir dependencias: Usa la estructura de DAG para definir las dependencias entre tareas. Por ejemplo, puedes tener una tarea que espere a que una canalización en un espacio de nombres se complete correctamente antes de activar otra canalización en un espacio de nombres diferente.
  • Programación: Programa el DAG para que se ejecute en intervalos específicos, como a diario o por hora, o configúralo para que se active de forma manual.

Para obtener más información, consulta la descripción general de Cloud Composer.

Activadores

Organiza canalizaciones con activadores

Los activadores de Cloud Data Fusion te permiten ejecutar automáticamente una canalización descendente cuando se completa una o más canalizaciones ascendentes (con éxito, error o cualquier condición especificada).

Los activadores son útiles para las siguientes tareas:

  • Limpiar tus datos una vez y hacer que estén disponibles para varias canalizaciones descendentes a fin de consumirlos.
  • Compartir información, como argumentos de entorno de ejecución y configuraciones de complementos, entre canalizaciones. Esta tarea se denomina configuración de carga útil.
  • Tener un conjunto de canalizaciones dinámicas que se ejecuten con los datos de la hora, el día, la semana o el mes, en lugar de una canalización estática que se debe actualizar para cada ejecución.

Por ejemplo, tienes un conjunto de datos que contiene toda la información sobre los envíos de tu empresa. En función de estos datos, quieres responder varias preguntas empresariales. Para ello, creas una canalización que limpia los datos sin procesar sobre los envíos, llamada Limpieza de datos de envíos. Luego, creas una segunda canalización, Delayed Shipments USA, que lee los datos limpios y encuentra los envíos dentro de EE.UU. que se retrasaron por más de un límite especificado. La canalización de envíos retrasados de EE.UU. se puede activar en cuanto se complete correctamente la canalización de limpieza de datos de envíos upstream.

Además, como la canalización descendente consume el resultado de la canalización ascendente, debes especificar que, cuando se ejecuta la canalización descendente con este activador, también recibe el directorio de entrada del que se debe leer (que es el directorio en el que la canalización ascendente generó su resultado). Este proceso se denomina pasar la configuración de la carga útil, que defines con argumentos de tiempo de ejecución. Te permite tener un conjunto de canalizaciones dinámicas que se ejecutan con los datos de la hora, el día, la semana o el mes (no una canalización estática, que se debe actualizar para cada ejecución).

Para orquestar canalización con activadores, sigue este proceso:

  1. Crea canalizaciones ascendentes y descendentes.

    • En Cloud Data Fusion Studio, diseña e implementa las canalizaciones que forman tu cadena de orquestación.
    • Considera qué canalización completará la siguiente canalización (aguas abajo) en tu flujo de trabajo.

  2. Opcional: Pasa argumentos de tiempo de ejecución para las canalizaciones upstream.

  3. Crea un activador entrante en la canalización descendente.

    • En Studio de Cloud Data Fusion, ve a la página List. En la pestaña Implementada, haz clic en el nombre de la canalización descendente. Aparecerá la vista Implementar de esa canalización.
    • En el lado medio izquierdo de la página, haz clic en Activadores entrantes. Aparecerá una lista de las canalizaciones disponibles.
    • Haz clic en la canalización ascendente. Selecciona uno o más de los estados de finalización de la canalización ascendente (Succeeds, Fails o Stops) como la condición para cuándo se debe ejecutar la canalización descendente.
    • Si deseas que la canalización ascendente comparta información (llamada configuración de la carga útil) con la canalización descendente, haz clic en Trigger config y, luego, sigue los pasos para pasar la configuración de la carga útil como argumentos de entorno de ejecución. De lo contrario, haz clic en Habilitar activador.

  4. Prueba el activador.

    • Inicia una ejecución de la canalización ascendente.
    • Si el activador se configuró de forma correcta, la canalización downstream se ejecutará automáticamente cuando se completen las canalizaciones upstream, según la condición que hayas configurado.

Pasa la configuración de la carga útil como argumentos del entorno de ejecución

La configuración de la carga útil permite compartir información de la canalización ascendente con la canalización descendente. Esta información puede ser, por ejemplo, el directorio de salida, el formato de datos o el día en que se ejecutó la canalización. Luego, la canalización descendente usa esta información para tomar decisiones, como determinar el conjunto de datos correcto del que se debe leer.

Para pasar información de la canalización ascendente a la canalización descendente, debes configurar los argumentos del entorno de ejecución de la canalización descendente con los valores de los argumentos del entorno de ejecución o la configuración de cualquier complemento en la canalización ascendente.

Cada vez que se activa y ejecuta la canalización descendente, su configuración de carga útil se establece con los argumentos del entorno de ejecución de la ejecución en particular de la canalización ascendente que activó la canalización descendente.

Para pasar la configuración de la carga útil como argumentos del entorno de ejecución, sigue estos pasos:

  1. Siguiendo desde donde quedaste en Cómo crear un activador entrante, después de hacer clic en Configuración del activador, aparecerán todos los argumentos de entorno de ejecución que configuraste anteriormente para tu canalización ascendente. Elige los argumentos de tiempo de ejecución que se pasarán de la canalización ascendente a la canalización descendente cuando se ejecute este activador.
  2. Haz clic en la pestaña Configuración del complemento para ver una lista de lo que se pasará de la canalización ascendente a la canalización descendente cuando se active.
  3. Haz clic en Configurar y habilitar activador.