Questa pagina fornisce le best practice per sviluppare e testare la pipeline Dataflow.
Panoramica
Il modo in cui il codice per la tua pipeline viene implementato ha un influenza le prestazioni della pipeline in produzione. Per aiutarti a creare codice della pipeline che funzioni in modo corretto ed efficiente, questo documento illustra quanto segue:
- Runner di pipeline per supportare l'esecuzione del codice nelle diverse fasi di sviluppo e di implementazione.
- Ambienti di deployment che ti consentono di eseguire pipeline durante lo sviluppo, test, preproduzione e produzione.
- Modelli e codice di pipeline open source che puoi utilizzare così come sono o come base per nuove pipeline per accelerare lo sviluppo del codice.
- Un approccio basato sulle best practice per testare il codice della pipeline. Innanzitutto, questo documento fornisce una panoramica che include l'ambito e la relazione tra diversi tipi di test, come test di unità, test di integrazione e test end-to-end. In secondo luogo, ogni tipo di test viene esplorato in dettaglio, inclusi i metodi da creare e integrare con i dati di test e quali runner della pipeline utilizzare per ogni test.
Runner della pipeline
Durante lo sviluppo e i test, utilizzi diversi runner Apache Beam per eseguire il codice della pipeline. L'SDK Apache Beam fornisce un runner diretto per lo sviluppo e i test locali. Gli strumenti di automazione delle release possono anche Direct Runner per i test delle unità e i test di integrazione. Ad esempio, puoi utilizzare il Runner diretto all'interno della pipeline di integrazione continua (CI).
Le pipeline di cui viene eseguito il deployment in Dataflow utilizzano Dataflow Runner che esegue la pipeline in ambienti simili a quelli di produzione. Inoltre, puoi utilizzare Dataflow Runner per test di sviluppo ad hoc e per i test end-to-end della pipeline.
Anche se questa pagina è incentrata sull'esecuzione delle pipeline create utilizzando L'SDK Java Apache Beam, Dataflow supporta anche le pipeline Apache Beam che sono stati sviluppati mediante Python e Go. Gli SDK Apache Beam Java, Python e Go generalmente disponibile per Dataflow. Gli sviluppatori SQL possono anche utilizzare Apache Beam SQL per creare pipeline che utilizzano dialetti SQL familiari.
configura un ambiente di deployment
Per separare utenti, dati, codice e altre risorse nelle diverse fasi di sviluppo, crea ambienti di deployment. Se possibile, per fornire ambienti isolati per le diverse fasi della pipeline di sviluppo, usa istanze Progetti Google Cloud.
Le sezioni seguenti descrivono un insieme tipico di ambienti di implementazione.
Ambiente locale
L'ambiente locale è la workstation di uno sviluppatore. Per uno sviluppo rapido usa Direct Runner per eseguire il codice della pipeline in locale.
Le pipeline eseguite localmente utilizzando Direct Runner possono interagire da risorse Google Cloud remote, ad esempio argomenti Pub/Sub e tabelle BigQuery. Assegnare a singoli sviluppatori i progetti Google Cloud, in modo da disporre di una sandbox per i test ad hoc con servizi Google Cloud.
Alcuni servizi Google Cloud, Pub/Sub e Bigtable fornire emulatori per lo sviluppo locale. Puoi usare questi emulatori Direct Runner per abilitare sviluppo e test locali end-to-end.
Ambiente sandbox
L'ambiente sandbox è un progetto Google Cloud che fornisce agli sviluppatori accesso ai servizi Google Cloud durante lo sviluppo del codice. Gli sviluppatori di pipeline possono condividere un progetto Google Cloud con altri sviluppatori o utilizzare i propri progetti individuali. L'utilizzo di singoli progetti riduce la complessità della pianificazione relativa all'utilizzo delle risorse condivise e alla gestione delle quote.
Gli sviluppatori utilizzano l'ambiente sandbox per eseguire l'esecuzione di pipeline ad hoc con Dataflow Runner. L'ambiente sandbox è utile per eseguire il debug e il test del codice su un di produzione durante la fase di sviluppo del codice. Ad esempio, l'esecuzione di pipeline ad hoc consente agli sviluppatori di:
- Osserva l'effetto delle modifiche al codice sul comportamento di scalabilità.
- Comprendi le potenziali differenze tra il comportamento di DirectRunner e DataflowRunner.
- Scopri come Dataflow applica le ottimizzazioni del grafo.
Per i test ad hoc, gli sviluppatori possono eseguire il deployment del codice dal proprio ambiente locale per eseguire Dataflow all'interno del loro ambiente sandbox.
Ambiente di preproduzione
L'ambiente di preproduzione è destinato alle fasi di sviluppo che devono essere eseguite in in condizioni simili a quelle della produzione, come i test end-to-end. Usa un progetto separato per l'ambiente di preproduzione e configurarlo in modo che sia simile alla produzione il più possibile. Analogamente, per consentire test end-to-end su una scala simile a quella di produzione, creare quote di progetto Google Cloud per Dataflow e altri il più simile possibile all'ambiente di produzione.
A seconda dei tuoi requisiti, puoi separare ulteriormente la preproduzione in più ambienti. Ad esempio, un ambiente di controllo qualità può supportare il lavoro degli analisti della qualità per testare gli obiettivi del livello di servizio (SLO), come la correttezza, l'aggiornamento e le prestazioni dei dati in condizioni di carico di lavoro diverse.
I test end-to-end includono l'integrazione con origini dati e destinazioni nell'ambito dei test. Valuta la possibilità di renderli disponibili nell'ambiente di preproduzione. Puoi archiviare i dati di test nello stesso ambiente di preproduzione. Ad esempio: i dati di test sono archiviati in un bucket Cloud Storage insieme ai dati di input. In altri casi, i dati di test potrebbero provenire dall'esterno dell'ambiente di preproduzione, ad esempio da un argomento Pub/Sub tramite un abbonamento distinto nell'ambiente di produzione. Per le pipeline in streaming, puoi anche eseguire test end-to-end utilizzando i dati generati, ad esempio utilizzando il Generatore di dati in streaming di Dataflow per emulare le caratteristiche e i volumi dei dati di produzione.
Per le pipeline in modalità flusso, utilizza l'ambiente di preproduzione per testare aggiornamenti della pipeline prima che vengano apportate modifiche alla produzione. È importante testare e verificare le procedure di aggiornamento per le pipeline di streaming, in particolare se devi coordinare più passaggi, ad esempio quando esegui pipeline parallele per evitare tempi di riposo.
Ambiente di produzione
L'ambiente di produzione è un progetto Google Cloud dedicato. Distribuzione continua copia gli artefatti di deployment nell'ambiente di produzione quando test superati.
Best practice per lo sviluppo
Consulta le best practice per la pipeline Dataflow.
Testa la pipeline
Nello sviluppo software, i test di unità, i test di integrazione e i test end-to-end sono tipi comuni di test software. Questi tipi di test sono applicabili anche alle pipeline di dati.
L'SDK Apache Beam fornisce le funzionalità per abilitare questi test. L'ideale è ogni tipo di test ha come target un ambiente di deployment diverso. Le seguenti il diagramma illustra come i test delle unità, i test di integrazione e i test end-to-end si applicano a parti diverse della pipeline e dei dati.
Il diagramma mostra l'ambito dei diversi test e la loro relazione con le trasformazioni (sottoclassi DoFn e PTransform), le pipeline, le origini dati e gli sink di dati.
Le seguenti sezioni descrivono in che modo vari test software formali vengono applicati alle pipeline di dati che utilizzano Dataflow. Mentre leggi questa sezione, consulta nuovamente il diagramma per capire la relazione tra i diversi tipi di test.
Campionamento dei dati
Per osservare i dati in ogni passaggio di una pipeline Dataflow, attiva il campionamento dei dati durante il test. In questo modo, puoi visualizzare gli output delle trasformazioni per assicurarti che siano corretti.
Test delle unità
I test delle unità valutano il corretto funzionamento di DoFn sottoclassi e
trasformazioni composte
(PTransform sottoclassi) confrontando l'output di queste trasformazioni con una
un set verificato di input e output di dati. Di solito, gli sviluppatori possono eseguire
di test nell'ambiente locale. I test possono anche essere eseguiti automaticamente
automazione dei test delle unità utilizzando l'integrazione continua (CI) nella build
completamente gestito di Google Cloud.
Direct Runner esegue i test delle unità utilizzando un sottoinsieme di riferimenti più piccolo Testare i dati incentrati sul test della logica di business delle trasformazioni. I dati di test devono essere sufficientemente piccoli da poter essere memorizzati nella memoria locale della macchina su cui viene eseguito il test.
L'SDK Apache Beam fornisce una regola JUnit denominata
TestPipeline
per le trasformazioni individuali per il test delle unità (DoFn sottoclassi), le trasformazioni composte
(PTransform sottoclassi) e intere pipeline. Puoi usare TestPipeline su un
runner pipeline Apache Beam, come Direct Runner o
Dataflow Runner per applicare le asserzioni sui contenuti di
PCollection oggetti utilizzando
PAssert,
come mostrato nel seguente snippet di codice di
Classe test JUnit:
@Rule
public final transient TestPipeline p = TestPipeline.create();
@Test
@Category(NeedsRunner.class)
public void myPipelineTest() throws Exception {
final PCollection<String> pcol = p.apply(...)
PAssert.that(pcol).containsInAnyOrder(...);
p.run();
}
Test delle unità per trasformazioni individuali
Se suddividi il codice in trasformazioni riutilizzabili, ad esempio come classi nidificate statiche o di primo livello, puoi creare test mirati per parti diverse della pipeline. Oltre ai vantaggi dei test, le trasformazioni riutilizzabili migliorano la manutenibilità e la riutilizzabilità del codice integrando naturalmente l'attività della logica della pipeline in componenti. Al contrario, il test delle singole parti della pipeline potrebbe essere difficile se la pipeline utilizza classi interne anonime per implementare le trasformazioni.
Il seguente snippet Java mostra l'implementazione delle trasformazioni come classi interne anonime, che non consentono facilmente il test.
PipelineOptions options = PipelineOptionsFactory.create();
Pipeline p = Pipeline.create(options)
PCollection<Integer> output =
p.apply("Read from text", TextIO.Read.from(...))
.apply("Split words", ParDo.of(new DoFn() {
// Untestable anonymous transform 1
}))
.apply("Generate anagrams", ParDo.of(new DoFn() {
// Untestable anonymous transform 2
}))
.apply("Count words", Count.perElement());
Confronta l'esempio precedente con quello seguente, in cui l'interno anonimo
vengono trasformate in sottoclassi DoFn concrete denominate. Puoi creare singoli test di unità per ogni sottoclasse DoFn concreta che compone la pipeline end-to-end.
PipelineOptions options = PipelineOptionsFactory.create();
Pipeline p = Pipeline.create(options)
PCollection<Integer> output =
p.apply("Read from text", TextIO.Read.from(...))
.apply("Split words", ParDo.of(new SplitIntoWordsFn()))
.apply("Generate anagrams", ParDo.of(new GenerateAnagramsFn()))
.apply("Count words", Count.perElement());
Il test di ogni sottoclasse DoFn è simile al test delle unità su un batch
contenente una singola trasformazione. Usa la trasformazione Create per
crea un oggetto PCollection dei dati di test e poi passalo all'oggetto DoFn
. Utilizza PAssert per affermare che i contenuti dell'oggetto PCollection
sono corretti. Il seguente esempio di codice Java utilizza la classe PAssert per verificare la correttezza del formato di output.
@Rule
public final transient TestPipeline p = TestPipeline.create();
@Test
@Category(NeedsRunner.class)
public void testGenerateAnagramsFn() {
// Create the test input
PCollection<String> words = p.apply(Create.of("friend"));
// Test a single DoFn using the test input
PCollection<String> anagrams =
words.apply("Generate anagrams", ParDo.of(new GenerateAnagramsFn()));
// Assert correct output from
PAssert.that(anagrams).containsInAnyOrder(
"finder", "friend", "redfin", "refind");
p.run();
}
Test di integrazione
I test di integrazione verificano il corretto funzionamento dell'intera pipeline. Prendi in considerazione i seguenti tipi di test di integrazione:
- Un test di integrazione della trasformazione che valuta la funzionalità integrata di tutte le singole trasformazioni che compongono la pipeline di dati. Considera i test di integrazione delle trasformazioni come un test di unità per l'intera pipeline, esclusa l'integrazione con origini dati e destinazioni esterne. L'SDK Apache Beam fornisce metodi per fornire dati di test alla pipeline di dati e per verificare i risultati dell'elaborazione. Direct Runner viene utilizzato per eseguire i test di integrazione dei trasformatori.
Un test di integrazione del sistema che valuta l'integrazione della pipeline di dati con origini dati e sink. Per consentire alla tua pipeline di comunicare per i sistemi esterni, devi configurare i test con per accedere a servizi esterni. Le pipeline di streaming vengono eseguite indefinitamente, quindi devi decidere quando e come interrompere la pipeline in esecuzione. Utilizzando il runner diretto per eseguire test di integrazione di sistema, puoi verificare rapidamente l'integrazione tra la pipeline e altri sistemi senza dover inviare un job Dataflow e attendere il completamento.
Progetta test di trasformazione e integrazione di sistema per fornire un rapido rilevamento dei difetti e feedback senza rallentare la produttività degli sviluppatori. Per i test che richiedono più tempo, ad esempio quelli eseguiti come job Dataflow, ti consigliamo di utilizzare un test end-to-end eseguito meno di frequente.
Una pipeline di dati può essere paragonata a una o più trasformazioni correlate. Tu
puoi creare una trasformazione composita di incapsulamento per la pipeline
utilizzare
TestPipeline
per eseguire un test di integrazione dell'intera pipeline. A seconda che tu
se vuoi testare la pipeline in modalità batch o flusso, devi fornire i dati di test utilizzando
o il
Create
o
Trasformazioni TestStream.
Utilizza i dati dei test per i test di integrazione
Nell'ambiente di produzione, la pipeline è probabilmente integrata con origini e destinazioni dati diverse. Tuttavia, per i test delle unità e l'integrazione della trasformazione i test, concentrati sulla verifica della logica di business del codice della pipeline fornendo input di test e verificando direttamente l'output. Oltre a semplificare i test, questo approccio consente di isolare i problemi specifici della pipeline da quelli che potrebbero essere causati da origini dati e sink.
Test delle pipeline in modalità batch
Per le pipeline batch, utilizza la trasformazione Create per creare un oggetto PCollection
degli input dei dati di test da una raccolta in memoria standard, ad esempio un
oggetto List Java. L'utilizzo della trasformazione Create è appropriato se i dati di test sono sufficientemente piccoli da includere nel codice. Puoi quindi utilizzare PAssert sugli oggetti PCollection di output per determinare la correttezza del codice della pipeline.
Questo approccio è supportato da Direct Runner e da Dataflow Runner.
Il seguente snippet di codice Java mostra le asserzioni relative agli oggetti PCollection
di output di una trasformazione composita che include alcune o tutte le singole
trasformazioni che costituiscono una pipeline (WeatherStatsPipeline). L'approccio è simile ai test di unità delle singole trasformazioni in una pipeline.
private class WeatherStatsPipeline extends
PTransform<PCollection<Integer>, PCollection<WeatherSummary>> {
@Override
public PCollection<WeatherSummary> expand(PCollection<Integer> input) {
// Pipeline transforms …
}
}
@Rule
public final transient TestPipeline p = TestPipeline.create();
@Test
@Category(NeedsRunner.class)
public void testWeatherPipeline() {
// Create test input consisting of temperature readings
PCollection<Integer> tempCelsius =
p.apply(Create.of(24, 22, 20, 22, 21, 21, 20));
// CalculateWeatherStats calculates the min, max, and average temperature
PCollection<WeatherSummary> result =
tempCelsius.apply("Calculate weather statistics", new WeatherStatsPipeline());
// Assert correct output from CalculateWeatherStats
PAssert.thatSingleton(result).isEqualTo(new WeatherSummary.Builder()
.withAverageTemp(21)
.withMaxTemp(24)
.withMinTemp(20)
.build());
p.run();
}
Per testare il comportamento del windowing, puoi anche utilizzare la trasformazione Create per creare
con timestamp, come mostrato nello snippet di codice riportato di seguito:
private static final Duration WINDOW_DURATION = Duration.standardMinutes(3);
@Rule
public final transient TestPipeline p = TestPipeline.create();
@Test
@Category(NeedsRunner.class)
public void testWindowedData() {
PCollection<String> input =
p.apply(
Create.timestamped(
TimestampedValue.of("a", new Instant(0L)),
TimestampedValue.of("a", new Instant(0L)),
TimestampedValue.of("b", new Instant(0L)),
TimestampedValue.of("c", new Instant(0L)),
TimestampedValue.of("c", new Instant(0L).plus(WINDOW_DURATION)))
.withCoder(StringUtf8Coder.of()));
PCollection<KV<String, Long>> windowedCount =
input
.apply(Window.into(FixedWindows.of(WINDOW_DURATION)))
.apply(Count.perElement());
PAssert.that(windowedCount)
.containsInAnyOrder(
// Output from first window
KV.of("a", 2L),
KV.of("b", 1L),
KV.of("c", 1L),
// Output from second window
KV.of("c", 1L));
p.run();
}
Testare le pipeline di streaming
Le pipeline di streaming contengono ipotesi che definiscono come gestire i dati illimitati. Queste ipotesi riguardano spesso la tempestività dei dati condizioni reali e hanno quindi un impatto sulla correttezza a seconda se le ipotesi si dimostrano vere o false. I test di integrazione per le pipeline di streaming dovrebbero includere test che simulano la natura non deterministica dell'arrivo dei dati in streaming.
A
abilitare questi test,
l'SDK Apache Beam fornisce
TestStream
per modellare gli effetti delle tempistiche degli elementi (dati in anticipo, puntuali o in ritardo) su
i risultati della pipeline di dati. Utilizza questi test insieme
PAssert
da verificare rispetto ai risultati previsti.
TestStream è supportato da Direct Runner e Dataflow Runner. Il seguente codice di esempio crea una trasformazione TestStream:
final Duration WINDOW_DURATION = Duration.standardMinutes(3);
@Rule
public final transient TestPipeline p = TestPipeline.create();
@Test
@Category(NeedsRunner.class)
public void testDroppedLateData() {
TestStream<String> input = TestStream.create(StringUtf8Coder.of())
// Add elements arriving before the watermark
.addElements(
TimestampedValue.of("a", new Instant(0L)),
TimestampedValue.of("a", new Instant(0L)),
TimestampedValue.of("b", new Instant(0L)),
TimestampedValue.of("c", new Instant(0L).plus(Duration.standardMinutes(3))))
// Advance the watermark past the end of the window
.advanceWatermarkTo(new Instant(0L).plus(WINDOW_DURATION).plus(Duration.standardMinutes(1)))
// Add elements which will be dropped due to lateness
.addElements(
TimestampedValue.of("c", new Instant(0L)))
// Advance the watermark to infinity which will close all windows
.advanceWatermarkToInfinity();
PCollection<KV<String, Long>> windowedCount =
p.apply(input)
.apply(Window.into(FixedWindows.of(WINDOW_DURATION)))
.apply(Count.perElement());
PAssert.that(windowedCount)
.containsInAnyOrder(
// Output from first window
KV.of("a", 2L),
KV.of("b", 1L),
KV.of("c", 1L));
p.run();
}
Per saperne di più su TestStream, consulta
Testare le pipeline illimitate in Apache Beam.
Per ulteriori informazioni su come utilizzare l'SDK Apache Beam per i test delle unità, consulta
documentazione di Apache Beam.
Utilizza i servizi Google Cloud nei test di integrazione
Direct Runner può essere integrato con i servizi Google Cloud, pertanto i test ad hoc nell'ambiente locale e i test di integrazione di sistema possono utilizzare Pub/Sub, BigQuery e altri servizi in base alle esigenze. Quando utilizzi Direct Runner, la pipeline viene eseguita come account utente
che hai configurato utilizzando lo strumento a riga di comando
gcloud
o come account di servizio specificato utilizzando la variabile di ambiente
GOOGLE_APPLICATION_CREDENTIALS. Di conseguenza, devi concedere un numero sufficiente
le autorizzazioni all'account per le risorse richieste prima di eseguire
una pipeline o un blocco note personalizzato. Per ulteriori dettagli, vedi
Sicurezza e autorizzazioni di Dataflow.
Per test di integrazione completamente locali, puoi utilizzare emulatori locali per alcuni servizi Google Cloud. Gli emulatori locali sono disponibili per Pub/Sub e Bigtable.
Per i test di integrazione di sistema delle pipeline in streaming, puoi utilizzare il metodo
setBlockOnRun
(definito nell'interfaccia DirectOptions) per fare in modo che Direct Runner esegua la pipeline in modo asincrono.
In caso contrario, l'esecuzione della pipeline blocca il processo principale chiamante (ad esempio uno script nella pipeline di compilazione) finché la pipeline non viene interrotta manualmente. Se esegui la pipeline in modo asincrono, puoi utilizzare l'istanza PipelineResult
ritornata per annullare l'esecuzione della pipeline, come mostrato nel seguente
codice di esempio:
public interface StreamingIntegrationTestOptions extends
DirectOptions, StreamingOptions, MyOtherPipelineOptions {
...
}
@Rule
public final transient TestPipeline p = TestPipeline.create();
@Test
@Category(NeedsRunner.class)
public void testNonBlockingPipeline() {
StreamingIntegrationTestOptions options =
p.getOptions().as(StreamingIntegrationOptions.class);
options.setBlockOnRun(false); // Set non-blocking pipeline execution
options.setStreaming(true); // Set streaming mode
p.apply(...); // Apply pipeline transformations
PipelineResult result = p.run(); // Run the pipeline
// Generate input, verify output, etc
...
// Later on, cancel the pipeline using the previously returned
result.cancel();
}
Test end-to-end
I test end-to-end verificano il corretto funzionamento della pipeline end-to-end eseguendola su Dataflow Runner in condizioni che assomigliano molto alla produzione. I test verificano che la logica di business funzioni correttamente utilizzando l'esecutore Dataflow e testare se la pipeline si comporta come previsto in caricamenti simili a quelli di produzione. In genere, esegui i test end-to-end in un progetto Google Cloud dedicato designato come ambiente di preproduzione.
Per testare la tua pipeline su diverse scale, utilizza diversi tipi di end-to-end test, ad esempio:
- Esegui test end-to-end su scala ridotta utilizzando una piccola proporzione (ad esempio l'1%) del set di dati di test per convalidare rapidamente la funzionalità della pipeline dell'ambiente di preproduzione.
- Esegui test end-to-end su larga scala utilizzando un set di dati di test completo per la convalida della pipeline in condizioni e volumi di dati simili a quelli di produzione.
Per le pipeline di streaming, ti consigliamo di eseguire le pipeline di test in parallelo con la pipeline di produzione se possono utilizzare gli stessi dati. Questa procedura consente di confrontare i risultati e il comportamento operativo, ad esempio la scalabilità automatica e il rendimento.
I test end-to-end aiutano a prevedere in che misura la pipeline soddisferà le tue o SLO di produzione. L'ambiente di preproduzione testa la pipeline in in condizioni simili a quelle della produzione. Nei test end-to-end, le pipeline vengono eseguite utilizzando Dataflow Runner per elaborare set di dati di riferimento completi che corrispondono o sono molto simili ai set di dati in produzione.
Potrebbe non essere possibile generare dati sintetici per testare simulano accuratamente dati reali. Per risolvere questo problema, un approccio consiste nell'utilizzare estratti puliti dalle origini dati di produzione per creare set di dati di riferimento, i dati sensibili vengono anonimizzati tramite le trasformazioni appropriate. Ti consigliamo di utilizzare Protezione dei dati sensibili a questo scopo. Sensitive Data Protection può rilevare i dati sensibili da un'ampia gamma di i tipi di contenuti e le origini dati, nonché applicare una serie di tecniche di anonimizzazione tra cui oscuramento, mascheramento, crittografia con protezione del formato e date-shifting.
Differenze nei test end-to-end per le pipeline batch e in streaming
Prima di eseguire un test end-to-end completo su un set di dati di test di grandi dimensioni,
potresti voler eseguire un test con una percentuale inferiore di dati di test (ad esempio
come 1%) e verifica il comportamento previsto più breve. Come avviene con i test di integrazione che utilizzano Direct Runner, puoi utilizzare PAssert sugli oggetti PCollection quando esegui le pipeline con Dataflow Runner. Per ulteriori informazioni su PAssert, consulta la sezione Test di unità in questa pagina.
A seconda del caso d'uso, verificare output molto grandi da test end-to-end potrebbe essere poco pratico, costoso o comunque impegnativo. In questo caso, puoi verificare i campioni rappresentativi dal set di risultati di output. Ad esempio, puoi utilizzare BigQuery per campionare e confrontare le righe di output con un set di dati di riferimento dei risultati previsti.
Per le pipeline di streaming, la simulazione di condizioni di streaming realistiche con dati sintetici potrebbe essere complessa. Un modo comune per offrire per i test end-to-end i flussi di dati prevedono l'integrazione dei test con i dati di produzione fonti. Se utilizzi Pub/Sub come origine dati, puoi attivare un stream di dati separato per i test end-to-end tramite sottoscrizioni aggiuntive agli argomenti esistenti. Puoi quindi confrontare i risultati di pipeline diverse che utilizzano gli stessi dati, il che è utile per verificare le pipeline candidate rispetto ad altre pipeline di preproduzione e produzione.
Il seguente diagramma mostra in che modo questo metodo consente di eseguire in parallelo una pipeline di produzione e una pipeline di test in diversi ambienti di deployment.
Nel diagramma, entrambe le pipeline leggono dallo stesso argomento Pub/Sub, ma utilizzano iscrizioni distinte. Questa configurazione consente alle due pipeline di elaborare gli stessi dati in modo indipendente e consente di confrontare i risultati. La pipeline di test utilizza un account di servizio separato dal progetto di produzione e, pertanto, evita di utilizzare la quota di sottoscrittori Pub/Sub per il progetto di produzione.
A differenza delle pipeline batch, le pipeline di streaming continuano a essere eseguite finché non vengono annullate esplicitamente. Nei test end-to-end, devi decidere se lasciare la pipeline in esecuzione, ad esempio fino all'esecuzione del prossimo test end-to-end, o annullarla in un punto che rappresenta il completamento del test in modo da poter esaminare i risultati.
Il tipo di dati di test utilizzati influisce su questa decisione. Ad esempio, se utilizzi un insieme delimitato di dati di test fornito alla pipeline di streaming, potresti annullare la pipeline al termine dell'elaborazione di tutti gli elementi. In alternativa, se utilizzi un'origine dati reale, come un argomento Pub/Sub esistente utilizzato in produzione, o se generi continuamente dati di test, ti consigliamo di mantenere in esecuzione le pipeline di test per un periodo di tempo più lungo. Quest'ultimo ti consente di confrontare il comportamento con l'ambiente di produzione o anche con altre pipeline di test.