开始使用 Google 提供的模板

Google 提供了一组开源 Dataflow 模板。如需了解有关模板的一般信息，请参阅概览页面。首先，请使用以下部分中介绍的 WordCount 模板。查看其他 Google 提供的模板：

流处理模板 - 用于连续处理数据的模板：

批处理模板 - 用于批量处理数据的模板：

实用程序模板

字数统计

WordCount 模板是一种批处理管道，它可从 Cloud Storage 读取文本，将文本行标记化为单个词，并对每个词进行词频计数。如需详细了解 WordCount，请参阅 WordCount 示例流水线。

模板参数

参数	说明
`inputFile`	Cloud Storage 输入文件路径。
`output`	Cloud Storage 输出文件路径和前缀。

运行 WordCount 模板

控制台

通过 Google Cloud Console 运行

转到 Cloud Console 中的 Dataflow 页面。

转到 Dataflow 页面

点击基于模板创建作业。

从 Dataflow 模板下拉菜单中选择 the WordCount template。
在作业名称字段中输入作业名称。
在提供的参数字段中输入参数值。
点击运行作业。

GCLOUD

通过 gcloud 命令行工具运行

注意：如需使用 gcloud 命令行工具运行模板，您必须拥有 Cloud SDK 138.0.0 或更高版本。

运行此模板时，您需要使用模板的 Cloud Storage 路径：

gs://dataflow-templates/latest/Word_Count

您必须在此示例中替换以下值：

将 JOB_NAME 替换为您选择的作业名称。
将 YOUR_BUCKET_NAME 替换为 Cloud Storage 存储分区的名称。

gcloud dataflow jobs run JOB_NAME \
    --gcs-location gs://dataflow-templates/latest/Word_Count \
    --parameters \
inputFile=gs://dataflow-samples/shakespeare/kinglear.txt,\
output=gs://YOUR_BUCKET_NAME/output/my_output

API

通过 REST API 运行

运行此模板时，您需要使用模板的 Cloud Storage 路径：

gs://dataflow-templates/latest/Word_Count

如需使用 REST API 请求运行此模板，请发送带有项目 ID 的 HTTP POST 请求。此请求需要获得授权。

您必须在此示例中替换以下值：

将 YOUR_PROJECT_ID 替换为您的项目 ID。
将 JOB_NAME 替换为您选择的作业名称。
将 YOUR_BUCKET_NAME 替换为 Cloud Storage 存储分区的名称。

POST https://dataflow.googleapis.com/v1b3/projects/YOUR_PROJECT_ID/templates:launch?gcsPath=gs://dataflow-templates/latest/Word_Count
{
    "jobName": "JOB_NAME",
    "parameters": {
       "inputFile" : "gs://dataflow-samples/shakespeare/kinglear.txt",
       "output": "gs://YOUR_BUCKET_NAME/output/my_output"
    },
    "environment": { "zone": "us-central1-f" }
}

模板源代码

Java

在 GitHub 上查看反馈

/*
 * Copyright (C) 2016 Google Inc.
 *
 * Licensed under the Apache License, Version 2.0 (the "License"); you may not
 * use this file except in compliance with the License. You may obtain a copy of
 * the License at
 *
 * http://www.apache.org/licenses/LICENSE-2.0
 *
 * Unless required by applicable law or agreed to in writing, software
 * distributed under the License is distributed on an "AS IS" BASIS, WITHOUT
 * WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied. See the
 * License for the specific language governing permissions and limitations under
 * the License.
 */

package com.google.cloud.teleport.templates;

import org.apache.beam.sdk.Pipeline;
import org.apache.beam.sdk.io.TextIO;
import org.apache.beam.sdk.metrics.Counter;
import org.apache.beam.sdk.metrics.Metrics;
import org.apache.beam.sdk.options.Description;
import org.apache.beam.sdk.options.PipelineOptions;
import org.apache.beam.sdk.options.PipelineOptionsFactory;
import org.apache.beam.sdk.options.ValueProvider;
import org.apache.beam.sdk.transforms.Count;
import org.apache.beam.sdk.transforms.DoFn;
import org.apache.beam.sdk.transforms.MapElements;
import org.apache.beam.sdk.transforms.PTransform;
import org.apache.beam.sdk.transforms.ParDo;
import org.apache.beam.sdk.transforms.SimpleFunction;
import org.apache.beam.sdk.values.KV;
import org.apache.beam.sdk.values.PCollection;

/**
 * An template that counts words in Shakespeare.
 */
public class WordCount {

  static class ExtractWordsFn extends DoFn<String, String> {
    private final Counter emptyLines = Metrics.counter(ExtractWordsFn.class, "emptyLines");

    @ProcessElement
    public void processElement(ProcessContext c) {
      if (c.element().trim().isEmpty()) {
        emptyLines.inc();
      }

      // Split the line into words.
      String[] words = c.element().split("[^a-zA-Z']+");

      // Output each word encountered into the output PCollection.
      for (String word : words) {
        if (!word.isEmpty()) {
          c.output(word);
        }
      }
    }
  }

  /** A SimpleFunction that converts a Word and Count into a printable string. */
  public static class FormatAsTextFn extends SimpleFunction<KV<String, Long>, String> {
    @Override
    public String apply(KV<String, Long> input) {
      return input.getKey() + ": " + input.getValue();
    }
  }

  /**
   * A PTransform that converts a PCollection containing lines of text into a PCollection of
   * formatted word counts.
   */
  public static class CountWords extends PTransform<PCollection<String>,
        PCollection<KV<String, Long>>> {
    @Override
    public PCollection<KV<String, Long>> expand(PCollection<String> lines) {

      // Convert lines of text into individual words.
      PCollection<String> words = lines.apply(
          ParDo.of(new ExtractWordsFn()));

      // Count the number of times each word occurs.
      PCollection<KV<String, Long>> wordCounts =
          words.apply(Count.<String>perElement());

      return wordCounts;
    }
  }

  /**
   * Options supported by {@link com.google.cloud.teleport.templates.WordCount}.
   *
   * <p>Inherits standard configuration options.
   */
  public interface WordCountOptions extends PipelineOptions {
    @Description("Path of the file to read from")
    ValueProvider<String> getInputFile();
    void setInputFile(ValueProvider<String> value);

    @Description("Path of the file to write to")
    ValueProvider<String> getOutput();
    void setOutput(ValueProvider<String> value);
  }

  public static void main(String[] args) {
    WordCountOptions options = PipelineOptionsFactory.fromArgs(args).withValidation()
      .as(WordCountOptions.class);
    Pipeline p = Pipeline.create(options);
    p.apply("ReadLines", TextIO.read().from(options.getInputFile()))
     .apply(new CountWords())
     .apply(MapElements.via(new FormatAsTextFn()))
     .apply("WriteCounts", TextIO.write().to(options.getOutput()));

    p.run();
  }
}