Template Kompresi Massal File Cloud Storage

Template Kompresi Massal File Cloud Storage adalah pipeline batch yang mengompresi file di Cloud Storage ke lokasi yang ditentukan. Template ini bermanfaat ketika Anda perlu mengompresi kumpulan file dalam jumlah besar sebagai bagian dari proses pengarsipan berkala. Mode kompresi yang didukung adalah: BZIP2, DEFLATE, GZIP. File yang disimpan di lokasi tujuan akan mengikuti skema penamaan nama file asli, diikuti dengan ekstensi mode kompresi. Ekstensi yang ditambahkan akan berupa salah satu dari: .bzip2, .deflate, .gz.

Semua error yang terjadi selama proses kompresi akan tersimpan di file kegagalan dalam format CSV berisi nama file, pesan error. Jika tidak terjadi kegagalan saat menjalankan pipeline, file error tetap akan dibuat, tetapi tidak berisi data error.

Persyaratan pipeline

  • Kompresi harus dalam salah satu format berikut: BZIP2, DEFLATE, GZIP.
  • Direktori output harus sudah ada sebelum menjalankan pipeline.

Parameter template

Parameter Deskripsi
inputFilePattern Pola file input yang akan dibaca. Misalnya, gs://bucket-name/uncompressed/*.txt.
outputDirectory Lokasi output yang akan ditulisi. Misalnya, gs://bucket-name/compressed/.
outputFailureFile File output log error yang akan digunakan untuk kegagalan penulisan yang terjadi selama proses kompresi. Misalnya, gs://bucket-name/compressed/failed.csv. Jika tidak ada kegagalan, file tetap akan dibuat, tetapi akan kosong. Konten file dalam format CSV (Nama File, Error) dan terdiri dari satu baris untuk setiap file yang gagal dikompresi.
compression Algoritma kompresi yang digunakan untuk mengompresi file yang cocok. Harus berupa salah satu dari: BZIP2, DEFLATE, GZIP

Menjalankan template

Konsol

  1. Buka halaman Create job from template Dataflow.
  2. Buka Buat tugas dari template
  3. Di kolom Nama tugas, masukkan nama tugas yang unik.
  4. Opsional: Untuk Endpoint regional, pilih nilai dari menu drop-down. Region defaultnya adalah us-central1.

    Untuk mengetahui daftar region tempat Anda dapat menjalankan tugas Dataflow, lihat Lokasi Dataflow.

  5. Dari menu drop-down Dataflow template, pilih the Bulk Compress Files on Cloud Storage template.
  6. Di kolom parameter yang disediakan, masukkan nilai parameter Anda.
  7. Klik Run job.

gcloud

Di shell atau terminal, jalankan template:

gcloud dataflow jobs run JOB_NAME \
    --gcs-location gs://dataflow-templates-REGION_NAME/VERSION/Bulk_Compress_GCS_Files \
    --region REGION_NAME \
    --parameters \
inputFilePattern=gs://BUCKET_NAME/uncompressed/*.txt,\
outputDirectory=gs://BUCKET_NAME/compressed,\
outputFailureFile=gs://BUCKET_NAME/failed/failure.csv,\
compression=COMPRESSION

Ganti kode berikut:

  • JOB_NAME: nama tugas unik pilihan Anda
  • REGION_NAME: region tempat Anda ingin men-deploy tugas Dataflow—misalnya, us-central1
  • VERSION: versi template yang ingin Anda gunakan

    Anda dapat menggunakan nilai berikut:

  • BUCKET_NAME: nama bucket Cloud Storage Anda
  • COMPRESSION: algoritma kompresi pilihan Anda

API

Untuk menjalankan template menggunakan REST API, kirim permintaan POST HTTP. Untuk mengetahui informasi selengkapnya tentang API dan cakupan otorisasinya, lihat projects.templates.launch.

POST https://dataflow.googleapis.com/v1b3/projects/PROJECT_ID/locations/LOCATION/templates:launch?gcsPath=gs://dataflow-templates-LOCATION/VERSION/Bulk_Compress_GCS_Files
{
   "jobName": "JOB_NAME",
   "parameters": {
       "inputFilePattern": "gs://BUCKET_NAME/uncompressed/*.txt",
       "outputDirectory": "gs://BUCKET_NAME/compressed",
       "outputFailureFile": "gs://BUCKET_NAME/failed/failure.csv",
       "compression": "COMPRESSION"
   },
   "environment": { "zone": "us-central1-f" }
}

Ganti kode berikut:

  • PROJECT_ID: ID project Google Cloud tempat Anda ingin menjalankan tugas Dataflow
  • JOB_NAME: nama tugas unik pilihan Anda
  • LOCATION: region tempat Anda ingin men-deploy tugas Dataflow—misalnya, us-central1
  • VERSION: versi template yang ingin Anda gunakan

    Anda dapat menggunakan nilai berikut:

  • BUCKET_NAME: nama bucket Cloud Storage Anda
  • COMPRESSION: algoritma kompresi pilihan Anda

Langkah selanjutnya