Modello Pub/Sub to MongoDB

Il modello Pub/Sub to MongoDB è una pipeline in modalità flusso che legge i messaggi con codifica JSON da una sottoscrizione Pub/Sub e li scrive in MongoDB sotto forma di documenti. Se necessario, questa pipeline supporta trasformazioni aggiuntive che possono essere incluse utilizzando una funzione definita dall'utente (UDF) JavaScript.

Se si verificano errori durante l'elaborazione dei record, il modello li scrive in una tabella BigQuery insieme al messaggio di input. Ad esempio, gli errori potrebbero verificarsi a causa della mancata corrispondenza dello schema, di un file JSON in formato errato o durante l'esecuzione delle trasformazioni. Specifica il nome della tabella nel parametro deadletterTable. Se la tabella non esiste, la pipeline la crea automaticamente.

Requisiti della pipeline

  • Deve esistere la sottoscrizione Pub/Sub e i messaggi devono essere codificati in un formato JSON valido.
  • Il cluster MongoDB deve esistere ed essere accessibile dalle macchine worker Dataflow.

Parametri del modello

Parametri obbligatori

  • inputSubscription : il nome dell'abbonamento Pub/Sub. (ad esempio projects/your-project-id/subscriptions/your-subscription-name).
  • mongoDBUri : elenco separato da virgole di server MongoDB. (ad es. host1:porta,host2:porta,host3:porta).
  • database : database in MongoDB per memorizzare la raccolta. (ad esempio my-db).
  • collection : il nome della raccolta nel database MongoDB. (ad esempio, la mia collezione).
  • deadletterTable : la tabella BigQuery che memorizza i messaggi causati da errori, ad esempio schema non corrispondente, JSON con formato errato e così via. (esempio: your-project-id:your-dataset.your-table-name).

Parametri facoltativi

  • batchSize : dimensione del batch utilizzata per l'inserimento batch di documenti in MongoDB. Il valore predefinito è 1000.
  • batchSizeBytes : dimensioni del batch in byte. Il valore predefinito è 5242880.
  • maxConnectionIdleTime : tempo di inattività massimo consentito in secondi prima del timeout della connessione. Il valore predefinito è 60000.
  • sslEnabled : valore booleano che indica se la connessione a MongoDB è abilitata per SSL. Il valore predefinito è true.
  • ignoreSSLCertificate : valore booleano che indica se ignorare il certificato SSL. Il valore predefinito è true.
  • withOrdered : valore booleano che consente le inserzioni collettive ordinate in MongoDB. Il valore predefinito è true.
  • withSSLInvalidHostNameAllowed : valore booleano che indica se è consentito un nome host non valido per la connessione SSL. Il valore predefinito è true.
  • javascriptTextTransformGcsPath : l'URI Cloud Storage del file .js che definisce la funzione definita dall'utente (UDF) JavaScript da utilizzare. (ad es. gs://my-bucket/my-udfs/my_file.js).
  • javascriptTextTransformFunctionName : il nome della funzione definita dall'utente (UDF) JavaScript da utilizzare. Ad esempio, se il codice della funzione JavaScript è myTransform(inJson) { /*...do stuff...*/ }, il nome della funzione è myTransform. Per esempi di funzioni JavaScript definite dall'utente, consulta Esempi di funzioni UDF (https://github.com/GoogleCloudPlatform/DataflowTemplates#udf-examples).
  • javascriptTextTransformReloadIntervalMinutes : specifica la frequenza con cui ricaricare la UDF, in minuti. Se il valore è maggiore di 0, Dataflow controlla periodicamente il file UDF in Cloud Storage e lo ricarica se il file viene modificato. Questo parametro ti consente di aggiornare la UDF durante l'esecuzione della pipeline, senza dover riavviare il job. Se il valore è 0, il ricaricamento dei DFF è disattivato. Il valore predefinito è 0.

Funzione definita dall'utente

Se vuoi, puoi estendere questo modello scrivendo una funzione definita dall'utente (UDF). Il modello chiama la UDF per ogni elemento di input. I payload degli elementi vengono serializzati come stringhe JSON. Per ulteriori informazioni, consulta Creare funzioni predefinite dall'utente per i modelli Dataflow.

Specifiche della funzione

La UDF ha la seguente specifica:

  • Input: una singola riga di un file CSV di input.
  • Output: un documento JSON con stringa da inserire in MongoDB.

Esegui il modello

Console

  1. Vai alla pagina Crea job da modello di Dataflow.
  2. Vai a Crea job da modello
  3. Nel campo Nome job, inserisci un nome univoco per il job.
  4. (Facoltativo) Per Endpoint a livello di regione, seleziona un valore dal menu a discesa. La regione predefinita è us-central1.

    Per un elenco delle regioni in cui puoi eseguire un job Dataflow, consulta Località di Dataflow.

  5. Nel menu a discesa Modello di flusso di dati, seleziona the Pub/Sub to MongoDB template.
  6. Nei campi dei parametri forniti, inserisci i valori dei parametri.
  7. Fai clic su Esegui job.

gcloud

Nella shell o nel terminale, esegui il modello:

gcloud dataflow flex-template run JOB_NAME \
    --project=PROJECT_ID \
    --region=REGION_NAME \
    --template-file-gcs-location=gs://dataflow-templates-REGION_NAME/VERSION/flex/Cloud_PubSub_to_MongoDB \
    --parameters \
inputSubscription=INPUT_SUBSCRIPTION,\
mongoDBUri=MONGODB_URI,\
database=DATABASE,
collection=COLLECTION,
deadletterTable=UNPROCESSED_TABLE
  

Sostituisci quanto segue:

  • PROJECT_ID: l'ID del progetto Google Cloud in cui vuoi eseguire il job Dataflow
  • REGION_NAME: la regione in cui vuoi eseguire il deployment del job Dataflow, ad esempio us-central1
  • JOB_NAME: un nome di job univoco a tua scelta
  • VERSION: la versione del modello che vuoi utilizzare

    Puoi utilizzare i seguenti valori:

  • INPUT_SUBSCRIPTION: l'abbonamento Pub/Sub (ad esempio projects/my-project-id/subscriptions/my-subscription-id)
  • MONGODB_URI: gli indirizzi dei server MongoDB (ad esempio 192.285.234.12:27017,192.287.123.11:27017)
  • DATABASE: il nome del database MongoDB (ad esempio users)
  • COLLECTION: il nome della raccolta MongoDB (ad esempio profiles)
  • UNPROCESSED_TABLE: il nome della tabella BigQuery (ad es. your-project:your-dataset.your-table-name)

API

Per eseguire il modello utilizzando l'API REST, invia una richiesta POST HTTP. Per ulteriori informazioni sull'API e sui relativi ambiti di autorizzazione, consulta projects.templates.launch.

POST https://dataflow.googleapis.com/v1b3/projects/PROJECT_ID/locations/LOCATION/flexTemplates:launch
{
   "launch_parameter": {
      "jobName": "JOB_NAME",
      "parameters": {
          "inputSubscription": "INPUT_SUBSCRIPTION",
          "mongoDBUri": "MONGODB_URI",
          "database": "DATABASE",
          "collection": "COLLECTION",
          "deadletterTable": "UNPROCESSED_TABLE"
      },
      "containerSpecGcsPath": "gs://dataflow-templates-LOCATION/VERSION/flex/Cloud_PubSub_to_MongoDB",
   }
}
  

Sostituisci quanto segue:

  • PROJECT_ID: l'ID del progetto Google Cloud in cui vuoi eseguire il job Dataflow
  • LOCATION: la regione in cui vuoi eseguire il deployment del job Dataflow, ad esempio us-central1
  • JOB_NAME: un nome di job univoco a tua scelta
  • VERSION: la versione del modello che vuoi utilizzare

    Puoi utilizzare i seguenti valori:

  • INPUT_SUBSCRIPTION: l'abbonamento Pub/Sub (ad esempio projects/my-project-id/subscriptions/my-subscription-id)
  • MONGODB_URI: gli indirizzi dei server MongoDB (ad esempio 192.285.234.12:27017,192.287.123.11:27017)
  • DATABASE: il nome del database MongoDB (ad esempio users)
  • COLLECTION: il nome della raccolta MongoDB (ad esempio profiles)
  • UNPROCESSED_TABLE: il nome della tabella BigQuery (ad es. your-project:your-dataset.your-table-name)

Passaggi successivi