Questa pagina è stata tradotta dall'API Cloud Translation.

Creare una pipeline Dataflow utilizzando Java

Questo documento mostra come configurare il progetto Google Cloud, creare una pipeline di esempio creata con l'SDK Apache Beam per Java ed eseguire la pipeline di esempio sul servizio Dataflow. La pipeline legge un file di testo da Cloud Storage, conta il numero di parole univoche nel file, quindi scrive il conteggio delle parole in Cloud Storage. Per un'introduzione alla pipeline WordCount, guarda il video su come utilizzare WordCount in Apache Beam.

Questo tutorial richiede Maven, ma è anche possibile convertire il progetto di esempio da Maven in Gradle. Per scoprire di più, consulta Facoltativo: conversione da Maven a Gradle.

Per seguire le indicazioni dettagliate per questa attività direttamente nella console Google Cloud, fai clic su Procedura guidata:

Procedura guidata

Prima di iniziare

Accedi al tuo account Google Cloud. Se non conosci Google Cloud, crea un account per valutare le prestazioni dei nostri prodotti in scenari reali. I nuovi clienti ricevono anche 300 $di crediti gratuiti per l'esecuzione, il test e il deployment dei carichi di lavoro.

Installa Google Cloud CLI.

Per initialize gcloud CLI, esegui questo comando:

gcloud init

Create or select a Google Cloud project.

Create a Google Cloud project:
```
gcloud projects create PROJECT_ID
```
Replace PROJECT_ID with a name for the Google Cloud project you are creating.
Select the Google Cloud project that you created:
```
gcloud config set project PROJECT_ID
```
Replace PROJECT_ID with your Google Cloud project name.

Assicurati che la fatturazione sia attivata per il tuo progetto Google Cloud.

Abilita le API Dataflow, Compute Engine, Cloud Logging, Cloud Storage, Google Cloud Storage JSON, BigQuery, Cloud Pub/Sub, Cloud Datastore, and Cloud Resource Manager.

gcloud services enable dataflow compute_component logging storage_component storage_api bigquery pubsub datastore.googleapis.com cloudresourcemanager.googleapis.com

Crea credenziali di autenticazione locali per il tuo Account Google:

gcloud auth application-default login

Concedi i ruoli al tuo Account Google. Esegui questo comando una volta per ciascuno dei seguenti ruoli IAM: roles/iam.serviceAccountUser

gcloud projects add-iam-policy-binding PROJECT_ID --member="user:EMAIL_ADDRESS" --role=ROLE

Sostituisci PROJECT_ID con l'ID progetto.
Sostituisci EMAIL_ADDRESS con il tuo indirizzo email.
Sostituisci ROLE con ogni singolo ruolo.

Installa Google Cloud CLI.

Per initialize gcloud CLI, esegui questo comando:

gcloud init

Create or select a Google Cloud project.

Create a Google Cloud project:
```
gcloud projects create PROJECT_ID
```
Replace PROJECT_ID with a name for the Google Cloud project you are creating.
Select the Google Cloud project that you created:
```
gcloud config set project PROJECT_ID
```
Replace PROJECT_ID with your Google Cloud project name.

Assicurati che la fatturazione sia attivata per il tuo progetto Google Cloud.

Abilita le API Dataflow, Compute Engine, Cloud Logging, Cloud Storage, Google Cloud Storage JSON, BigQuery, Cloud Pub/Sub, Cloud Datastore, and Cloud Resource Manager.

gcloud services enable dataflow compute_component logging storage_component storage_api bigquery pubsub datastore.googleapis.com cloudresourcemanager.googleapis.com

Crea credenziali di autenticazione locali per il tuo Account Google:

gcloud auth application-default login

Concedi i ruoli al tuo Account Google. Esegui questo comando una volta per ciascuno dei seguenti ruoli IAM: roles/iam.serviceAccountUser

gcloud projects add-iam-policy-binding PROJECT_ID --member="user:EMAIL_ADDRESS" --role=ROLE

Sostituisci PROJECT_ID con l'ID progetto.
Sostituisci EMAIL_ADDRESS con il tuo indirizzo email.
Sostituisci ROLE con ogni singolo ruolo.

Concedi ruoli al tuo account di servizio predefinito Compute Engine. Esegui il comando seguente una volta per ciascuno dei seguenti ruoli IAM:
- roles/dataflow.admin
- roles/dataflow.worker
- roles/storage.objectAdmin
```
gcloud projects add-iam-policy-binding PROJECT_ID --member="serviceAccount:PROJECT_NUMBER-compute@developer.gserviceaccount.com" --role=SERVICE_ACCOUNT_ROLE
```
- Sostituisci PROJECT_ID con l'ID progetto.
- Sostituisci PROJECT_NUMBER con il numero del tuo progetto. Per trovare il numero del progetto, consulta Identificare i progetti o utilizza il comando gcloud projects describe.
- Sostituisci SERVICE_ACCOUNT_ROLE con ogni singolo ruolo.

Crea un bucket Cloud Storage e configuralo nel seguente modo:
- Imposta la classe di archiviazione su S (standard).
- Imposta la località di archiviazione come segue: US (Stati Uniti).
- Sostituisci BUCKET_NAME con un nome di bucket univoco. Non includere informazioni sensibili nel nome del bucket perché lo spazio dei nomi dei bucket è globale e visibile pubblicamente.
```
gcloud storage buckets create gs://BUCKET_NAME --default-storage-class STANDARD --location US
```

Copia quanto segue, se ti serviranno in una sezione successiva:
- Il nome del bucket Cloud Storage.
- L'ID del tuo progetto Google Cloud. Per trovare questo ID, consulta Identificazione dei progetti.
Scarica e installa il Java Development Kit (JDK) versione 11. Dataflow continua a supportare la versione 8. Verifica che la variabile di ambiente JAVA_HOME sia impostata e punti alla tua installazione JDK.
Scarica e installa Apache Maven, seguendo la guida all'installazione di Maven per il tuo sistema operativo specifico.

recupera il codice della pipeline

L' SDK Apache Beam è un modello di programmazione open source per le pipeline di elaborazione dei dati. Definisci queste pipeline con un programma Apache Beam e puoi scegliere un runner, come Dataflow, per eseguire la pipeline.

Nella shell o nel terminale, utilizza il plug-in Archetype Maven per creare sul computer un progetto Maven contenente gli esempi di WordCount dell'SDK Apache Beam:
```
mvn archetype:generate \
    -DarchetypeGroupId=org.apache.beam \
    -DarchetypeArtifactId=beam-sdks-java-maven-archetypes-examples \
    -DarchetypeVersion=2.56.0 \
    -DgroupId=org.example \
    -DartifactId=word-count-beam \
    -Dversion="0.1" \
    -Dpackage=org.apache.beam.examples \
    -DinteractiveMode=false
```
Il comando crea una nuova directory denominata word-count-beam all'interno della directory attuale. La directory word-count-beam contiene un semplice file pom.xml e una serie di pipeline di esempio che contano le parole nei file di testo.
Verifica che la directory word-count-beam contenga il file pom.xml:
Linux o macOS
```
cd word-count-beam/
ls
```
L'output è il seguente:
```
pom.xml   src
```
Windows
```
cd word-count-beam/
dir
```
L'output è il seguente:
```
pom.xml   src
```

Verifica che il progetto Maven contenga le pipeline di esempio:

Linux o macOS

ls src/main/java/org/apache/beam/examples/

L'output è il seguente:

DebuggingWordCount.java   WindowedWordCount.java   common
MinimalWordCount.java   WordCount.java

Windows

dir src/main/java/org/apache/beam/examples/

L'output è il seguente:

DebuggingWordCount.java   WindowedWordCount.java   common
MinimalWordCount.java   WordCount.java

Per un'introduzione dettagliata ai concetti di Apache Beam utilizzati in questi esempi, consulta l'esempio di conteggio parole di Apache Beam. Le istruzioni nelle sezioni successive utilizzano WordCount.java.

Esegui la pipeline in locale

Nella shell o nel terminale, esegui la pipeline WordCount in locale dalla directory word-count-beam:
```
mvn compile exec:java \
    -Dexec.mainClass=org.apache.beam.examples.WordCount \
    -Dexec.args="--output=counts"
```
I file di output hanno il prefisso counts e sono scritti nella directory word-count-beam. Contengono parole univoche provenienti dal testo di input e dal numero di occorrenze di ogni parola.

Esegui la pipeline sul servizio Dataflow

Nella shell o nel terminale, crea ed esegui la pipeline WordCount sul servizio Dataflow dalla directory word-count-beam:
```
mvn -Pdataflow-runner compile exec:java \
    -Dexec.mainClass=org.apache.beam.examples.WordCount \
    -Dexec.args="--project=PROJECT_ID \
    --gcpTempLocation=gs://BUCKET_NAME/temp/ \
    --output=gs://BUCKET_NAME/output \
    --runner=DataflowRunner \
    --region=REGION"
```
Sostituisci quanto segue:
- PROJECT_ID: l'ID del tuo progetto Google Cloud
- BUCKET_NAME: il nome del tuo bucket Cloud Storage
- REGION: una regione Dataflow, come us-central1
Nota:
- Per specificare un account di servizio worker gestito dall'utente, includi l'opzione pipeline --serviceAccount. Gli account di servizio worker gestiti dall'utente sono consigliati per i carichi di lavoro di produzione. Se non specifichi un account di servizio worker quando crei un job, Dataflow utilizza l'account di servizio predefinito di Compute Engine.
- Se non specificato tramite l'opzione network, il runner Dataflow esegue i job nella rete Virtual Private Cloud di default.

Visualizza i tuoi risultati

Nella console Google Cloud, vai alla pagina Job di Dataflow.
Vai a Job
La pagina Job mostra i dettagli di tutti i lavori disponibili, incluso lo stato. Lo stato del job wordcount è inizialmente In esecuzione, quindi viene aggiornato in Riuscito.
Nella console Google Cloud, vai alla pagina Bucket in Cloud Storage.
Vai a Bucket
La pagina Bucket mostra l'elenco di tutti i bucket di archiviazione nel progetto.
Fai clic sul bucket di archiviazione che hai creato.

La pagina Dettagli bucket mostra i file di output e di gestione temporanea creati dal job Dataflow.

Esegui la pulizia

Per evitare che al tuo account Google Cloud vengano addebitati costi relativi alle risorse utilizzate in questa pagina, elimina il progetto Google Cloud con le risorse.

Elimina il progetto

Il modo più semplice per eliminare la fatturazione è eliminare il progetto Google Cloud che hai creato per la guida rapida.

Attenzione: l'eliminazione di un progetto ha i seguenti effetti:

L'intero contenuto del progetto viene eliminato. Se hai utilizzato un progetto esistente per le attività in questo documento, quando lo elimini elimini anche qualsiasi altro lavoro svolto nel progetto.
Gli ID progetto personalizzati non sono più disponibili. Quando hai creato questo progetto, potresti aver creato un ID progetto personalizzato che vuoi utilizzare in futuro. Per conservare gli URL che utilizzano l'ID progetto, ad esempio un URL appspot.com, elimina le risorse selezionate all'interno del progetto anziché eliminare l'intero progetto.

Se intendi esplorare più architetture, tutorial o guide rapide, puoi riutilizzare i progetti ed evitare così di superare i limiti di quota.

Nella console Google Cloud, vai alla pagina Gestisci risorse.
Vai a Gestisci risorse
Nell'elenco dei progetti, seleziona il progetto che vuoi eliminare, quindi fai clic su Elimina.
Nella finestra di dialogo, digita l'ID del progetto e fai clic su Chiudi per eliminare il progetto.

Elimina le singole risorse

Se vuoi conservare il progetto Google Cloud che hai utilizzato in questa guida rapida, elimina le singole risorse:

Nella console Google Cloud, vai alla pagina Bucket di Cloud Storage.
Vai a Bucket
Fai clic sulla casella di controllo relativa al bucket da eliminare.
Per eliminare il bucket, fai clic su Elimina e segui le istruzioni.

Revoca i ruoli che hai concesso all'account di servizio predefinito di Compute Engine. Esegui il comando seguente una volta per ciascuno dei seguenti ruoli IAM:
- roles/dataflow.admin
- roles/dataflow.worker
- roles/storage.objectAdmin
```
gcloud projects remove-iam-policy-binding PROJECT_ID \
    --member=serviceAccount:PROJECT_NUMBER-compute@developer.gserviceaccount.com \
    --role=SERVICE_ACCOUNT_ROLE
```

Facoltativo: revoca le credenziali di autenticazione che hai creato ed elimina il file delle credenziali locale.
```
gcloud auth application-default revoke
```

Facoltativo: revoca le credenziali dallgcloud CLI.
```
gcloud auth revoke
```

Passaggi successivi

Scopri di più sul modello di programmazione Apache Beam.
Scopri come utilizzare Apache Beam per creare pipeline.
Esamina gli esempi di conteggio parole e giochi mobile.