运行示例模板

WordCount 模板是一种批处理流水线,它可从 Cloud Storage 读取文本,将文本行标记化为一个个的词,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

如果 Cloud Storage 存储桶位于服务边界外部,请创建一条允许访问该存储桶的出站流量规则

模板参数

参数 说明
inputFile Cloud Storage 输入文件的路径。
outputFile Cloud Storage 输出文件的路径和前缀。

运行 WordCount 模板

控制台

  1. 转到 Dataflow 基于模板创建作业页面。
  2. 转到“基于模板创建作业”
  3. 作业名称字段中,输入唯一的作业名称。
  4. 可选:对于区域性端点,从下拉菜单中选择一个值。默认区域为 us-central1

    如需查看可以在其中运行 Dataflow 作业的区域列表,请参阅 Dataflow 位置

  5. Dataflow 模板下拉菜单中,选择 the WordCount template。
  6. 在提供的参数字段中,输入您的参数值。
  7. 点击运行作业

gcloud

在 shell 或终端中,运行模板:

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

请替换以下内容:

  • JOB_NAME:您选择的唯一性作业名称

  • REGION_NAME:要在其中部署 Dataflow 作业的区域,例如 us-central1

  • BUCKET_NAME:Cloud Storage 存储桶的名称

API

如需使用 REST API 来运行模板,请发送 HTTP POST 请求。如需详细了解 API 及其授权范围,请参阅 projects.templates.launch

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

请替换以下内容:

  • PROJECT_ID:您要在其中运行 Dataflow 作业的 Google Cloud 项目的 ID
  • JOB_NAME:您选择的唯一性作业名称

  • LOCATION:要在其中部署 Dataflow 作业的区域,例如 us-central1

  • BUCKET_NAME:Cloud Storage 存储桶的名称