Stream da Pub/Sub a BigQuery

---

Questo tutorial utilizza il modello Abbonamento Pub/Sub a BigQuery per creare ed eseguire un job di modello Dataflow utilizzando la console Google Cloud o Google Cloud CLI. Il tutorial illustra un esempio di pipeline di inserimento flussi che legge i messaggi codificati in JSON da Pub/Sub, utilizza una funzione definita dall'utente (UDF) per estendere il modello di streaming fornito da Google, trasforma i dati dei messaggi con l'SDK Apache Beam e scrive i risultati in una tabella BigQuery.

Le pipeline di analisi dei flussi di dati e di integrazione dei dati utilizzano Pub/Sub per importare e distribuire i dati. Pub/Sub ti consente di creare sistemi di produttori e consumer di eventi, denominati publisher e subscriber. I publisher inviano eventi al servizio Pub/Sub in modo asincrono e Pub/Sub li consegna a tutti i servizi che devono reagire.

Dataflow è un servizio completamente gestito per la trasformazione e l'arricchimento dei dati in modalità flusso (in tempo reale) e batch. Fornisce un ambiente di sviluppo delle pipeline semplificato che utilizza l'SDK Apache Beam per trasformare i dati in entrata e poi per generare l'output dei dati trasformati.

Il vantaggio di questo flusso di lavoro è che puoi utilizzare le UDF per trasformare i dati dei messaggi prima che vengano scritti in BigQuery. Un'altra opzione è utilizzare una sottoscrizione BigQuery, che scrive i messaggi Pub/Sub direttamente in BigQuery, senza utilizzare Dataflow. Questa opzione supporta solo la consegna "at-least-once"; non supporta l'elaborazione "exactly-once".

Obiettivi

• Creare un argomento Pub/Sub.
• Creare un set di dati BigQuery con una tabella e uno schema.
• Utilizza un modello di streaming fornito da Google per creare un flusso di dati dalla tua sottoscrizione Pub/Sub a BigQuery utilizzando Dataflow.
• Crea una funzione definita dall'utente (UDF) per estendere il modello di streaming fornito da Google.

Costi

In questo documento utilizzi i seguenti componenti fatturabili di Google Cloud:

• Dataflow
• Pub/Sub
• Cloud Storage
• Cloud Scheduler
• BigQuery

Per generare una stima dei costi in base all'utilizzo previsto, utilizza il Calcolatore prezzi. I nuovi utenti di Google Cloud potrebbero essere idonei per una prova gratuita.

Al termine delle attività descritte in questo documento, puoi evitare la fatturazione continua eliminando le risorse che hai creato. Per ulteriori informazioni, consulta la sezione Pulizia.

Prima di iniziare

Questa sezione spiega come selezionare un progetto, attivare le API e concedere i ruoli appropriati al tuo account utente e all'account di servizio di lavoro.

Console

1. Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.

2. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

   Go to project selector

3. Make sure that billing is enabled for your Google Cloud project.

4. Enable the Compute Engine, Dataflow, Cloud Logging, BigQuery, Pub/Sub, Cloud Storage, Resource Manager, and Cloud Scheduler APIs.

   Enable the APIs

5. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

   Go to project selector

6. Make sure that billing is enabled for your Google Cloud project.

7. Enable the Compute Engine, Dataflow, Cloud Logging, BigQuery, Pub/Sub, Cloud Storage, Resource Manager, and Cloud Scheduler APIs.

   Enable the APIs

8. Per completare i passaggi di questo tutorial, il tuo account utente deve disporre del ruolo Utente account di servizio. L'account di servizio predefinito di Compute Engine deve avere i seguenti ruoli: Worker Dataflow, Amministratore Dataflow, Editor Pub/Sub, Amministratore oggetti archiviazione ed Editor dati BigQuery. Per aggiungere i ruoli richiesti nella console Google Cloud:

   1. Nella console Google Cloud, vai alla pagina IAM.

      Vai a IAM
   2. Seleziona il progetto.
   3. Nella riga contenente il tuo account utente, fai clic su Modifica entità, quindi su Aggiungi un altro ruolo.
   4. Nell'elenco a discesa, seleziona il ruolo Utente account di servizio.
   5. Nella riga contenente l'account di servizio predefinito di Compute Engine, fai clic su Modifica entità e poi su Aggiungi un altro ruolo.
   6. Nell'elenco a discesa, seleziona il ruolo Dataflow Worker.

   7. Ripeti l'operazione per i ruoli Amministratore Dataflow, Editor Pub/Sub, Amministratore oggetti Storage ed Editor dati BigQuery, quindi fai clic su Salva.

      Per ulteriori informazioni sulla concessione dei ruoli, consulta Concedere un ruolo IAM utilizzando la console.

gcloud

1. Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.
2. Install the Google Cloud CLI.

3. To initialize the gcloud CLI, run the following command:

   gcloud init

4. Create or select a Google Cloud project.

   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the 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.

5. Make sure that billing is enabled for your Google Cloud project.

6. Enable the Compute Engine, Dataflow, Cloud Logging, BigQuery, Pub/Sub, Cloud Storage, Resource Manager, and Cloud Scheduler APIs:

   gcloud services enable compute.googleapis.com dataflow.googleapis.com logging.googleapis.com bigquery.googleapis.com pubsub.googleapis.com storage.googleapis.com cloudresourcemanager.googleapis.com cloudscheduler.googleapis.com

7. If you're using a local shell, then create local authentication credentials for your user account:

   gcloud auth application-default login

   You don't need to do this if you're using Cloud Shell.

8. Grant roles to your user account. Run the following command once for each of the following IAM roles: roles/iam.serviceAccountUser

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

   • Replace PROJECT_ID with your project ID.

   • Replace USER_IDENTIFIER with the identifier for your user account. For example, user:[e-mail].

   • Replace ROLE with each individual role.
9. Install the Google Cloud CLI.

10. To initialize the gcloud CLI, run the following command:

    gcloud init

11. Create or select a Google Cloud project.

    Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the 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.

12. Make sure that billing is enabled for your Google Cloud project.

13. Enable the Compute Engine, Dataflow, Cloud Logging, BigQuery, Pub/Sub, Cloud Storage, Resource Manager, and Cloud Scheduler APIs:

    gcloud services enable compute.googleapis.com dataflow.googleapis.com logging.googleapis.com bigquery.googleapis.com pubsub.googleapis.com storage.googleapis.com cloudresourcemanager.googleapis.com cloudscheduler.googleapis.com

14. If you're using a local shell, then create local authentication credentials for your user account:

    gcloud auth application-default login

    You don't need to do this if you're using Cloud Shell.

15. Grant roles to your user account. Run the following command once for each of the following IAM roles: roles/iam.serviceAccountUser

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

    • Replace PROJECT_ID with your project ID.

    • Replace USER_IDENTIFIER with the identifier for your user account. For example, user:[e-mail].

    • Replace ROLE with each individual role.

16. Concedi i ruoli all'account di servizio predefinito di Compute Engine. Esegui il seguente comando una volta per ciascuno dei seguenti ruoli IAM:

    • roles/dataflow.admin
    • roles/dataflow.worker
    • roles/storage.admin
    • roles/pubsub.editor
    • roles/bigquery.dataEditor

    gcloud projects add-iam-policy-binding PROJECT_ID --member="serviceAccount:[e-mail]" --role=SERVICE_ACCOUNT_ROLE

    Sostituisci quanto segue:

    • PROJECT_ID: il tuo ID progetto.
    • PROJECT_NUMBER: il numero del progetto. Per trovare il numero del progetto, utilizza il comando gcloud projects describe.
    • SERVICE_ACCOUNT_ROLE: ogni singolo ruolo.

Crea l'origine e il sink di esempio

Questa sezione spiega come creare quanto segue:

• Un'origine di dati in streaming che utilizza Pub/Sub
• Un set di dati per caricare i dati in BigQuery

Crea un bucket Cloud Storage

Per iniziare, crea un bucket Cloud Storage utilizzando la console Google Cloud o Google Cloud CLI. La pipeline Dataflow utilizza questo bucket come posizione di archiviazione temporanea.

Console

1. Nella console Google Cloud, vai alla pagina Bucket in Cloud Storage.

   Vai a Bucket

2. Fai clic su Crea bucket.

3. Nella pagina Crea un bucket, in Assegna un nome al bucket, inserisci un nome che soddisfi i requisiti per i nomi dei bucket. I nomi dei bucket Cloud Storage devono essere univoci a livello globale. Non selezionare le altre opzioni.

4. Fai clic su Crea.

gcloud

Utilizza il comando gcloud storage buckets create:

gcloud storage buckets create gs://BUCKET_NAME

Sostituisci BUCKET_NAME con un nome per il bucket Cloud Storage che soddisfi i requisiti per la denominazione dei bucket. I nomi dei bucket Cloud Storage devono essere univoci a livello globale.

Crea un argomento e una sottoscrizione Pub/Sub

Crea un argomento Pub/Sub e poi una sottoscrizione a quell'argomento.

Console

Per creare un argomento, completa i seguenti passaggi.

1. Nella console Google Cloud, vai alla pagina Argomenti di Pub/Sub.

   Vai ad Argomenti

2. Fai clic su Crea argomento.

3. Nel campo ID argomento, inserisci un ID per l'argomento. Per informazioni su come assegnare un nome a un argomento, consulta le linee guida per assegnare un nome a un argomento o a un abbonamento.

4. Mantieni l'opzione Aggiungi una sottoscrizione predefinita. Non selezionare le altre opzioni.

5. Fai clic su Crea argomento.

gcloud

Per creare un argomento, esegui il comando gcloud pubsub topics create. Per informazioni su come assegnare un nome a un abbonamento, consulta Linee guida per assegnare un nome a un argomento o a un abbonamento.

gcloud pubsub topics create TOPIC_ID

Sostituisci TOPIC_ID con un nome per l'argomento Pub/Sub.

Per creare una sottoscrizione all'argomento, esegui il comando gcloud pubsub subscriptions create:

gcloud pubsub subscriptions create --topic TOPIC_ID SUBSCRIPTION_ID

Sostituisci SUBSCRIPTION_ID con un nome per la sottoscrizione Pub/Sub.

Crea ed esegui job Cloud Scheduler

Crea ed esegui due job Cloud Scheduler, uno che pubblica le valutazioni positive e un altro che pubblica le valutazioni negative nell'argomento Pub/Sub.

Console

Crea un job Cloud Scheduler per le valutazioni positive.

1. Vai alla pagina Cloud Scheduler nella console.

   Vai a Cloud Scheduler

2. Fai clic sul pulsante Crea un job.

3. Inserisci il nome positive-ratings-publisher.

4. Seleziona una regione Dataflow vicina a dove esegui i comandi in questo tutorial. Il valore della variabile REGION deve essere un nome di regione valido. Per saperne di più su regioni e località, consulta Località di Dataflow.

5. Specifica la frequenza per il job utilizzando il formato unix-cron: * * * * *

   Per ulteriori informazioni, consulta Configurazione delle pianificazioni dei cron job.

6. Seleziona il tuo fuso orario.

7. Fai clic su Continua.

8. Nell'elenco Destinazione, seleziona Pub/Sub.

9. Seleziona il nome dell'argomento dall'elenco.

10. Aggiungi la seguente stringa Messaggio da inviare al target: {"url": "https://beam.apache.org/", "review": "positive"}

11. Fai clic su Crea.

Ora hai un cron job che invia un messaggio con una valutazione positiva al tuo argomento Pub/Sub ogni minuto. La tua funzione Cloud Functions si iscrive a quell'argomento.

Crea un job Cloud Scheduler per le valutazioni negative.

1. Nella pagina Cloud Scheduler della console, fai clic sul pulsante Crea un job.

2. Inserisci il nome negative-ratings-publisher.

3. Seleziona una regione in cui eseguire il job.

4. Specifica la frequenza per il job utilizzando il formato unix-cron: */2 * * * *

   Per ulteriori informazioni, consulta Configurazione delle pianificazioni dei cron job.

5. Seleziona il tuo fuso orario.

6. Fai clic su Continua.

7. Nell'elenco Destinazione, seleziona Pub/Sub.

8. Seleziona il nome dell'argomento dall'elenco.

9. Aggiungi la seguente stringa Messaggio da inviare al target: {"url": "https://beam.apache.org/", "review": "negative"}

10. Fai clic su Crea.

Ora hai un cron job che invia un messaggio con una valutazione negativa al tuo argomento Pub/Sub ogni due minuti. La tua funzione Cloud Functions si iscrive a quell'argomento.

gcloud

1. Per creare un job Cloud Scheduler per questo tutorial, utilizza il comando gcloud scheduler jobs create. Questo passaggio crea un publisher per le "valutazioni positive" che pubblica un messaggio al minuto.

   gcloud scheduler jobs create pubsub positive-ratings-publisher \
     --schedule="* * * * *" \
     --location=DATAFLOW_REGION \
     --topic="TOPIC_ID" \
     --message-body='{"url": "https://beam.apache.org/", "review": "positive"}'
   

   Sostituisci DATAFLOW_REGION con la regione in cui eseguire il deployment del job Dataflow. Seleziona una regione Dataflow vicina a dove esegui i comandi in questo tutorial. Il valore della variabile REGION deve essere un nome di regione valido.

2. Per avviare il job Cloud Scheduler, utilizza il comando gcloud scheduler jobs run.

   gcloud scheduler jobs run --location=DATAFLOW_REGION positive-ratings-publisher
   

3. Crea e pubblica un altro publisher simile per le "valutazioni negative" che pubblica un messaggio ogni due minuti. Questo passaggio crea un publisher per le "valutazioni negative" che pubblica un messaggio ogni due minuti.

   gcloud scheduler jobs create pubsub negative-ratings-publisher \
     --schedule="*/2 * * * *" \
     --location=DATAFLOW_REGION  \
     --topic="TOPIC_ID" \
     --message-body='{"url": "https://beam.apache.org/", "review": "negative"}'
   

4. Avvia il secondo job Cloud Scheduler.

   gcloud scheduler jobs run --location=DATAFLOW_REGION negative-ratings-publisher
   

Crea un set di dati BigQuery

Crea un set di dati e una tabella BigQuery con lo schema appropriato per il tuo argomento Pub/Sub.

Console

Creare un set di dati BigQuery.

1. Apri la pagina BigQuery nella console Google Cloud.

   Vai alla pagina BigQuery

2. Nel riquadro Explorer, seleziona il progetto in cui vuoi creare il set di dati.

3. Espandi l'opzione Azioni e fai clic su Crea set di dati.

4. Nella pagina Crea set di dati:

   • In ID set di dati, inserisci tutorial_dataset.

   • In Posizione dei dati, scegli una posizione geografica per il set di dati. Una volta creato un set di dati, la posizione non può essere modificata.

     Nota: se scegli EU o una regione con sede nell'UE per la località del set di dati, i Dati dei clienti di Dataflow di base si trovano nell'UE. I Dati del cliente di Dataflow di base sono definiti nei Termini di servizio specifici.

   • Non selezionare le altre opzioni.

   • Fai clic su Crea set di dati.

Crea una tabella BigQuery con uno schema.

1. Nel riquadro Explorer, espandi il progetto e seleziona il set di dati tutorial_dataset.

2. Espandi l'opzione Azioni e fai clic su Apri.

3. Nel riquadro dei dettagli, fai clic su Crea tabella .

4. Nella sezione Origine della pagina Crea tabella, seleziona Tabella vuota.

5. Nella sezione Destinazione della pagina Crea tabella:

   • Verifica che Nome set di dati sia impostato su tutorial_dataset.
   • Nel campo Nome tabella, inserisci tutorial.
   • Verifica che Tipo di tabella sia impostato su Tabella nativa.

6. Nella sezione Schema, inserisci la definizione dello schema. Attiva Modifica come testo e inserisci il seguente schema di tabella come array JSON.

   [
     {
       "mode": "NULLABLE",
       "name": "url",
       "type": "STRING"
     },
     {
       "mode": "NULLABLE",
       "name": "review",
       "type": "STRING"
     }
   ]
   

7. Per Impostazioni di partizionamento e clustering, lascia il valore predefinito: No partitioning.

8. Nella sezione Opzioni avanzate, lascia invariato il valore predefinito per Crittografia: Google-managed key. Per impostazione predefinita, Dataflow cripta i contenuti dei clienti archiviati at-rest.

9. Fai clic su Crea tabella.

gcloud

Utilizza il comando bq mk per creare il set di dati.

bq --location=DATAFLOW_REGION mk \
PROJECT_ID:tutorial_dataset

Sostituisci PROJECT_ID con l'ID del tuo progetto.

Utilizza il comando bq mk con il flag --table o -t per creare una tabella nel tuo set di dati.

bq mk \
    --table \
    PROJECT_ID:tutorial_dataset.tutorial \
    url:STRING,review:STRING

Creare una funzione definita dall'utente

Se vuoi, puoi creare una UDF JavaScript per estendere il modello di abbonamento Pub/Sub a BigQuery fornito da Google. Le funzioni definite dall'utente ti consentono di definire trasformazioni dei dati non presenti nel modello e di inserirle nel modello.

Nota: le funzioni definite dall'utente di Dataflow sono scritte in JavaScript e devono essere eseguibili nel motore JavaScript Nashorn.

La seguente UDF convalida gli URL delle valutazioni in arrivo. Le valutazioni con nessun URL o URL errati vengono inoltrate a una tabella di output diversa con il suffisso _error_records, nota anche come tabella di posta in arrivo, nello stesso progetto e nello stesso set di dati.

JavaScript

/**
 * User-defined function (UDF) to transform events
 * as part of a Dataflow template job.
 *
 * @param {string} inJson input Pub/Sub JSON message (stringified)
 */
 function process(inJson) {
    const obj = JSON.parse(inJson);
    const includePubsubMessage = obj.data && obj.attributes;
    const data = includePubsubMessage ? obj.data : obj;

    if (!data.hasOwnProperty('url')) {
      throw new Error("No url found");
    } else if (data.url !== "https://beam.apache.org/") {
      throw new Error("Unrecognized url");
    }

    return JSON.stringify(obj);
  }

Salva questo snippet JavaScript nel bucket Cloud Storage creato in precedenza.

esegui la pipeline.

Esegui una pipeline in modalità flusso utilizzando il modello di sottoscrizione Pub/Sub a BigQuery fornito da Google. La pipeline riceve i dati in arrivo dall'argomento Pub/Sub e li esporta nel set di dati BigQuery.

Console

1. Nella console Google Cloud, vai alla pagina Job di Dataflow.

   Vai a Job

2. Fai clic su Crea job da modello.

3. Inserisci un nome job per il tuo job Dataflow.

4. Per Endpoint a livello di area geografica, seleziona una regione per il job Dataflow.

5. In Modello Dataflow, seleziona il modello Sottoscrizione Pub/Sub a BigQuery.

6. In Tabella di output BigQuery, inserisci quanto segue:

   PROJECT_ID:tutorial_dataset.tutorial
   

7. In Pub/Sub input subscription (Abbonamento Pub/Sub di input), inserisci quanto segue:

   projects/PROJECT_ID/subscriptions/SUBSCRIPTION_ID
   

   Sostituisci PROJECT_ID con l'ID del progetto in cui hai creato il set di dati BigQuery e SUBSCRIPTION_ID con il nome della sottoscrizione Pub/Sub.

8. In Posizione temporanea, inserisci quanto segue:

   gs://BUCKET_NAME/temp/
   

   Sostituisci BUCKET_NAME con il nome del tuo bucket Cloud Storage. La cartella temp memorizza i file temporanei, ad esempio il job della pipeline sottoposto a gestione temporanea.

9. (Facoltativo) Per includere una UDF per il job, espandi Parametri facoltativi.

   1. In Percorso della funzione JavaScript definita dall'utente in Cloud Storage, inserisci quanto segue:

      gs://BUCKET_NAME/dataflow_udf_transform.js
      

   2. Per Nome della funzione JavaScript definita dall'utente, inserisci quanto segue:

      process
      

10. Fai clic su Esegui job.

Per verificare se il modello può inoltrare i messaggi a una tabella delle bozze, pubblica alcune valutazioni senza URL o con URL errati.

1. Vai alla pagina Argomenti di Pub/Sub.

2. Fai clic sul tuo TOPIC_ID.

3. Vai alla sezione Messaggi.

4. Fai clic su Pubblica messaggio.

5. Inserisci alcune valutazioni senza URL o con URL errati in Testo del messaggio. Ad esempio:

   {"url": "https://beam.apache.org/documentation/sdks/java/", "review": "positive"}
   

6. Fai clic su Pubblica.

gcloud

Nota: per utilizzare Google Cloud CLI per eseguire i modelli classici, devi avere la versione 138.0.0 o successiva di gcloud CLI.

Per eseguire il modello nella shell o nel terminale, utilizza il comando gcloud dataflow jobs run.

gcloud dataflow jobs run JOB_NAME \
    --gcs-location gs://dataflow-templates-DATAFLOW_REGION/latest/PubSub_Subscription_to_BigQuery \
    --region DATAFLOW_REGION \
    --staging-location gs://BUCKET_NAME/temp \
    --parameters \
inputSubscription=projects/PROJECT_ID/subscriptions/SUBSCRIPTION_ID,\
outputTableSpec=PROJECT_ID:tutorial_dataset.tutorial

Sostituisci JOB_NAME con un nome univoco di tua scelta.

Se vuoi, per eseguire il modello con la UDF, utilizza il seguente comando:

gcloud dataflow jobs run JOB_NAME \
    --gcs-location gs://dataflow-templates-DATAFLOW_REGION/latest/PubSub_Subscription_to_BigQuery \
    --region DATAFLOW_REGION \
    --staging-location gs://BUCKET_NAME/temp \
    --parameters \
inputSubscription=projects/PROJECT_ID/subscriptions/SUBSCRIPTION_ID,\
outputTableSpec=PROJECT_ID:tutorial_dataset.tutorial,\
javascriptTextTransformGcsPath=gs://BUCKET_NAME/dataflow_udf_transform.js,\
javascriptTextTransformFunctionName=process

Per verificare se il modello può inoltrare i messaggi a una tabella di posta inutilizzata, pubblica alcune valutazioni senza URL o con URL errati. Ad esempio:

gcloud pubsub topics publish TOPIC_ID \
  --message='{"url": "https://beam.apache.org/documentation/sdks/java/", "review": "positive"}'

Visualizza i tuoi risultati

Visualizza i dati scritti nelle tabelle BigQuery.

Console

1. Nella console Google Cloud, vai alla pagina BigQuery.
   Vai alla pagina BigQuery

2. Nell'editor di query, esegui la seguente query:

   SELECT * FROM `PROJECT_ID.tutorial_dataset.tutorial`
   LIMIT 1000
   

   La visualizzazione dei dati nella tabella può richiedere fino a un minuto.

   La query restituisce le righe che sono state aggiunte alla tabella nelle ultime 24 ore. Puoi anche eseguire query utilizzando SQL standard.

   Se prevedi che alcuni record di errore vengano scritti nella tabella delle email inutilizzate, nella query utilizza il nome della tabella tutorial_error_records. Ad esempio:

   SELECT * FROM `PROJECT_ID.tutorial_dataset.tutorial_error_records`
   LIMIT 1000
   

gcloud

Controlla i risultati in BigQuery eseguendo la seguente query:

bq query --use_legacy_sql=false 'SELECT * FROM `'"PROJECT_ID.tutorial_dataset.tutorial"'`'

Mentre questa pipeline è in esecuzione, puoi vedere nuove righe aggiunte alla tabella BigQuery ogni minuto.

Se prevedi che alcuni record di errore vengano scritti nella tabella delle email inutilizzate, nella query utilizza il nome della tabella tutorial_error_records. Ad esempio:

SELECT * FROM `PROJECT_ID.tutorial_dataset.tutorial_error_records`
LIMIT 1000

Esegui la pulizia

Per evitare che al tuo account Google Cloud vengano addebitati costi relativi alle risorse utilizzate in questo tutorial, elimina il progetto che contiene le risorse oppure mantieni il progetto ed elimina le singole risorse.

Elimina il progetto

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

Console

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 descritte in questo documento, quando lo elimini elimini anche tutto il 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, il riuso dei progetti può aiutarti a non superare i limiti di quota.

1. In the Google Cloud console, go to the Manage resources page.

   Go to Manage resources

2. In the project list, select the project that you want to delete, and then click Delete.
3. In the dialog, type the project ID, and then click Shut down to delete the project.

gcloud

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 descritte in questo documento, quando lo elimini elimini anche tutto il 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, il riuso dei progetti può aiutarti a non superare i limiti di quota.

Delete a Google Cloud project:

gcloud projects delete PROJECT_ID

Elimina le singole risorse

Se vuoi riutilizzare il progetto in un secondo momento, puoi conservarlo, ma eliminare le risorse che hai creato durante il tutorial.

Arresta la pipeline Dataflow

Console

1. Nella console Google Cloud, vai alla pagina Job di Dataflow.

   Vai a Job

2. Fai clic sul job che vuoi interrompere.

   Per interrompere un job, lo stato del job deve essere in esecuzione.

3. Nella pagina dei dettagli del job, fai clic su Interrompi.

4. Fai clic su Annulla.

5. Per confermare la tua scelta, fai clic su Interrompi job.

gcloud

Per annullare il job Dataflow, utilizza il comando gcloud dataflow jobs.

gcloud dataflow jobs list \
  --filter 'NAME=JOB_NAME AND STATE=Running' \
  --format 'value(JOB_ID)' \
  --region "DATAFLOW_REGION" \
  | xargs gcloud dataflow jobs cancel --region "DATAFLOW_REGION"

Eliminare le risorse del progetto Google Cloud

Console

1. Elimina i job Cloud Scheduler.

   1. Vai alla pagina Cloud Scheduler nella console Google Cloud.

      Vai a Cloud Scheduler

   2. Seleziona i tuoi job.

   3. Fai clic sul pulsante Elimina nella parte superiore della pagina e conferma l'eliminazione.

2. Elimina l'argomento e la sottoscrizione Pub/Sub.

   1. Vai alla pagina Argomenti di Pub/Sub nella console Google Cloud.

      Vai ad Argomenti

   2. Seleziona l'argomento che hai creato.

   3. Fai clic su Elimina per eliminare definitivamente l'argomento.

   4. Vai alla pagina Abbonamenti di Pub/Sub nella console Google Cloud.

      Vai ad Abbonamenti

   5. Seleziona l'abbonamento creato con l'argomento.

   6. Fai clic su Elimina per eliminare definitivamente l'abbonamento.

3. Elimina la tabella e il set di dati BigQuery.

   1. Nella console Google Cloud, vai alla pagina BigQuery.

      Vai a BigQuery

   2. Nel riquadro Explorer, espandi il progetto.

   3. Accanto al set di dati che vuoi eliminare, fai clic su Visualizza azioni e poi su Elimina.

4. Elimina il bucket Cloud Storage.

   1. Nella console Google Cloud, vai alla pagina Bucket in Cloud Storage.

      Vai a Bucket

   2. Seleziona il bucket da eliminare, fai clic su Elimina e segui le istruzioni.

gcloud

1. Per eliminare i job Cloud Scheduler, utilizza il comando gcloud scheduler jobs delete.

   gcloud scheduler jobs delete negative-ratings-publisher --location=DATAFLOW_REGION
   

   gcloud scheduler jobs delete positive-ratings-publisher --location=DATAFLOW_REGION
   

2. Per eliminare l'argomento e la sottoscrizione Pub/Sub, utilizza i comandi gcloud pubsub subscriptions delete e gcloud pubsub topics delete.

   gcloud pubsub subscriptions delete SUBSCRIPTION_ID
   gcloud pubsub topics delete TOPIC_ID
   

3. Per eliminare la tabella BigQuery, utilizza il comando bq rm.

   bq rm -f -t PROJECT_ID:tutorial_dataset.tutorial
   

4. Elimina il set di dati BigQuery. Il set di dati da solo non comporta costi.

   Attenzione: il seguente comando elimina anche tutte le tabelle nel set di dati. Le tabelle e i dati non possono essere recuperati.

   bq rm -r -f -d PROJECT_ID:tutorial_dataset
   

5. Per eliminare il bucket Cloud Storage, utilizza il comando gcloud storage rm. Il bucket da solo non comporta alcun costo.

   Attenzione: il seguente comando elimina anche tutti gli oggetti nel bucket. Questi oggetti non possono essere recuperati.

   gcloud storage rm gs://BUCKET_NAME --recursive
   

Revocare le credenziali

Console

Se mantieni il progetto, revoca i ruoli che hai concesso all'account di servizio predefinito di Compute Engine.

1. Nella console Google Cloud, vai alla pagina IAM.

Vai a IAM

1. Seleziona un progetto, una cartella o un'organizzazione.

2. Individua la riga contenente l'entità di cui vuoi revocare l'accesso. In quella riga, fai clic su Modifica entità.

3. Fai clic sul pulsante Elimina per ogni ruolo che vuoi revocare e poi fai clic su Salva.

gcloud

• Se mantieni il progetto, revoca i ruoli concessi all'account di servizio predefinito Compute Engine. Esegui il seguente comando una volta per ciascuno dei seguenti ruoli IAM:
  • roles/dataflow.admin
  • roles/dataflow.worker
  • roles/storage.admin
  • roles/pubsub.editor
  • roles/bigquery.dataEditor

    gcloud projects remove-iam-policy-binding <var>PROJECT_ID</var> \
    --member=serviceAccount:<var>PROJECT_NUMBER</var>[e-mail] \
    --role=<var>ROLE</var>
  

• Optional: Revoke the authentication credentials that you created, and delete the local credential file.

  gcloud auth application-default revoke

• Optional: Revoke credentials from the gcloud CLI.

  gcloud auth revoke

Passaggi successivi

• Espandi il modello Dataflow con le funzioni definite dall'utente.
• Scopri di più sull'utilizzo dei modelli Dataflow.
• Visualizza tutti i modelli forniti da Google.
• Scopri come utilizzare Pub/Sub per creare e utilizzare gli argomenti e come creare una sottoscrizione pull.
• Scopri di più sull'utilizzo di Cloud Scheduler per pianificare ed eseguire i cron job.
• Scopri come utilizzare BigQuery per creare set di dati.
• Scopri di più sulle sottoscrizioni Pub/Sub.
• Esplora architetture di riferimento, diagrammi e best practice su Google Cloud. Consulta il nostro Cloud Architecture Center.