Übersicht über Dataproc-Workflow-Vorlagen

Die Dataproc WorkflowTemplates API bietet einen flexiblen und benutzerfreundlichen Mechanismus zum Verwalten und Ausführen von Workflows. Eine Workflowvorlage ist eine wiederverwendbare Workflowkonfiguration, die Jobs in einer Grafik definiert und Informationen dazu enthält, wo diese Jobs ausgeführt werden sollen.

Wichtige Fakten

  • Durch das Instanziieren einer Workflowvorlage wird ein Workflow gestartet. Ein Workflow ist ein Vorgang, der einen gerichteten azyklischen Graphen (Directed Acyclic Graph, DAG) von Jobs in einem Cluster ausführt.
    • Wenn der Workflow einen verwalteten Cluster verwendet, wird der Cluster erstellt und die Jobs werden ausgeführt. Nach Abschluss der Jobs wird der Cluster gelöscht.
    • Wenn der Workflow eine Clusterauswahl verwendet, werden die Jobs in einem ausgewählten vorhandenen Cluster ausgeführt.
  • Workflows sind ideal für komplexe Jobabläufe geeignet. Sie können Jobabhängigkeiten erstellen und damit festlegen, dass ein Job erst gestartet wird, nachdem die zugehörigen Abhängigkeiten erfolgreich abgeschlossen wurden.
  • Wenn Sie eine Workflow-Vorlage erstellen, wird Dataproc verwendet. erstellt keinen Cluster und sendet keine Jobs an einen Cluster. Dataproc erstellt oder wählt einen Cluster aus und führt Workflowjobs auf dem Cluster, wenn eine Workflowvorlage instanziiert wird.

Arten von Workflowvorlagen

Verwalteter Cluster

In einer Workflowvorlage kann ein verwalteter Cluster angegeben sein. Der Workflow erstellt einen „sitzungsspezifischen“ Cluster zum Ausführen von Workflow-Jobs und löscht den Cluster, wenn der Workflow abgeschlossen ist.

Clusterauswahl

In einer Workflowvorlage kann ein vorhandener Cluster angegeben werden, in dem der Workflow ausgeführt werden soll. Jobs durch Angabe eines oder mehrerer Nutzerlabels zuvor mit dem Cluster verknüpft. Der Workflow wird in einem Cluster ausgeführt, der mit allen Labels übereinstimmt. Wenn mehrere Cluster mit allen Labels übereinstimmen, wählt Dataproc den Cluster mit dem größten verfügbaren YARN-Speicher aus, um alle Workflow-Jobs auszuführen. Am Ende des Workflows wird der ausgewählte Cluster nicht von Dataproc gelöscht. Weitere Informationen finden Sie unter Clusterauswahl mit Workflows verwenden.

Parametrisiert

Wenn Sie eine Workflow-Vorlage mehrmals mit unterschiedlichen Werten ausführen, können Sie Parameter verwenden, um die Workflow-Vorlage nicht bei jeder Ausführung bearbeiten zu müssen:

  1. Definieren Sie die Parameter in der Vorlage.

  2. Sie können für jede Ausführung unterschiedliche Werte für die Parameter übergeben.

Weitere Informationen finden Sie unter Workflowvorlagen parametrisieren.

Inline

Workflows können mit dem Befehl gcloud mit YAML-Dateien für Workflowvorlagen oder durch Aufrufen der Dataproc API InstantiateInline instanziiert werden (siehe Inline-Dataproc-Workflows verwenden). Inline-Workflows erstellen oder ändern keine Ressourcen für Workflow-Vorlagen.

Anwendungsfälle für Workflow-Vorlagen

  • Automatisierung sich wiederholender Aufgaben. Workflows schließen häufig verwendete Clusterkonfigurationen und -jobs ein.

  • Transaktionales Fire-and-Forget-API-Interaktionsmodell. Workflowvorlagen die Schritte eines typischen Ablaufs ersetzen, darunter:

    1. Cluster erstellen
    2. Jobs senden
    3. Polling
    4. Löschen des Clusters

    Workflowvorlagen verwenden ein einzelnes Token, um den Fortschritt ab der Clustererstellung zu verfolgen und die Fehlerbehandlung und die Wiederherstellung automatisieren. Außerdem vereinfachen sie die Einbindung von Dataproc in andere Tools wie Cloud Run-Funktionen und Cloud Composer.

  • Unterstützung für sitzungsspezifische und langlebige Cluster. Eine häufige Herausforderung bei der Ausführung von Apache Hadoop besteht in der Optimierung und Anpassung der Größe von Clustern. Sitzungsspezifische (verwaltete) Cluster sind einfacher zu konfigurieren, da sie eine einzelne Arbeitslast ausführen. Clusterselektoren können mit langlebigere Cluster, um dieselbe Arbeitslast wiederholt auszuführen ohne dass amortisierte Kosten für das Erstellen und Löschen von Clustern entstehen.

  • Granulare IAM-Sicherheit. Zum Erstellen von Dataproc-Clustern und Senden von Jobs sind IAM-Berechtigungen erforderlich. Workflowvorlagen verwenden die vorlagenspezifische Berechtigung workflowTemplates.instantiate und sind nicht von Cluster- oder Jobberechtigungen abhängig.