Übersicht über Dataproc-Workflowvorlagen

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.
  • Beim Erstellen einer Workflowvorlage wird weder ein Dataproc-Cluster erstellt noch werden Jobs gesendet. Mit Workflows verknüpfte Cluster und Jobs werden bei Instanziierung einer Workflowvorlage erstellt.

Arten von Workflowvorlagen

Verwalteter Cluster

In einer Workflowvorlage kann ein verwalteter Cluster angegeben sein. Der Workflow erstellt diesen "sitzungsspezifischen" Cluster zum Ausführen von Workflowjobs und löscht den Cluster, wenn der Workflow abgeschlossen ist.

Clusterauswahl

In einer Workflowvorlage kann ein vorhandener Cluster angegeben sein, in dem Workflowjobs ausgeführt werden sollen. Zu diesem Zweck ist die Angabe eines oder mehrerer Nutzerlabels erforderlich, die zuvor auf einen oder mehrere Cluster angewendet wurden. Der Workflow wird in einem Cluster ausgeführt, der mit allen angegebenen Labels übereinstimmt. Wenn mehrere Cluster mit den 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 gelöscht. Weitere Informationen finden Sie unter Clusterauswahl mit Workflows verwenden.

Parametrisiert

Wenn Sie eine Workflowvorlage mehrmals mit unterschiedlichen Werten ausführen, können Sie Parameter in der Vorlage definieren und dann für jede Ausführung andere Parameterwerte übergeben. Auf diese Weise vermeiden Sie, die Workflowvorlage für jede Ausführung neu bearbeiten zu müssen. 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 mit Workflowvorlagen

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

  • Transaktionales Fire and Forget API-Interaktionsmodell. Workflowvorlagen ersetzen die Schritte eines typischen Workflows, z. B. Erstellen des Clusters, Senden von Jobs, Abfragen und Löschen des Clusters. Sie verwenden ein einzelnes Token, um den Fortschritt von der Erstellung des Clusters bis hin zu dessen Löschung zu verfolgen und die Fehlerbehandlung und Wiederherstellung zu automatisieren. Außerdem vereinfachen sie die Einbindung von Dataproc mit anderen Tools wie Cloud Functions 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. Die Clusterauswahl kann mit langlebigeren Clustern verwendet werden, um wiederholt dieselbe Arbeitslast 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.