Menggunakan alur kerja

Anda menyiapkan dan menjalankan alur kerja dengan:

1. Membuat template alur kerja
2. Mengonfigurasi cluster terkelola (efemeral) atau memilih cluster yang ada
3. Menambahkan tugas
4. Membuat instance template untuk menjalankan alur kerja

Anda dapat membuat parameter template alur kerja untuk menggunakannya secara dinamis untuk berbagai alur kerja. Anda juga dapat menggunakan file YAML atau memanggil InstantiateInline API untuk menentukan dan menjalankan alur kerja inline yang tidak membuat atau mengubah resource template alur kerja.

Membuat template

gcloud CLI

Jalankan command berikut untuk membuat resource template alur kerja Dataproc.

gcloud dataproc workflow-templates create TEMPLATE_ID \
    --region=REGION

Catatan:

• REGION: Tentukan region tempat template Anda akan berjalan.
• TEMPLATE_ID: Berikan ID untuk template Anda, seperti, "workflow-template-1".
• Enkripsi CMEK. Anda dapat menambahkan tanda --kms-key untuk menggunakan enkripsi CMK pada argumen tugas template alur kerja.

REST API

Kirimkan WorkflowTemplate sebagai bagian dari permintaan workflowTemplates.create. Anda dapat menambahkan kolom WorkflowTemplate.EncryptionConfig.kmsKey untuk menggunakan enkripsi CMK pada argumen tugas template alur kerja. kmsKey

Konsol

Anda dapat melihat template alur kerja yang ada dan alur kerja yang dibuat instance-nya dari halaman Workflows Dataproc di konsol Google Cloud.

Mengonfigurasi atau memilih cluster

Dataproc dapat membuat dan menggunakan cluster baru yang "dikelola" untuk alur kerja Anda atau cluster yang ada.

• Cluster yang ada: Lihat Menggunakan pemilih cluster dengan alur kerja untuk memilih cluster yang ada untuk alur kerja Anda.

• Cluster terkelola: Anda harus mengonfigurasi cluster terkelola untuk alur kerja Anda. Dataproc akan membuat cluster baru ini untuk menjalankan tugas alur kerja, lalu menghapus cluster di akhir alur kerja.

  Anda dapat mengonfigurasi cluster terkelola untuk alur kerja menggunakan alat command line gcloud atau Dataproc API.

  perintah gcloud

  Gunakan flag yang diwarisi dari gcloud dataproc cluster create untuk mengonfigurasi cluster terkelola, seperti jumlah pekerja dan jenis mesin master dan pekerja. Dataproc akan menambahkan akhiran ke nama cluster untuk memastikan keunikan. Anda dapat menggunakan flag --service-account untuk menentukan akun layanan VM untuk cluster terkelola.

  gcloud dataproc workflow-templates set-managed-cluster TEMPLATE_ID \
      --region=REGION \
      --master-machine-type=MACHINE_TYPE \
      --worker-machine-type=MACHINE_TYPE \
      --num-workers=NUMBER \
      --cluster-name=CLUSTER_NAME
      --service-account=SERVICE_ACCOUNT
  

  REST API

  Lihat WorkflowTemplatePlacement.ManagedCluster, yang dapat Anda berikan sebagai bagian dari WorkflowTemplate yang telah selesai dan dikirimkan dengan permintaan workflowTemplates.create atau workflowTemplates.update.

  Anda dapat menggunakan kolom GceClusterConfig.serviceAccount untuk menentukan akun layanan VM untuk cluster terkelola.

  Konsol

  Anda dapat melihat template alur kerja yang ada dan alur kerja yang dibuat instance-nya dari halaman Workflows Dataproc di Konsol Google Cloud.

Menambahkan tugas ke template

Semua tugas berjalan secara serentak kecuali jika Anda menentukan satu atau beberapa dependensi tugas. Dependensi tugas dinyatakan sebagai daftar tugas lain yang harus selesai dengan sukses sebelum tugas akhir dapat dimulai. Anda harus menyediakan step-id untuk setiap tugas. ID harus unik dalam alur kerja, tetapi tidak perlu unik secara global.

perintah gcloud

Gunakan jenis tugas dan flag yang diwarisi dari gcloud dataproc jobs submit untuk menentukan tugas yang akan ditambahkan ke template. Anda dapat menggunakan tanda ‑‑start-after job-id of another workflow job secara opsional agar tugas dimulai setelah penyelesaian satu atau beberapa tugas lain dalam alur kerja.

Saat ini, tanda tugas yang dapat dimulai ulang --max-failures-per-hour dan --max-failures-per-hour tidak didukung dalam tugas template alur kerja Dataproc.

Contoh:

Tambahkan tugas Hadoop "foo" ke template "my-workflow".

gcloud dataproc workflow-templates add-job hadoop \
    --region=REGION \
    --step-id=foo \
    --workflow-template=my-workflow \
    -- space separated job args

Tambahkan tugas "bar" ke template "my-workflow", yang akan dijalankan setelah tugas alur kerja "foo" berhasil selesai.

gcloud dataproc workflow-templates add-job JOB_TYPE \
    --region=REGION \
    --step-id=bar \
    --start-after=foo \
    --workflow-template=my-workflow \
    -- space separated job args

Tambahkan tugas lain "baz" ke template "my-workflow" yang akan dijalankan setelah tugas "foo" dan "bar" berhasil diselesaikan.

gcloud dataproc workflow-templates add-job JOB_TYPE \
    --region=REGION \
    --step-id=baz \
    --start-after=foo,bar \
    --workflow-template=my-workflow \
    -- space separated job args

REST API

Lihat WorkflowTemplate.OrderedJob. Kolom ini disediakan sebagai bagian dari WorkflowTemplate yang telah selesai dan dikirimkan dengan permintaan workflowTemplates.create atau workflowTemplates.update.

Saat ini, kolom maxFailuresPerHour dan maxFailuresTotal OrderedJob.JobScheduling tidak didukung dalam tugas template alur kerja Dataproc.

Konsol

Anda dapat melihat template alur kerja yang ada dan alur kerja yang dibuat instance-nya dari halaman Workflows Dataproc di Konsol Google Cloud.

Saat ini, Max restarts per hour opsi tugas yang dapat dimulai ulang tidak didukung dalam tugas template alur kerja Dataproc.

Menjalankan alur kerja

Pembuatan instance template alur kerja menjalankan alur kerja yang ditentukan oleh template. Beberapa pembuatan instance template didukung—Anda dapat menjalankan alur kerja beberapa kali.

perintah gcloud

gcloud dataproc workflow-templates instantiate TEMPLATE_ID \
    --region=REGION

Perintah ini menampilkan ID operasi, yang dapat Anda gunakan untuk melacak status alur kerja.

Contoh perintah dan output:

gcloud beta dataproc workflow-templates instantiate my-template-id \
    --region=us-central1
...
WorkflowTemplate [my-template-id] RUNNING
...
Created cluster: my-template-id-rg544az7mpbfa.
Job ID teragen-rg544az7mpbfa RUNNING
Job ID teragen-rg544az7mpbfa COMPLETED
Job ID terasort-rg544az7mpbfa RUNNING
Job ID terasort-rg544az7mpbfa COMPLETED
Job ID teravalidate-rg544az7mpbfa RUNNING
Job ID teravalidate-rg544az7mpbfa COMPLETED
...
Deleted cluster: my-template-id-rg544az7mpbfa.
WorkflowTemplate [my-template-id] DONE

REST API

Lihat workflowTemplates.instantiate.

Konsol

Anda dapat melihat template alur kerja yang ada dan alur kerja yang dibuat instance-nya dari halaman Workflows Dataproc di Konsol Google Cloud.

Kegagalan tugas alur kerja

Kegagalan dalam tugas apa pun dalam alur kerja akan menyebabkan alur kerja gagal. Dataproc akan berupaya mengurangi efek kegagalan dengan menyebabkan semua tugas yang dieksekusi secara serentak gagal dan mencegah tugas berikutnya dimulai.

Memantau dan mencantumkan alur kerja

perintah gcloud

Untuk memantau alur kerja:

gcloud dataproc operations describe OPERATION_ID \
    --region=REGION

Catatan: ID operasi ditampilkan saat Anda membuat instance alur kerja dengan gcloud dataproc workflow-templates instantiate (lihat Menjalankan alur kerja).

Untuk mencantumkan status alur kerja:

gcloud dataproc operations list \
    --region=REGION \
    --filter="labels.goog-dataproc-operation-type=WORKFLOW AND status.state=RUNNING"

REST API

Untuk memantau alur kerja, gunakan Dataproc operations.get API.

Untuk mencantumkan alur kerja yang sedang berjalan, gunakan API operations.list Dataproc dengan filter label.

Konsol

Anda dapat melihat template alur kerja yang ada dan alur kerja yang dibuat instance-nya dari halaman Workflows Dataproc di Konsol Google Cloud.

Menghentikan alur kerja

Anda dapat mengakhiri alur kerja menggunakan Google Cloud CLI atau dengan memanggil Dataproc API.

Catatan: Mengakhiri alur kerja akan membatalkan tugas alur kerja yang sedang berjalan dan, jika alur kerja berjalan di cluster terkelola (sementara), akan menghapus cluster terkelola.

perintah gcloud

gcloud dataproc operations cancel OPERATION_ID \
    --region=REGION

Catatan: ID operasi yang ditampilkan saat Anda membuat instance alur kerja dengan gcloud dataproc workflow-templates instantiate (lihat Menjalankan alur kerja).

REST API

Lihat API operations.cancel.

Konsol

Anda dapat melihat template alur kerja yang ada dan alur kerja yang dibuat instance-nya dari halaman Workflows Dataproc di Konsol Google Cloud.

Memperbarui template alur kerja

Update tidak memengaruhi alur kerja yang sedang berjalan. Versi template baru hanya akan berlaku untuk alur kerja baru.

perintah gcloud

Template alur kerja dapat diperbarui dengan mengeluarkan perintah gcloud workflow-templates baru yang mereferensikan ID template alur kerja yang ada:

• gcloud dataproc workflow-templates add job
• gcloud dataproc workflow-templates set-managed-cluster
• gcloud dataproc workflow-templates set-cluster-selector

ke template alur kerja yang ada.

REST API

Untuk melakukan pembaruan pada template dengan REST API:

1. Panggil workflowTemplates.get, yang menampilkan template saat ini dengan kolom version diisi dengan versi server saat ini.
2. Lakukan pembaruan pada template yang diambil.
3. Panggil workflowTemplates.update dengan template yang diperbarui.

Sebagai perlindungan terhadap modifikasi serentak, permintaan untuk mengupdate template harus menentukan versi server saat ini di kolom workflowTemplate.version.

Konsol

Anda dapat melihat template alur kerja yang ada dan alur kerja yang dibuat instance-nya dari halaman Workflows Dataproc di Konsol Google Cloud.

Menghapus template alur kerja

perintah gcloud

gcloud dataproc workflow-templates delete TEMPLATE_ID \
    --region=REGION

Catatan: ID operasi yang ditampilkan saat Anda membuat instance alur kerja dengan gcloud dataproc workflow-templates instantiate (lihat Menjalankan alur kerja).

REST API

Lihat workflowTemplates.delete.

Konsol

Anda dapat melihat template alur kerja yang ada dan alur kerja yang dibuat instance-nya dari halaman Workflows Dataproc di Konsol Google Cloud.