Per configurare ed eseguire un flusso di lavoro:
- Creazione di un modello di flusso di lavoro
- Configurazione di un cluster gestito (temporaneo) o selezione di un cluster esistente
- Aggiunta di job in corso...
- Creare un'istanza del modello per eseguire il flusso di lavoro
Creazione di un modello
Comando g-cloud
Esegui questo comando command
per creare una risorsa modello di flusso di lavoro Dataproc.
gcloud dataproc workflow-templates create TEMPLATE_ID \ --region=REGION
Note:
- REGION: specifica la regione in cui verrà eseguito il modello.
- TEMPLATE_ID: fornisci un ID per il tuo modello, ad esempio "workflow-template-1".
- la crittografia CMEK. Puoi aggiungere il flag --kms-key per utilizzare la crittografia CMEK sugli argomenti dei job del modello di flusso di lavoro.
API REST
Invia un elemento WorkflowTemplate come parte di una richiesta workflowTemplates.create. Puoi aggiungere il campo WorkflowTemplate.EncryptionConfig.kmsKey per utilizzare la crittografia CMEK sugli argomenti dei job del modello del flusso di lavoro. kmsKey
Console
Puoi visualizzare i modelli e i flussi di lavoro per i quali è stata creata un'istanza dalla pagina Flussi di lavoro di Dataproc nella console Google Cloud.
Configurazione o selezione di un cluster
Dataproc può creare e utilizzare un nuovo cluster "gestito" per il tuo flusso di lavoro o per un cluster esistente.
Cluster esistente: consulta Utilizzo dei selettori di cluster con flussi di lavoro per selezionare un cluster esistente per il tuo flusso di lavoro.
Cluster gestito:devi configurare un cluster gestito per il tuo flusso di lavoro. Dataproc creerà questo nuovo cluster per eseguire job di flusso di lavoro, quindi eliminerà il cluster alla fine del flusso di lavoro.
Puoi configurare un cluster gestito per il tuo flusso di lavoro utilizzando lo strumento a riga di comandogcloud
o l'API Dataproc.Comando g-cloud
Utilizza i flag ereditati da gcloud dataproc clustercreate per configurare il cluster gestito, ad esempio il numero di worker e il tipo di macchina master e worker. Dataproc aggiungerà un suffisso al nome del cluster per garantirne l'unicità.
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
API REST
Vedi WorkflowTemplatePlacement.ManagedCluster. Questo campo viene fornito come parte di una richiesta WorkflowTemplate completata inviata con una richiesta workflowTemplates.create o workflowTemplates.update.
Console
Puoi visualizzare i modelli di flusso di lavoro esistenti e i flussi di lavoro per i quali è stata creata un'istanza dalla pagina Flussi di lavoro di Dataproc nella console Google Cloud.
Aggiunta di job a un modello
Tutti i job vengono eseguiti contemporaneamente, a meno che non specifichi una o più dipendenze dei job. Le dipendenze di un job vengono espresse come un elenco di altri job che devono essere completati correttamente prima dell'avvio del job finale. Devi fornire un step-id
per ogni job. L'ID deve essere univoco all'interno del flusso di lavoro, ma non deve essere univoco a livello globale.
Comando g-cloud
Utilizza il tipo di job e i flag ereditati da gcloud dataproc job Submit per definire il job da aggiungere al modello. Facoltativamente, puoi utilizzare il flag ‑‑start-after job-id of another workflow job
per avviare il job dopo il completamento di uno o più altri job nel flusso di lavoro.
Esempi:
Aggiungi il job Hadoop "foo" al modello "my-workflow".
gcloud dataproc workflow-templates add-job hadoop \ --region=region \ --step-id=foo \ --workflow-template=my-workflow \ -- space separated job args
Aggiungi il job "bar" al modello "my-workflow", che verrà eseguito dopo il completamento del job del flusso di lavoro "foo".
gcloud dataproc workflow-templates add-job job-type \ --region=region \ --step-id=bar \ --start-after=foo \ --workflow-template=my-workflow \ -- space separated job args
Aggiungi un altro job "baz" al modello "my-workflow" da eseguire dopo il completamento dei job "foo" e "bar".
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
API REST
Consulta WorkflowTemplate.OrderedJob. Questo campo viene fornito come parte di una richiesta WorkflowTemplate completata inviata con una richiesta workflowTemplates.create o workflowTemplates.update.
Console
Puoi visualizzare i modelli di flusso di lavoro esistenti e i flussi di lavoro per i quali è stata creata un'istanza dalla pagina Flussi di lavoro di Dataproc nella console Google Cloud.
Esecuzione di un flusso di lavoro
La creazione di un'istanza di un modello di flusso di lavoro esegue il flusso di lavoro definito dal modello. Sono supportate più istanze di un modello: puoi eseguire un flusso di lavoro più volte.
Comando g-cloud
gcloud dataproc workflow-templates instantiate template-id \ --region=region
Il comando restituisce un ID operazione che puoi utilizzare per tenere traccia dello stato del flusso di lavoro.
Comando e output di esempio: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
API REST
Consulta workflowTemplates.instantiate.Console
Puoi visualizzare i modelli di flusso di lavoro esistenti e i flussi di lavoro per i quali è stata creata un'istanza dalla pagina Flussi di lavoro di Dataproc nella console Google Cloud.
Errori del job del flusso di lavoro
Un errore in qualsiasi job di un flusso di lavoro ne causerà l'esito negativo. Dataproc cercherà di mitigare l'effetto degli errori, causando l'esito negativo di tutti i job in esecuzione simultanea e impedendo l'avvio dei job successivi.
Monitoraggio ed elenco di un flusso di lavoro
Comando g-cloud
Per monitorare un flusso di lavoro:
gcloud dataproc operations describe operation-id \ --region=region
Nota: l'ID operazione viene restituito quando crei un'istanza del flusso di lavoro con gcloud dataproc workflow-templates instantiate
(consulta Esecuzione di un flusso di lavoro).
Per elencare lo stato del flusso di lavoro:
gcloud dataproc operations list \ --region=region \ --filter="labels.goog-dataproc-operation-type=WORKFLOW AND status.state=RUNNING"
API REST
Per monitorare un flusso di lavoro, utilizza l'API Dataproc operations.get.
Per elencare i flussi di lavoro in esecuzione, utilizza l'API Dataproc operations.list con un filtro di etichetta.
Console
Puoi visualizzare i modelli di flusso di lavoro esistenti e i flussi di lavoro per i quali è stata creata un'istanza dalla pagina Flussi di lavoro di Dataproc nella console Google Cloud.
Terminare un flusso di lavoro
Puoi terminare un flusso di lavoro utilizzando Google Cloud CLI o chiamando l'API Dataproc.
Comando g-cloud
gcloud dataproc operations cancel operation-id \ --region=regionNota: l'ID operazione che viene restituito quando crei un'istanza del flusso di lavoro con
gcloud dataproc workflow-templates instantiate
(consulta Esecuzione di un flusso di lavoro).
API REST
Consulta l'API operations.cancel.
Console
Puoi visualizzare i modelli di flusso di lavoro esistenti e i flussi di lavoro per i quali è stata creata un'istanza dalla pagina Flussi di lavoro di Dataproc nella console Google Cloud.
Aggiornamento di un modello di flusso di lavoro
Gli aggiornamenti non influiscono sui flussi di lavoro in esecuzione. La nuova versione del modello verrà applicata solo ai nuovi flussi di lavoro.
Comando g-cloud
I modelli di flusso di lavoro possono essere aggiornati inviando nuovi comandi gcloud workflow-templates
che fanno riferimento a un template-id del flusso di lavoro esistente:
API REST
Per aggiornare un modello con l'API REST:
- Chiama workflowTemplates.get, che restituisce il modello corrente con il campo
version
compilato con la versione corrente del server. - Apporta gli aggiornamenti al modello recuperato.
- Chiama workflowTemplates.update con il modello aggiornato.
Console
Puoi visualizzare i modelli di flusso di lavoro esistenti e i flussi di lavoro per i quali è stata creata un'istanza dalla pagina Flussi di lavoro di Dataproc nella console Google Cloud.
Eliminazione di un modello di flusso di lavoro
Comando g-cloud
gcloud dataproc workflow-templates delete template-id \ --region=region
Nota: l'ID operazione che viene restituito quando crei un'istanza del flusso di lavoro con gcloud dataproc workflow-templates instantiate
(consulta Esecuzione di un flusso di lavoro).
API REST
Vedi workflowTemplates.delete.Console
Puoi visualizzare i modelli di flusso di lavoro esistenti e i flussi di lavoro per i quali è stata creata un'istanza dalla pagina Flussi di lavoro di Dataproc nella console Google Cloud.