Workflows verwenden

So richten Sie einen Workflow ein und führen ihn aus:

1. Erstellen Sie eine Workflow-Vorlage.
2. Konfigurieren Sie einen verwalteten (sitzungsspezifischen) Cluster oder wählen Sie einen vorhandenen Cluster aus.
3. Fügen Sie Jobs hinzu.
4. Instanziieren Sie die Vorlage zum Ausführen des Workflows.

Sie können eine Workflow-Vorlage parametrisieren, um sie dynamisch für verschiedene Workflows zu verwenden. Darüber hinaus können Sie YAML-Dateien verwenden oder die InstantiateInline API aufrufen, um einen Inline-Workflow zu definieren und auszuführen, der keine Ressourcen von Workflow-Vorlagen erstellt oder ändert.

Vorlagen erstellen

gcloud-Befehl

Führen Sie den folgenden command aus, um eine Dataproc-Workflow-Vorlagenressource zu erstellen.

gcloud dataproc workflow-templates create template-id (such as "my-workflow") \
    --region=region

REST API

Weitere Informationen finden Sie unter WorkflowTemplates.create. Eine abgeschlossene WorkflowTemplate wird mit einer Anfrage des Typs workflowTemplates.create gesendet.

Console

Vorhandene Workflowvorlagen und instanziierte Workflows können in der Google Cloud Console auf der Dataproc-Seite Workflows aufgerufen werden.

Cluster konfigurieren oder auswählen

Dataproc kann einen neuen "verwalteten" Cluster für Ihren Workflow erstellen und verwenden oder einen vorhandenen Cluster nutzen.

• Vorhandener Cluster: Unter Clusterselektoren mit Workflows verwenden erfahren Sie, wie Sie einen vorhandenen Cluster für einen Workflow auswählen.

• Verwalteter Cluster: Sie müssen einen verwalteten Cluster für Ihren Workflow konfigurieren. Dataproc erstellt diesen neuen Cluster, um Workflow-Jobs auszuführen, und löscht den Cluster am Ende des Workflows.
  Sie können einen verwalteten Cluster für Ihren Workflow mit dem gcloud-Befehlszeilentool oder der Dataproc-API konfigurieren.

  gcloud-Befehl

  Verwenden Sie Flags aus gcloud dataproc cluster create, um den verwalteten Cluster zu konfigurieren (Anzahl der Worker, Master-/Worker-Maschinentypen usw.). Damit der Clustername eindeutig ist, fügt Dataproc ein Suffix hinzu.

  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
  

  REST API

  Informationen finden Sie unter WorkflowTemplatePlacement.ManagedCluster. Dieses Feld wird als Bestandteil einer abgeschlossenen WorkflowTemplate bereitgestellt, die mit einer workflowTemplates.create- oder workflowTemplates.update-Anfrage gesendet wird.

  Console

  Vorhandene Workflowvorlagen und instanziierte Workflows können in der Google Cloud Console auf der Dataproc-Seite Workflows aufgerufen werden.

Jobs zu einer Vorlage hinzufügen

Alle Jobs werden gleichzeitig ausgeführt, es sei denn, Sie geben eine oder mehrere Jobabhängigkeiten an. Die Abhängigkeiten eines Jobs werden als eine Liste anderer Jobs ausgedrückt, die erfolgreich abgeschlossen sein müssen, bevor der letzte Job gestartet werden kann. Sie müssen für jeden Job eine step-id angeben. Innerhalb des Workflows muss diese ID eindeutig sein, global gilt dies jedoch nicht.

gcloud-Befehl

Verwenden Sie den Jobtyp und die Flags aus gcloud dataproc jobs submit, um den Job zu definieren, der der Vorlage hinzugefügt werden soll. Optional können Sie das Flag ‑‑start-after job-id of another workflow job verwenden, damit der Job nach Abschluss eines oder mehrerer anderer Jobs im Workflow gestartet wird.

Derzeit werden die neustartfähigen Job-Flags --max-failures-per-hour und --max-failures-per-hour in Dataproc-Workflow-Vorlagenjobs nicht unterstützt.

Beispiele:

Fügen Sie der Vorlage "my-workflow" den Hadoop-Job "foo" hinzu.

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

Fügen Sie der Vorlage "my-workflow" den Job "bar" hinzu. Dieser wird ausgeführt, nachdem der Workflow-Job "foo" erfolgreich abgeschlossen wurde.

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

Fügen Sie der Vorlage "my-workflow" einen weiteren Job "baz" hinzu. Dieser wird ausgeführt, nachdem die beiden Jobs "foo" und "bar" erfolgreich abgeschlossen wurden.

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

Informationen finden Sie unter WorkflowTemplate.OrderedJob. Dieses Feld wird als Bestandteil einer abgeschlossenen WorkflowTemplate bereitgestellt, die mit einer workflowTemplates.create- oder workflowTemplates.update-Anfrage gesendet wird.

Die Felder maxFailuresPerHour und maxFailuresTotal OrderedJob.JobScheduling werden derzeit in Dataproc-Workflow-Vorlagenjobs nicht unterstützt.

Console

Vorhandene Workflowvorlagen und instanziierte Workflows können in der Google Cloud Console auf der Dataproc-Seite Workflows aufgerufen werden.

Die Max restarts per hour Option für neustartfähigen Job wird derzeit in Dataproc-Workflow-Vorlagenjobs nicht unterstützt.

Workflows ausführen

Die Instanziierung einer Workflow-Vorlage führt den durch die Vorlage definierten Workflow aus. Es werden mehrere Instanziierungen einer Vorlage unterstützt – Sie können einen Workflow mehrmals ausführen.

Befehl "gcloud"

gcloud dataproc workflow-templates instantiate template-id \
    --region=region

Der Befehl liefert eine Vorgangs-ID, mit der Sie den Workflow-Status verfolgen können.

Example:

gcloud beta dataproc workflow-templates instantiate my-template-id \
    --region=region
...
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

Weitere Informationen finden Sie unter workflowTemplates.instantiate.

Console

Vorhandene Workflowvorlagen und instanziierte Workflows können in der Google Cloud Console auf der Dataproc-Seite Workflows aufgerufen werden.

Fehler in Workflow-Jobs

Bei einem Fehler in einem Workflow-Job schlägt der Workflow fehl. Dataproc versucht, die Auswirkungen von Fehlern zu mindern, indem alle gleichzeitig ausgeführten Jobs fehlschlagen und verhindert wird, dass nachfolgende Jobs gestartet werden.

Workflows überwachen und auflisten

gcloud-Befehl

So überwachen Sie einen Workflow:

gcloud dataproc operations describe operation-id \
    --region=region

Hinweis:Die Vorgangs-ID wird zurückgegeben, wenn der Workflow mit gcloud dataproc workflow-templates instantiate instanziiert wird (siehe Workflow ausführen).

So listen Sie den Workflow-Status auf:

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

REST API

Wenn Sie einen Workflow beobachten möchten, verwenden Sie die Dataproc API operations.get.

Wenn Sie ausgeführte Workflows auflisten möchten, verwenden Sie die Dataproc API operations.list mit einem Labelfilter.

Console

Vorhandene Workflowvorlagen und instanziierte Workflows können in der Google Cloud Console auf der Dataproc-Seite Workflows aufgerufen werden.

Workflows beenden

Sie können einen Workflow mit der Google Cloud-Befehlszeile oder durch Aufrufen der Dataproc API beenden.

Hinweis: Durch das Beenden eines Workflows werden laufende Workflowjobs abgebrochen. Wenn der Workflow in einem verwalteten (sitzungsspezifischen) Cluster ausgeführt wird, wird der verwaltete Cluster gelöscht.

gcloud-Befehl

gcloud dataproc operations cancel operation-id \
    --region=region

Hinweis: Die Vorgangs-ID wird zurückgegeben, wenn Sie den Workflow mit gcloud dataproc workflow-templates instantiate instanziieren (siehe Workflow ausführen).

REST API

Weitere Informationen finden Sie unter der API operations.cancel.

Console

Vorhandene Workflowvorlagen und instanziierte Workflows können in der Google Cloud Console auf der Dataproc-Seite Workflows aufgerufen werden.

Workflow-Vorlagen aktualisieren

Aktualisierungen wirken sich nicht auf laufende Workflows aus. Die neue Vorlagenversion gilt nur für neue Workflows.

gcloud-Befehl

Workflow-Vorlagen können durch die Ausgabe neuer gcloud workflow-templates-Befehle aktualisiert werden, die auf eine vorhandene Workflow-Vorlagen-ID verweisen:

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

in eine vorhandene Workflow-Vorlage um.

REST API

So aktualisieren Sie eine Vorlage mit der REST API:

1. Rufen Sie workflowTemplates.get auf, das die aktuelle Vorlage mit der aktuellen Serverversion im Feld version zurückgibt.
2. Aktualisieren Sie die abgerufene Vorlage.
3. Rufen Sie workflowTemplates.update mit der aktualisierten Vorlage auf.

Als Schutz vor gleichzeitigen Änderungen muss eine Anfrage zum Aktualisieren einer Vorlage die aktuelle Serverversion im Feld workflowTemplate.version angeben.

Console

Vorhandene Workflowvorlagen und instanziierte Workflows können in der Google Cloud Console auf der Dataproc-Seite Workflows aufgerufen werden.

Workflow-Vorlagen löschen

gcloud-Befehl

gcloud dataproc workflow-templates delete template-id \
    --region=region

Hinweis: Die Vorgangs-ID wird zurückgegeben, wenn Sie den Workflow mit gcloud dataproc workflow-templates instantiate instanziieren (siehe Workflow ausführen).

REST API

Weitere Informationen finden Sie unter workflowTemplates.delete.

Console

Vorhandene Workflowvorlagen und instanziierte Workflows können in der Google Cloud Console auf der Dataproc-Seite Workflows aufgerufen werden.