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.

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

Sie können vorhandene Workflow-Vorlagen und instanziierte Workflows auf der Cloud Dataproc-Seite Workflows in der Cloud Console aufrufen.

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

    Sie können vorhandene Workflow-Vorlagen und instanziierte Workflows auf der Dataproc-Seite Workflows in der Cloud Console aufrufen.

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.

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.

Console

Sie können vorhandene Workflow-Vorlagen und instanziierte Workflows auf der Dataproc-Seite Workflows in der Cloud Console aufrufen.

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.

Beispiel:
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

Sie können vorhandene Workflow-Vorlagen und instanziierte Workflows auf der Dataproc-Seite Workflows in der Cloud Console aufrufen.

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

Befehl "gcloud"

So überwachen Sie einen Workflow:

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

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

Sie können vorhandene Workflow-Vorlagen und instanziierte Workflows auf der Dataproc-Seite Workflows in der Cloud Console aufrufen.

Workflows beenden

Sie können einen Workflow mit dem gcloud-Befehlszeilentool oder durch Aufrufen der Dataproc API beenden.

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

Sie können vorhandene Workflow-Vorlagen und instanziierte Workflows auf der Dataproc-Seite Workflows in der Cloud Console aufrufen.

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:

auf eine vorhandene Workflow-Vorlage.

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.

Console

Sie können vorhandene Workflow-Vorlagen und instanziierte Workflows auf der Dataproc-Seite Workflows in der Cloud Console aufrufen.

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

Sie können vorhandene Workflow-Vorlagen und instanziierte Workflows auf der Dataproc-Seite Workflows in der Cloud Console aufrufen.