Dalam dokumen ini, Anda akan menggunakan komponen Google Cloud yang dapat ditagih berikut:
- Dataproc
- Compute Engine
- Cloud Composer
Untuk membuat perkiraan biaya berdasarkan proyeksi penggunaan Anda,
gunakan kalkulator harga.
Sebelum memulai
Menyiapkan project
- Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.
-
In the Google Cloud console, on the project selector page, select or create a Google Cloud project.
-
Make sure that billing is enabled for your Google Cloud project.
-
Enable the Dataproc, Compute Engine, and Cloud Composer APIs.
- Install the Google Cloud CLI.
-
To initialize the gcloud CLI, run the following command:
gcloud init
-
In the Google Cloud console, on the project selector page, select or create a Google Cloud project.
-
Make sure that billing is enabled for your Google Cloud project.
-
Enable the Dataproc, Compute Engine, and Cloud Composer APIs.
- Install the Google Cloud CLI.
-
To initialize the gcloud CLI, run the following command:
gcloud init
Membuat template alur kerja Dataproc
Salin dan jalankan perintah yang tercantum di bawah ini di jendela terminal lokal atau di Cloud Shell untuk membuat dan menentukan template alur kerja.
- Buat template alur kerja
sparkpi
.gcloud dataproc workflow-templates create sparkpi \ --region=us-central1
- Tambahkan tugas spark ke template alur kerja
sparkpi
. Flagstep-id
"compute" mengidentifikasi tugas SparkPi.gcloud dataproc workflow-templates add-job spark \ --workflow-template=sparkpi \ --step-id=compute \ --class=org.apache.spark.examples.SparkPi \ --jars=file:///usr/lib/spark/examples/jars/spark-examples.jar \ --region=us-central1 \ -- 1000
- Gunakan cluster node tunggal
terkelola untuk menjalankan alur kerja. Dataproc akan membuat cluster,
menjalankan alur kerja di dalamnya, lalu menghapus cluster saat alur kerja selesai.
gcloud dataproc workflow-templates set-managed-cluster sparkpi \ --cluster-name=sparkpi \ --single-node \ --region=us-central1
- Konfirmasi pembuatan template alur kerja.
Konsol
Klik nama
sparkpi
di halaman Workflows Dataproc di konsol Google Cloud untuk membuka halaman Workflow template details. Klik nama template alur kerja Anda untuk mengonfirmasi atribut templatesparkpi
.Perintah gcloud
Jalankan perintah berikut:
gcloud dataproc workflow-templates describe sparkpi --region=us-central1
Membuat dan Mengupload DAG ke Cloud Storage
- Buat atau gunakan lingkungan Cloud Composer yang ada.
- Menetapkan variabel lingkungan.
UI Airflow
- Di toolbar, klik Admin > Variabel.
- Klik Create.
- Masukkan informasi berikut:
- Kunci:
project_id
- Val: PROJECT_ID — Project ID Google Cloud Anda
- Kunci:
- Klik Simpan.
Perintah gcloud
Masukkan perintah berikut:
ENVIRONMENT
adalah nama lingkungan Cloud ComposerLOCATION
adalah region tempat lingkungan Cloud Composer beradaPROJECT_ID
adalah project ID untuk project yang berisi lingkungan Cloud Composer
gcloud composer environments run ENVIRONMENT --location LOCATION variables set -- project_id PROJECT_ID
- Salin kode DAG berikut secara lokal ke dalam file berjudul "composer-dataproc-dag.py",
yang menggunakan
DataprocInstantiateWorkflowTemplateOperator.
Airflow 2
Aliran udara 1
- Upload DAG Anda ke folder lingkungan di Cloud Storage. Setelah upload berhasil selesai, klik link Folder DAG di halaman Lingkungan Cloud Composer.
Melihat status tugas
UI Airflow
- Buka antarmuka web Airflow.
- Di halaman DAG, klik nama DAG (misalnya,
dataproc_workflow_dag
). - Di halaman Detail DAG, klik Tampilan Grafik.
- Periksa status:
- Gagal: Tugas memiliki kotak merah di sekelilingnya. Anda juga dapat menahan kursor di atas tugas dan mencari Status: Gagal.
- Berhasil: Tugas memiliki kotak hijau di sekelilingnya. Anda juga dapat mengarahkan kursor ke tugas dan memeriksa Status: Berhasil.
Konsol
Klik tab Alur kerja untuk melihat status alur kerja.
Perintah gcloud
gcloud dataproc operations list \ --region=us-central1 \ --filter="labels.goog-dataproc-workflow-template-id=sparkpi"
Pembersihan
Agar tidak menimbulkan tagihan ke akun Google Cloud Anda, Anda dapat menghapus resource yang digunakan dalam tutorial ini: