Avant de commencer
Si ce n'est pas déjà fait, configurez un projet Google Cloud et deux (2) buckets Cloud Storage.
Configurer votre projet
- Connectez-vous à votre compte Google Cloud. Si vous débutez sur Google Cloud, créez un compte pour évaluer les performances de nos produits en conditions réelles. Les nouveaux clients bénéficient également de 300 $ de crédits gratuits pour exécuter, tester et déployer des charges de travail.
-
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, Cloud Storage, and Cloud Run functions 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, Cloud Storage, and Cloud Run functions APIs.
- Install the Google Cloud CLI.
-
To initialize the gcloud CLI, run the following command:
gcloud init
Créer ou utiliser deux (2) buckets Cloud Storage dans votre projet
Vous aurez besoin de deux buckets Cloud Storage dans votre projet : un pour les fichiers d'entrée et un pour les fichiers de sortie.
- In the Google Cloud console, go to the Cloud Storage Buckets page.
- Click Create bucket.
- On the Create a bucket page, enter your bucket information. To go to the next
step, click Continue.
- For Name your bucket, enter a name that meets the bucket naming requirements.
-
For Choose where to store your data, do the following:
- Select a Location type option.
- Select a Location option.
- For Choose a default storage class for your data, select a storage class.
- For Choose how to control access to objects, select an Access control option.
- For Advanced settings (optional), specify an encryption method, a retention policy, or bucket labels.
- Click Create.
Créer un modèle de workflow
Copiez et exécutez les commandes répertoriées ci-dessous dans une fenêtre de terminal local ou dans Cloud Shell pour créer et définir un modèle de workflow.
Notes :
- Les commandes spécifient la région "us-central1". Vous pouvez spécifier une autre région ou supprimer l'option
--region
si vous avez déjà exécutégcloud config set compute/region
pour définir la propriété de région. - La séquence "-- " (tiret, tiret, espace) transmet des arguments au fichier JAR.
La commande
wordcount input_bucket output_dir
exécute l'application JAR Wordcount sur les fichiers texte contenus dans Cloud Storageinput_bucket
, puis génère les fichiers WordCount dans un bucketoutput_bucket
. Vous allez paramétrer l'argument du bucket d'entrée WordCount pour permettre à votre fonction de fournir cet argument.
- Créez le modèle de workflow.
gcloud dataproc workflow-templates create wordcount-template \ --region=us-central1
- Ajoutez la tâche WordCount au modèle de workflow.
-
Spécifiez le nom output-bucket-name avant d'exécuter la commande (votre fonction fournira le bucket d'entrée).
Une fois le nom du bucket de sortie inséré, l'argument de ce bucket doit se présenter comme suit :
gs://your-output-bucket/wordcount-output"
. - L'ID de l'étape "count" est obligatoire et identifie la tâche Hadoop ajoutée.
gcloud dataproc workflow-templates add-job hadoop \ --workflow-template=wordcount-template \ --step-id=count \ --jar=file:///usr/lib/hadoop-mapreduce/hadoop-mapreduce-examples.jar \ --region=us-central1 \ -- wordcount gs://input-bucket gs://output-bucket-name/wordcount-output
-
Spécifiez le nom output-bucket-name avant d'exécuter la commande (votre fonction fournira le bucket d'entrée).
Une fois le nom du bucket de sortie inséré, l'argument de ce bucket doit se présenter comme suit :
- Utilisez un cluster géré à nœud unique pour exécuter le workflow. Dataproc crée le cluster, y exécute le workflow, puis le supprime une fois le workflow terminé.
gcloud dataproc workflow-templates set-managed-cluster wordcount-template \ --cluster-name=wordcount \ --single-node \ --region=us-central1
- Cliquez sur le nom
wordcount-template
dans Dataproc. Processus de la console Google Cloud pour ouvrir Page Détails du modèle de workflow. Confirmez les attributs du modèle Wordcount.
Paramétrer le modèle de workflow
Paramétrez la variable du bucket d'entrée à transmettre au modèle de workflow.
- Exportez le modèle de workflow dans un fichier texte
wordcount.yaml
pour le paramétrage.gcloud dataproc workflow-templates export wordcount-template \ --destination=wordcount.yaml \ --region=us-central1
- À l'aide d'un éditeur de texte, ouvrez le fichier
wordcount.yaml
, puis ajoutez un blocparameters
à la fin du fichier YAML pour que l'élément "INPUT_BUCKET_URI" Cloud Storage puisse être transmis en tant queargs[1]
au fichier binaire WordCount lors du déclenchement du workflow.Vous trouverez ci-dessous un exemple de fichier YAML exporté. Vous pouvez adopter l'une des deux méthodes suivantes pour mettre à jour votre modèle :
- Copiez, puis collez l'intégralité du fichier pour remplacer le fichier
wordcount.yaml
exporté après avoir remplacé your-output_bucket par le nom du bucket de sortie. OU - Copiez, puis collez uniquement la section
parameters
à la fin du fichierwordcount.yaml
exporté.
jobs: - hadoopJob: args: - wordcount - gs://input-bucket - gs://your-output-bucket/wordcount-output mainJarFileUri: file:///usr/lib/hadoop-mapreduce/hadoop-mapreduce-examples.jar stepId: count placement: managedCluster: clusterName: wordcount config: softwareConfig: properties: dataproc:dataproc.allow.zero.workers: 'true' parameters: - name: INPUT_BUCKET_URI description: wordcount input bucket URI fields: - jobs['count'].hadoopJob.args[1]
- Copiez, puis collez l'intégralité du fichier pour remplacer le fichier
- Importez le fichier texte
wordcount.yaml
paramétré. Saisissez "Y" (Oui) lorsque vous êtes invité à écraser le modèle.gcloud dataproc workflow-templates import wordcount-template \ --source=wordcount.yaml \ --region=us-central1
Créer une fonction Cloud
Ouvrez la page Fonctions Cloud Run dans le Console Google Cloud, puis cliquez sur CRÉER UNE FONCTION.
Sur la page Créer une fonction, saisissez ou sélectionnez les informations suivantes :
- Nom : wordcount
- Mémoire allouée : conservez la valeur sélectionnée par défaut.
- Déclencheur :
- Cloud Storage
- Type d'événement : finaliser/créer
- Bucket : sélectionnez votre bucket d'entrée (consultez la section Créer un bucket Cloud Storage dans votre projet). Lorsqu'un fichier est ajouté à ce bucket, la fonction déclenche le workflow. Le workflow exécutera l'application WordCount, qui traitera tous les fichiers texte du bucket.
Code source :
- Éditeur intégré
- runtime : nodej.js 8
- Onglet
INDEX.JS
: remplacez l'extrait de code par défaut par le code suivant, puis modifiez la ligneconst projectId
pour fournir -your-project-id- (sans ajouter "-" au début ou à la fin).
const dataproc = require('@google-cloud/dataproc').v1; exports.startWorkflow = (data) => { const projectId = '-your-project-id-' const region = 'us-central1' const workflowTemplate = 'wordcount-template' const client = new dataproc.WorkflowTemplateServiceClient({ apiEndpoint: `${region}-dataproc.googleapis.com`, }); const file = data; console.log("Event: ", file); const inputBucketUri = `gs://${file.bucket}/${file.name}`; const request = { name: client.projectRegionWorkflowTemplatePath(projectId, region, workflowTemplate), parameters: {"INPUT_BUCKET_URI": inputBucketUri} }; client.instantiateWorkflowTemplate(request) .then(responses => { console.log("Launched Dataproc Workflow:", responses[1]); }) .catch(err => { console.error(err); }); };
- Onglet
PACKAGE.JSON
: remplacez l'extrait de code par défaut par le code suivant.
{ "name": "dataproc-workflow", "version": "1.0.0", "dependencies":{ "@google-cloud/dataproc": ">=1.0.0"} }
- Fonction à exécuter : insérer "startWorkflow".
Cliquez sur CREATE (Créer).
Tester votre fonction
Copiez le fichier public
rose.txt
dans votre bucket pour déclencher la fonction. Insérez your-input-bucket-name (le bucket utilisé pour déclencher votre fonction) dans la commande.gcloud storage cp gs://pub/shakespeare/rose.txt gs://your-input-bucket-name
Patientez 30 secondes, puis exécutez la commande suivante pour vérifier que la fonction s'est bien exécutée.
gcloud functions logs read wordcount
... Function execution took 1348 ms, finished with status: 'ok'
Pour afficher les journaux de la fonction à partir de la page de liste Fonctions de la console Google Cloud, cliquez sur le nom de la fonction
wordcount
, puis sur "AFFICHER LES JOURNAUX" sur la page Détails de la fonction.Vous pouvez afficher le dossier
wordcount-output
dans votre bucket de sortie à partir de la page Navigateur Storage de la console Google Cloud.Une fois le workflow terminé, les détails du job sont conservés dans console Google Cloud. Cliquez sur la tâche
count...
répertoriée sur la page Tâches Dataproc pour afficher les détails de la tâche de workflow.
Nettoyer
Une fois terminé, le workflow de ce tutoriel supprime son cluster géré. Pour éviter les frais récurrents, vous pouvez supprimer d'autres ressources associées à ce tutoriel.
Supprimer un projet
- In the Google Cloud console, go to the Manage resources page.
- In the project list, select the project that you want to delete, and then click Delete.
- In the dialog, type the project ID, and then click Shut down to delete the project.
Supprimer des buckets Cloud Storage
- In the Google Cloud console, go to the Cloud Storage Buckets page.
- Click the checkbox for the bucket that you want to delete.
- To delete the bucket, click Delete, and then follow the instructions.
Supprimer votre modèle de workflow
gcloud dataproc workflow-templates delete wordcount-template \ --region=us-central1
Supprimer votre fonction Cloud
Dans la console Google Cloud, ouvrez la page Fonctions Cloud Run, cochez la case à gauche de la fonction wordcount
, puis cliquez sur "SUPPRIMER".
Étape suivante
- Consultez la page Présentation des modèles de workflow Dataproc.
- Consultez la page Solutions de planification de workflow