Flusso di lavoro con le funzioni Cloud Run

Obiettivo:

1. Crea un modello di flusso di lavoro Dataproc che esegue un job di conteggio parole
2. Creare una funzione Cloud Functions node.js per attivare il flusso di lavoro di conteggio parole quando un file viene aggiunto a Cloud Storage

I flussi di lavoro sono "fire and dimentichi". Se ci sono non sono eccezioni quando la funzione che attiva il flusso di lavoro viene inviata, Dataproc eseguirà il flusso di lavoro fino al completamento. Non hai bisogno di attendere il completamento del flusso di lavoro all'interno della funzione di trigger.

Nota: poiché la funzione viene attivata aggiungendo un nuovo file a un bucket in Cloud Storage e, poiché il file binario di conteggio parole crea e restituisce i nuovi file in Cloud Storage, per evitare la ricorrenza (conteggio parole che elabora i file di output), questo tutorial utilizza input e di output.

Prima di iniziare

Se non l'hai ancora fatto, configura un progetto Google Cloud e due (2) bucket Cloud Storage.

Configura il progetto

1. 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.

2. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

   Go to project selector

3. Make sure that billing is enabled for your Google Cloud project.

4. Enable the Dataproc, Compute Engine, Cloud Storage, and Cloud Run functions APIs.

   Enable the APIs

5. Install the Google Cloud CLI.

6. To initialize the gcloud CLI, run the following command:

   gcloud init

7. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

   Go to project selector

8. Make sure that billing is enabled for your Google Cloud project.

9. Enable the Dataproc, Compute Engine, Cloud Storage, and Cloud Run functions APIs.

   Enable the APIs

10. Install the Google Cloud CLI.

11. To initialize the gcloud CLI, run the following command:

    gcloud init

Crea o utilizza due (2) bucket Cloud Storage nel tuo progetto

Nel tuo progetto avrai bisogno di due bucket Cloud Storage: uno per i file di input e uno per l'output.

1. In the Google Cloud console, go to the Cloud Storage Buckets page.

   Go to Buckets page

2. Click Create bucket.
3. 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.
4. Click Create.

Crea un modello di flusso di lavoro.

Copia ed esegui i comandi elencati di seguito in una finestra del terminale locale o in Cloud Shell per creare definire un modello di flusso di lavoro.

Note:

• I comandi specificano la stringa "us-central1" region. Puoi specificare una regione diversa o eliminare il flag --region se in precedenza hai eseguito gcloud config set compute/region per impostare la proprietà regione.
• La sequenza "-- " (barra spaziatrice barra) passa gli argomenti al file jar. Il comando wordcount input_bucket output_dir eseguirà l'applicazione di conteggio delle parole del file jar sui file di testo contenuti nel input_bucket di Cloud Storage, quindi genererà file di conteggio delle parole in un output_bucket. parametrizzerai conteggio parole del bucket di input per consentire alla tua funzione di fornire questo .

1. Crea il modello di flusso di lavoro.

   gcloud dataproc workflow-templates create wordcount-template \
       --region=us-central1
   

2. Aggiungi il job di conteggio parole al modello di flusso di lavoro.
   1. Specifica output-bucket-name prima di eseguire il comando (la funzione fornirà il bucket di input). Dopo aver inserito il nome del bucket di output, l'argomento del bucket di output dovrebbe essere visualizzato come segue: gs://your-output-bucket/wordcount-output".
   2. L'ID del passaggio "count" è obbligatorio e identifica il job Hadoop aggiunto.

   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
   

3. Utilizza un gestito, nodo singolo per eseguire il flusso di lavoro. Dataproc creerà eseguire il flusso di lavoro, quindi eliminarlo al termine del flusso di lavoro.

   gcloud dataproc workflow-templates set-managed-cluster wordcount-template \
       --cluster-name=wordcount \
       --single-node \
       --region=us-central1
   

4. Fai clic sul nome wordcount-template nella pagina Dataproc Flussi di lavoro nella console Google Cloud per aprire la pagina Dettagli del modello di flusso di lavoro. Conferma il modello di conteggio parole attributi.

   

Parametrizza il modello di flusso di lavoro.

Parametrizza la variabile del bucket di input da passare al modello di flusso di lavoro.

1. Esporta il modello di flusso di lavoro in formato testo wordcount.yaml per la parametrizzazione.

   gcloud dataproc workflow-templates export wordcount-template \
       --destination=wordcount.yaml \
       --region=us-central1
   

2. In un editor di testo, apri wordcount.yaml, poi aggiungi un blocco parameters alla fine del file YAML in modo che l'input INPUT_BUCKET_URI di Cloud Storage può essere passato come args[1] al file binario del conteggio parole quando del flusso di lavoro.

   Di seguito è riportato un file YAML di esempio esportato. Per aggiornare il modello, puoi utilizzare uno dei due approcci seguenti:

   1. Copia e incolla l'intero file per sostituire il file esportato wordcount.yaml dopo aver sostituito your-output_bucket con il nome del bucket di output OPPURE
   2. Copia e incolla solo il parameters alla fine del file wordcount.yaml esportato.
   di Google.

   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]
   

3. Importa il file di testo wordcount.yaml parametrizzato. Digita "Sì" quando ti viene chiesto di sovrascrivere il modello.

   gcloud dataproc workflow-templates import  wordcount-template \
       --source=wordcount.yaml \
       --region=us-central1
   

Creare una funzione Cloud

1. Apri la pagina Funzioni di Cloud Run nella sezione nella console Google Cloud, quindi fai clic su CREA FUNZIONE.

2. Nella pagina Crea funzione, inserisci o seleziona le seguenti informazioni:

   1. Nome: conteggioparole
   2. Memoria allocata: mantieni la selezione predefinita.
   3. Trigger:
      • Cloud Storage
      • Tipo di evento: Finalizza/crea
      • Bucket: seleziona il bucket di input (consulta Crea un bucket Cloud Storage nel tuo progetto). Quando un file viene aggiunto a questo bucket, la funzione attiva un flusso di lavoro di machine learning. Il flusso di lavoro eseguirà l'applicazione di conteggio delle parole, che elaborerà tutti i file di testo nel bucket.

   4. Codice sorgente:

      • Editor in linea
      • Runtime: Node.js 8
      • Scheda INDEX.JS: sostituisci lo snippet di codice predefinito con il codice riportato di seguito, quindi modifica la riga const projectId in modo da fornire-your-project-id- (senza "-" iniziale o finale).

      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);
        });
      };
      

      • Scheda PACKAGE.JSON: sostituisci lo snippet di codice predefinito con il seguente codice.

      {
        "name": "dataproc-workflow",
        "version": "1.0.0",
        "dependencies":{ "@google-cloud/dataproc": ">=1.0.0"}
      }
      

      • Funzione da eseguire: Inserisci: "startWorkflow".

   5. Fai clic su CREA.

Testa la funzione

1. Copia il file pubblico rose.txt nel tuo bucket per attivare la funzione. Inserisciyour-input-bucket-name (il bucket utilizzato per attivare la funzione) nel comando.

   gcloud storage cp gs://pub/shakespeare/rose.txt gs://your-input-bucket-name
   

2. Attendi 30 secondi, quindi esegui il comando seguente per verificare che la funzione sia stata completata correttamente.

   gcloud functions logs read wordcount
   

   ...
   Function execution took 1348 ms, finished with status: 'ok'
   

3. Per visualizzare i log delle funzioni dalla sezione Funzioni nella console Google Cloud, fai clic wordcount della funzione, quindi fai clic su VISUALIZZA LOG nella Funzione dei dettagli.

   

4. Puoi visualizzare la cartella wordcount-output nel bucket di output dalla pagina Browser di Storage nella console Google Cloud.

   

   Nota: il job di conteggio parole non andrà a buon fine se esiste la cartella wordcount-output. Prima di eseguire nuovamente il flusso di lavoro riattivando la funzione, elimina la cartella wordcount-output nel bucket di output.

5. Al termine del flusso di lavoro, i dettagli del job rimangono nella console Google Cloud. Fai clic sull' Job count... elencato su Dataproc Job per visualizzare i dettagli dei job del flusso di lavoro.

   

Pulizia

Il flusso di lavoro di questo tutorial elimina il proprio cluster gestito una volta completato il flusso di lavoro. Per evitare costi ricorrenti, puoi eliminare altre risorse associate a questo tutorial.

Eliminazione di un progetto

Attenzione: l'eliminazione di un progetto ha i seguenti effetti:

• L'intero contenuto del progetto viene eliminato. Se hai utilizzato un progetto esistente per le attività descritte in questo documento, quando lo elimini elimini anche tutto il lavoro svolto nel progetto.
• Gli ID progetto personalizzati non sono più disponibili. Quando hai creato questo progetto, potresti aver creato un ID progetto personalizzato che vuoi utilizzare in futuro. Per conservare gli URL che utilizzano l'ID progetto, ad esempio un appspot.com URL, elimina le risorse selezionate all'interno del progetto anziché eliminare l'intero progetto.

Se intendi esplorare più architetture, tutorial o guide rapide, il riuso dei progetti può aiutarti a non superare i limiti di quota.

1. In the Google Cloud console, go to the Manage resources page.

   Go to Manage resources

2. In the project list, select the project that you want to delete, and then click Delete.
3. In the dialog, type the project ID, and then click Shut down to delete the project.

Eliminazione dei bucket Cloud Storage

1. In the Google Cloud console, go to the Cloud Storage Buckets page.

   Go to Buckets

2. Click the checkbox for the bucket that you want to delete.
3. To delete the bucket, click Delete, and then follow the instructions.

Eliminazione del modello di flusso di lavoro

gcloud dataproc workflow-templates delete wordcount-template \
    --region=us-central1

Eliminazione della funzione Cloud

Apri la pagina Funzioni di Cloud Run nella sezione Nella console Google Cloud, seleziona la casella a sinistra della funzione wordcount, quindi fai clic su ELIMINA.

Passaggi successivi

• Consulta Panoramica dei modelli di flusso di lavoro Dataproc
• Consulta la sezione Soluzioni di pianificazione del flusso di lavoro