Workflow utilisant Cloud Functions

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.

Dans Google Cloud Console, sur la page de sélection du projet, sélectionnez ou créez un projet Google Cloud.

Accéder au sélecteur de projet

Assurez-vous que la facturation est activée pour votre projet Cloud. Découvrez comment vérifier si la facturation est activée sur un projet.

Activer les API Dataproc, Compute Engine, Cloud Storage, and Cloud Functions .

Activer les API

Installez Google Cloud CLI.

Pour initialiser gcloudCLI, exécutez la commande suivante :

gcloud init

Dans Google Cloud Console, sur la page de sélection du projet, sélectionnez ou créez un projet Google Cloud.

Accéder au sélecteur de projet

Assurez-vous que la facturation est activée pour votre projet Cloud. Découvrez comment vérifier si la facturation est activée sur un projet.

Activer les API Dataproc, Compute Engine, Cloud Storage, and Cloud Functions .

Activer les API

Installez Google Cloud CLI.

Pour initialiser gcloudCLI, exécutez la commande suivante :

gcloud init

Créer ou utiliser deux (2) buckets Cloud Storage dans votre projet

Vous avez besoin de deux buckets Cloud Storage dans votre projet: un pour les fichiers d'entrée et un pour les résultats.

Dans la console Google Cloud, accédez à la page Buckets Cloud Storage.
Accéder à la page "Buckets"
Cliquez sur Créer un bucket.
Sur la page Créer un bucket, saisissez les informations concernant votre bucket. Pour passer à l'étape suivante, cliquez sur Continuer.
- Pour nommer votre bucket, saisissez un nom qui répond aux exigences de dénomination des buckets.
- Pour Choisir l'emplacement de stockage des données, procédez comme suit :
  - Sélectionnez une option de type d'emplacement.
  - Sélectionnez une option Location (Emplacement).
- Pour Choisir une classe de stockage par défaut pour vos données, sélectionnez une classe de stockage.
- Pour le champ Choisir comment contrôler l'accès aux objets, sélectionnez une option de Contrôle des accès.
- Sous Paramètres avancés (facultatif), choisissez une méthode de chiffrement, une règle de conservation ou des libellés de bucket.
Cliquez sur Create (Créer).

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.

Remarques :

Les commandes spécifient la région "us-central1". Vous pouvez spécifier une autre région ou supprimer l'option --region si vous avez déjà exécuté gcloud 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 Storage input_bucket, puis génère les fichiers WordCount dans un bucket output_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.
1. 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".
2. L'identifiant du pas 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
```

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 sur la page Workflows de Dataproc dans Google Cloud Console pour ouvrir la page Informations sur le 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 vers 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 wordcount.yaml, puis ajoutez un bloc parameters à la fin du fichier YAML. Ainsi, l'INPUT_BUCKET_URI Cloud Storage peut être transmis en tant que args[1] au binaire de décompte de mots lorsque le workflow est déclenché.
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 :
1. 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
2. Copiez et collez uniquement la section parameters à la fin de votre fichier wordcount.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]
```

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 Cloud Functions dans Google Cloud Console, puis cliquez sur CRÉER UNE FONCTION.
Sur la page Créer une fonction, saisissez ou sélectionnez les informations suivantes :
1. Nom : wordcount
2. Mémoire allouée : conservez la valeur sélectionnée par défaut.
3. 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.
4. 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 ligne const 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".
5. 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.
```
gsutil cp gs://pub/shakespeare/rose.txt gs://your-input-bucket-name
```
Patientez 30 secondes, puis exécutez la commande suivante pour vérifier que la fonction a bien été exécutée.
```
gcloud functions logs read wordcount
```
```
...
Function execution took 1348 ms, finished with status: 'ok'
```
Pour afficher les journaux de fonction depuis la page Liste des fonctions de Google Cloud Console, cliquez sur le nom de la fonction wordcount, puis sur AFFICHER LES JOURNAUX dans la page Détails de la fonction.
Vous pouvez afficher le dossier wordcount-output dans votre bucket de sortie à partir de la page Navigateur de stockage de Google Cloud Console.

Remarque : La tâche Wordcount échouera si le dossier wordcount-output existe. Avant de réexécuter le workflow en relançant votre fonction, commencez par supprimer le dossier wordcount-output de votre bucket de sortie. .
Une fois le workflow terminé, les détails de la tâche sont conservés dans Google Cloud Console. 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

Attention : La suppression d'un projet aura les effets suivants :

Tout le contenu du projet est supprimé. Si vous avez utilisé un projet existant pour ce tutoriel et que vous le supprimez, vous supprimerez également tout autre travail effectué dans le projet.
Les ID de projets personnalisés sont perdus. Lorsque vous avez créé ce projet, vous avez peut-être créé un ID de projet personnalisé que vous souhaitez utiliser à l'avenir. Pour conserver les URL qui utilisent l'ID de projet, telle qu'une URL appspot.com, supprimez les ressources sélectionnées dans le projet au lieu de supprimer l'ensemble du projet.

Si vous envisagez d'explorer plusieurs tutoriels et guides de démarrage rapide, vous pouvez constater que réutiliser des projets peut vous aider à éviter de dépasser les limites de quotas des projets.

Dans la console Google Cloud, accédez à la page Gérer les ressources.
Accéder à la page Gérer les ressources
Dans la liste des projets, sélectionnez le projet que vous souhaitez supprimer, puis cliquez sur Supprimer.
Dans la boîte de dialogue, saisissez l'ID du projet, puis cliquez sur Arrêter pour supprimer le projet.

Supprimer des buckets Cloud Storage

Dans la console Google Cloud, accédez à la page du Navigateur Cloud Storage.
Accéder à la page du navigateur
Cochez la case correspondant au bucket que vous souhaitez supprimer.
Pour supprimer le bucket, cliquez sur Supprimer , puis suivez les instructions.

Supprimer votre modèle de workflow

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

Supprimer votre fonction Cloud

Ouvrez la page Cloud Functions dans Google Cloud Console, cochez la case à gauche de la fonction wordcount, puis cliquez sur SUPPRIMER.

Étapes suivantes

Consultez la page Présentation des modèles de workflow Dataproc.
Consultez la page Solutions de planification de workflow