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.
-
Vérifiez que la facturation est activée pour votre projet Google Cloud.
-
Activer les API Dataproc, Compute Engine, Cloud Storage, and Cloud Functions .
- 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.
-
Vérifiez que la facturation est activée pour votre projet Google Cloud.
-
Activer les API Dataproc, Compute Engine, Cloud Storage, and Cloud Functions .
- Installez Google Cloud CLI.
-
Pour initialiser gcloudCLI, exécutez la commande suivante :
gcloud init
Créer ou utiliser deux (2) buckets Cloud Storage dans votre projet
Votre projet nécessite deux buckets Cloud Storage: un pour les fichiers d'entrée et un pour la sortie.
- Dans la console Google Cloud, accédez à la page Buckets Cloud Storage.
- 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 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 d'étape "count" est requis 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
sur la page Dataproc Workflows de la console Google Cloud pour ouvrir la 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
wordcount.yaml
, puis ajoutez un blocparameters
à la fin du fichier YAML afin que le champ INPUT_BUCKET_URI Cloud Storage puisse être transmis en tant queargs[1]
au binaire de compte 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 :
- 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 et collez uniquement la section
parameters
à la fin de votre 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 Cloud Functions dans la 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.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 de la 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 de stockage de Google Cloud Console.Une fois le workflow terminé, les détails de la tâche sont conservés dans la 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
- Dans la console Google Cloud, accédez 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.
- 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 la console Google Cloud, cochez la case située 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