BigQuery ospita una serie di set di dati pubblici disponibili per le query al pubblico. In questo tutorial creerai un flusso di lavoro che esegue più job di query BigQuery in parallelo, dimostrando un miglioramento delle prestazioni rispetto all'esecuzione dei job in serie, uno dopo l'altro.
Obiettivi
In questo tutorial, imparerai a:- Esegui una query su un set di dati pubblico di Wikipedia per determinare i titoli più visualizzati in un mese specifico.
- Eseguire il deployment e un flusso di lavoro che esegue più job di query BigQuery in serie, uno dopo l'altro.
- Esegui il deployment e un flusso di lavoro che esegue i job BigQuery
utilizzando l'iterazione parallela
e dove vengono eseguiti in parallelo i normali loop
for
.
Puoi eseguire i comandi seguenti nella console Google Cloud o utilizzando Google Cloud CLI nel terminale o in Cloud Shell.
Costi
In questo documento vengono utilizzati i seguenti componenti fatturabili di Google Cloud:
Per generare una stima dei costi in base all'utilizzo previsto,
utilizza il Calcolatore prezzi.
Prima di iniziare
I vincoli di sicurezza definiti dalla tua organizzazione potrebbero impedirti di completare i passaggi seguenti. Per informazioni sulla risoluzione dei problemi, vedi Sviluppare applicazioni in un ambiente Google Cloud vincolato.
Console
- Accedi al tuo account Google Cloud. Se non conosci Google Cloud, crea un account per valutare le prestazioni dei nostri prodotti in scenari reali. I nuovi clienti ricevono anche 300 $di crediti gratuiti per l'esecuzione, il test e il deployment dei carichi di lavoro.
-
In the Google Cloud console, on the project selector page, select or create a Google Cloud project.
-
Assicurati che la fatturazione sia attivata per il tuo progetto Google Cloud.
-
Attiva l'API Workflows.
-
Create a service account:
-
In the Google Cloud console, go to the Create service account page.
Go to Create service account - Select your project.
-
In the Service account name field, enter a name. The Google Cloud console fills in the Service account ID field based on this name.
In the Service account description field, enter a description. For example,
Service account for quickstart
. - Click Create and continue.
-
Grant the following roles to the service account: BigQuery > BigQuery Job User, Logging > Logs Writer.
To grant a role, find the Select a role list, then select the role.
To grant additional roles, click
Add another role and add each additional role. - Click Continue.
-
Click Done to finish creating the service account.
-
-
In the Google Cloud console, on the project selector page, select or create a Google Cloud project.
-
Assicurati che la fatturazione sia attivata per il tuo progetto Google Cloud.
-
Attiva l'API Workflows.
-
Create a service account:
-
In the Google Cloud console, go to the Create service account page.
Go to Create service account - Select your project.
-
In the Service account name field, enter a name. The Google Cloud console fills in the Service account ID field based on this name.
In the Service account description field, enter a description. For example,
Service account for quickstart
. - Click Create and continue.
-
Grant the following roles to the service account: BigQuery > BigQuery Job User, Logging > Logs Writer.
To grant a role, find the Select a role list, then select the role.
To grant additional roles, click
Add another role and add each additional role. - Click Continue.
-
Click Done to finish creating the service account.
-
gcloud
-
Accedi al tuo Account Google.
Se non ne hai già uno, crea un nuovo account.
- Installa Google Cloud CLI.
-
Per initialize gcloud CLI, esegui questo comando:
gcloud init
-
Create or select a Google Cloud project.
-
Create a Google Cloud project:
gcloud projects create PROJECT_ID
Replace
PROJECT_ID
with a name for the Google Cloud project you are creating. -
Select the Google Cloud project that you created:
gcloud config set project PROJECT_ID
Replace
PROJECT_ID
with your Google Cloud project name.
-
-
Assicurati che la fatturazione sia attivata per il tuo progetto Google Cloud.
-
Attiva l'API Workflows.
gcloud services enable workflows.googleapis.com
-
Set up authentication:
-
Create the service account:
gcloud iam service-accounts create SERVICE_ACCOUNT_NAME
Replace
SERVICE_ACCOUNT_NAME
with a name for the service account. -
Grant roles to the service account. Run the following command once for each of the following IAM roles:
roles/bigquery.jobUser, roles/logging.logWriter
:gcloud projects add-iam-policy-binding PROJECT_ID --member="serviceAccount:SERVICE_ACCOUNT_NAME@PROJECT_ID.iam.gserviceaccount.com" --role=ROLE
Replace the following:
SERVICE_ACCOUNT_NAME
: the name of the service accountPROJECT_ID
: the project ID where you created the service accountROLE
: the role to grant
-
- Installa Google Cloud CLI.
-
Per initialize gcloud CLI, esegui questo comando:
gcloud init
-
Create or select a Google Cloud project.
-
Create a Google Cloud project:
gcloud projects create PROJECT_ID
Replace
PROJECT_ID
with a name for the Google Cloud project you are creating. -
Select the Google Cloud project that you created:
gcloud config set project PROJECT_ID
Replace
PROJECT_ID
with your Google Cloud project name.
-
-
Assicurati che la fatturazione sia attivata per il tuo progetto Google Cloud.
-
Attiva l'API Workflows.
gcloud services enable workflows.googleapis.com
-
Set up authentication:
-
Create the service account:
gcloud iam service-accounts create SERVICE_ACCOUNT_NAME
Replace
SERVICE_ACCOUNT_NAME
with a name for the service account. -
Grant roles to the service account. Run the following command once for each of the following IAM roles:
roles/bigquery.jobUser, roles/logging.logWriter
:gcloud projects add-iam-policy-binding PROJECT_ID --member="serviceAccount:SERVICE_ACCOUNT_NAME@PROJECT_ID.iam.gserviceaccount.com" --role=ROLE
Replace the following:
SERVICE_ACCOUNT_NAME
: the name of the service accountPROJECT_ID
: the project ID where you created the service accountROLE
: the role to grant
-
Eseguire un job di query BigQuery
In BigQuery puoi eseguire un job di query interattivo (on demand). Per maggiori informazioni, consulta Esecuzione di job di query interattivi e batch.
Console
Nella console Google Cloud, vai alla pagina BigQuery.
Inserisci la seguente query SQL di BigQuery nell'area di testo Editor query:
SELECT TITLE, SUM(views) FROM `bigquery-samples.wikipedia_pageviews.201207h` GROUP BY TITLE ORDER BY SUM(views) DESC LIMIT 100
Fai clic su Esegui.
bq
Nel terminale, inserisci il seguente comando bq query
per eseguire una query interattiva utilizzando la sintassi SQL standard:
bq query \
--use_legacy_sql=false \
'SELECT
TITLE, SUM(views)
FROM
`bigquery-samples.wikipedia_pageviews.201207h`
GROUP BY
TITLE
ORDER BY
SUM(views) DESC
LIMIT 100'
Viene eseguita una query che restituisce i primi 100 titoli di Wikipedia con il maggior numero di visualizzazioni in un mese specifico e scrive l'output in una tabella temporanea.
Annota il tempo necessario per l'esecuzione della query.
Esegui il deployment di un flusso di lavoro che esegue più query in serie
Una definizione di flusso di lavoro è composta da una serie di passaggi descritti utilizzando la sintassi di Workflows. Dopo aver creato un flusso di lavoro, esegui il deployment per renderlo disponibile per l'esecuzione. Il passaggio di deployment permette anche di eseguire il file di origine.
Il seguente flusso di lavoro definisce un elenco di cinque tabelle su cui eseguire una query utilizzando il connettore BigQuery di Workflows. Le query vengono eseguite in serie, una dopo l'altra, e i titoli più visualizzati di ogni tabella vengono salvati in una mappa dei risultati.
Console
Nella console Google Cloud, vai alla pagina Flussi di lavoro:
Fai clic su Crea.
Inserisci un nome per il nuovo flusso di lavoro, ad esempio
workflow-serial-bqjobs
.Scegli una regione appropriata, ad esempio us-central1.
Seleziona l'account di servizio che hai creato in precedenza.
Dovresti aver già concesso i ruoli IAM Utente job BigQuery > BigQuery e Logging > Writer log all'account di servizio.
Tocca Avanti.
Nell'editor del flusso di lavoro, inserisci la definizione seguente per il flusso di lavoro:
Fai clic su Esegui il deployment.
gcloud
Apri un terminale e crea un file di codice sorgente per il tuo flusso di lavoro:
touch workflow-serial-bqjobs.yaml
Copia il seguente flusso di lavoro nel file di codice sorgente:
Esegui il deployment del flusso di lavoro inserendo il seguente comando:
gcloud workflows deploy workflow-serial-bqjobs \ --source=workflow-serial-bqjobs.yaml \ --service-account=MY_SERVICE_ACCOUNT@MY_PROJECT.IAM.GSERVICEACCOUNT.COM
Sostituisci
MY_SERVICE_ACCOUNT@MY_PROJECT.IAM.GSERVICEACCOUNT.COM
con l'indirizzo email dell'account di servizio che hai creato in precedenza.Dovresti aver già concesso i ruoli IAM
roles/bigquery.jobUser
eroles/logging.logWriter
all'account di servizio.
Esegui il flusso di lavoro ed esegui più query in modo seriale
L'esecuzione di un flusso di lavoro esegue l'attuale definizione del flusso di lavoro associata al flusso di lavoro.
Console
Nella console Google Cloud, vai alla pagina Flussi di lavoro:
Nella pagina Flussi di lavoro, seleziona il flusso di lavoro workflow-serial-bqjobs per andare alla relativa pagina dei dettagli.
Nella pagina Dettagli flusso di lavoro, fai clic su play_arrow Esegui.
Fai di nuovo clic su Execute (Esegui).
Visualizza i risultati del flusso di lavoro nel riquadro Output.
gcloud
Apri un terminale.
Esegui il flusso di lavoro:
gcloud workflows run workflow-serial-bqjob
L'esecuzione del flusso di lavoro dovrebbe richiedere circa un minuto o cinque volte rispetto al tempo di esecuzione precedente. Il risultato includerà ogni tabella e sarà simile al seguente:
{
"201201h": {
"title": "Special:Search",
"views": "14591339"
},
"201202h": {
"title": "Special:Search",
"views": "132765420"
},
"201203h": {
"title": "Special:Search",
"views": "123316818"
},
"201204h": {
"title": "Special:Search",
"views": "116830614"
},
"201205h": {
"title": "Special:Search",
"views": "131357063"
}
}
Eseguire il deployment e l'esecuzione di un flusso di lavoro che esegue più query in parallelo
Anziché eseguire cinque query in sequenza, puoi eseguirle in parallelo apportando alcune modifiche:
- runQueries:
parallel:
shared: [results]
for:
value: table
in: ${tables}
- Un passaggio
parallel
consente di eseguire in parallelo ogni iterazione del loopfor
. La variabile
results
viene dichiarata comeshared
, perciò può essere scrivibile da un ramo e può essere aggiunto il risultato di ogni ramo.
Console
Nella console Google Cloud, vai alla pagina Flussi di lavoro:
Fai clic su Crea.
Inserisci un nome per il nuovo flusso di lavoro, ad esempio
workflow-parallel-bqjobs
.Scegli una regione appropriata, ad esempio us-central1.
Seleziona l'account di servizio che hai creato in precedenza.
Tocca Avanti.
Nell'editor del flusso di lavoro, inserisci la definizione seguente per il flusso di lavoro:
Fai clic su Esegui il deployment.
Nella pagina Dettagli flusso di lavoro, fai clic su play_arrow Esegui.
Fai di nuovo clic su Execute (Esegui).
Visualizza i risultati del flusso di lavoro nel riquadro Output.
gcloud
Apri un terminale e crea un file di codice sorgente per il tuo flusso di lavoro:
touch workflow-parallel-bqjobs.yaml
Copia il seguente flusso di lavoro nel file di codice sorgente:
Esegui il deployment del flusso di lavoro inserendo il seguente comando:
gcloud workflows deploy workflow-parallell-bqjobs \ --source=workflow-parallel-bqjobs.yaml \ --service-account=MY_SERVICE_ACCOUNT@MY_PROJECT.IAM.GSERVICEACCOUNT.COM
Sostituisci
MY_SERVICE_ACCOUNT@MY_PROJECT.IAM.GSERVICEACCOUNT.COM
con l'indirizzo email dell'account di servizio che hai creato in precedenza.Esegui il flusso di lavoro:
gcloud workflows run workflow-serial-bqjob
Il risultato sarà simile all'output precedente, ma l'esecuzione del flusso di lavoro dovrebbe richiedere circa venti secondi o meno.
Esegui la pulizia
Se hai creato un nuovo progetto per questo tutorial, elimina il progetto. Se hai utilizzato un progetto esistente e vuoi conservarlo senza le modifiche aggiunte in questo tutorial, elimina le risorse create per il tutorial.
Elimina il progetto
Il modo più semplice per eliminare la fatturazione è eliminare il progetto che hai creato per il tutorial.
Per eliminare il progetto:
- Nella console Google Cloud, vai alla pagina Gestisci risorse.
- Nell'elenco dei progetti, seleziona il progetto che vuoi eliminare, quindi fai clic su Elimina.
- Nella finestra di dialogo, digita l'ID del progetto e fai clic su Chiudi per eliminare il progetto.
Elimina risorse tutorial
Elimina i flussi di lavoro creati in questo tutorial:
gcloud workflows delete WORKFLOW_NAME
Passaggi successivi
- Per scoprire di più sui passaggi paralleli, consulta Eseguire passaggi paralleli.
- Per scoprire di più sui connettori Workflows, consulta Informazioni sui connettori.
- Per saperne di più su Workflows, vedi la panoramica dei flussi di lavoro.