এই পৃষ্ঠায় Apache Beam পাইপলাইনে বাল্ক Cloud Firestore অপারেশন সম্পন্ন করতে কীভাবে Dataflow ব্যবহার করতে হয় তার উদাহরণ দেওয়া হয়েছে। Apache Beam-এ Cloud Firestore-এর জন্য কানেক্টর কাজ করে। Dataflow-এ ব্যাচ ও স্ট্রিমিং অপারেশন চালানোর জন্য আপনি এই কানেক্টর ব্যবহার করতে পারবেন।
আমরা ডেটাফ্লো এবং অ্যাপাচি বিম ব্যবহার করার জন্য সাজেস্ট করি, যাতে বড় আকারের ডেটা প্রসেসিং ওয়ার্কলোড পরিচালনা করা যায়।
Apache Beam-এর জন্য Cloud Firestore কানেক্টর Java-তে উপলভ্য। Cloud Firestore কানেক্টর সম্পর্কে আরও জানতে, Java-এর জন্য Apache Beam SDK দেখুন।
শুরু করার আগে
এই পৃষ্ঠা পড়ার আগে, আপনাকে Apache Beam-এর জন্য প্রোগ্রামিং মডেল সম্পর্কে জানতে হবে।
স্যাম্পেল রান করতে, আপনাকে অবশ্যই Dataflow API চালু করতে হবে।উদাহরণ Cloud Firestore পাইপলাইন
নিচের উদাহরণে এমন একটি পাইপলাইন দেখানো হয়েছে যা ডেটা লেখে এবং অন্য একটি পাইপলাইন ডেটা পড়ে ও ফিল্টার করে। আপনার নিজস্ব পাইপলাইনের জন্য আপনি এইসব স্যাম্পেলকে স্টার্টিং পয়েন্ট হিসেবে ব্যবহার করতে পারেন।
স্যাম্পেল পাইপলাইন রান করা
নমুনার সোর্স কোড googleapis/java-firestore GitHub রিপোজিটরিতে উপলভ্য। এই স্যাম্পেলগুলি রান করতে, সোর্স কোড ডাউনলোড করুন এবং README দেখুন।
উদাহরণ Write পাইপলাইন
নিম্নলিখিত উদাহরণটি cities-beam-sample সংগ্রহে ডকুমেন্ট তৈরি করে:
public class ExampleFirestoreBeamWrite { private static final FirestoreOptions FIRESTORE_OPTIONS = FirestoreOptions.getDefaultInstance(); public static void main(String[] args) { runWrite(args, "cities-beam-sample"); } public static void runWrite(String[] args, String collectionId) { // create pipeline options from the passed in arguments PipelineOptions options = PipelineOptionsFactory.fromArgs(args).withValidation().as(PipelineOptions.class); Pipeline pipeline = Pipeline.create(options); RpcQosOptions rpcQosOptions = RpcQosOptions.newBuilder() .withHintMaxNumWorkers(options.as(DataflowPipelineOptions.class).getMaxNumWorkers()) .build(); // create some writes Write write1 = Write.newBuilder() .setUpdate( Document.newBuilder() // resolves to // projects/<projectId>/databases/<databaseId>/documents/<collectionId>/NYC .setName(createDocumentName(collectionId, "NYC")) .putFields("name", Value.newBuilder().setStringValue("New York City").build()) .putFields("state", Value.newBuilder().setStringValue("New York").build()) .putFields("country", Value.newBuilder().setStringValue("USA").build())) .build(); Write write2 = Write.newBuilder() .setUpdate( Document.newBuilder() // resolves to // projects/<projectId>/databases/<databaseId>/documents/<collectionId>/TOK .setName(createDocumentName(collectionId, "TOK")) .putFields("name", Value.newBuilder().setStringValue("Tokyo").build()) .putFields("country", Value.newBuilder().setStringValue("Japan").build()) .putFields("capital", Value.newBuilder().setBooleanValue(true).build())) .build(); // batch write the data pipeline .apply(Create.of(write1, write2)) .apply(FirestoreIO.v1().write().batchWrite().withRpcQosOptions(rpcQosOptions).build()); // run the pipeline pipeline.run().waitUntilFinish(); } private static String createDocumentName(String collectionId, String cityDocId) { String documentPath = String.format( "projects/%s/databases/%s/documents", FIRESTORE_OPTIONS.getProjectId(), FIRESTORE_OPTIONS.getDatabaseId()); return documentPath + "/" + collectionId + "/" + cityDocId; } }
উদাহরণটি একটি পাইপলাইন কনফিগার এবং রান করার জন্য নিম্নলিখিত আর্গুমেন্ট ব্যবহার করে:
GOOGLE_CLOUD_PROJECT=project-id REGION=region TEMP_LOCATION=gs://temp-bucket/temp/ NUM_WORKERS=number-workers MAX_NUM_WORKERS=max-number-workers
উদাহরণ Read পাইপলাইন
নিচের উদাহরণ পাইপলাইন cities-beam-sample
কালেকশন থেকে ডকুমেন্ট পড়ে, যেখানে ফিল্ড country, USA-এ সেট করা আছে সেখানে ডকুমেন্টের জন্য ফিল্টার প্রয়োগ করে
এবং ম্যাচ করা ডকুমেন্টের নাম দেখায়।
public class ExampleFirestoreBeamRead { public static void main(String[] args) { runRead(args, "cities-beam-sample"); } public static void runRead(String[] args, String collectionId) { FirestoreOptions firestoreOptions = FirestoreOptions.getDefaultInstance(); PipelineOptions options = PipelineOptionsFactory.fromArgs(args).withValidation().as(PipelineOptions.class); Pipeline pipeline = Pipeline.create(options); RpcQosOptions rpcQosOptions = RpcQosOptions.newBuilder() .withHintMaxNumWorkers(options.as(DataflowPipelineOptions.class).getMaxNumWorkers()) .build(); pipeline .apply(Create.of(collectionId)) .apply( new FilterDocumentsQuery( firestoreOptions.getProjectId(), firestoreOptions.getDatabaseId())) .apply(FirestoreIO.v1().read().runQuery().withRpcQosOptions(rpcQosOptions).build()) .apply( ParDo.of( // transform each document to its name new DoFn<RunQueryResponse, String>() { @ProcessElement public void processElement(ProcessContext c) { c.output(Objects.requireNonNull(c.element()).getDocument().getName()); } })) .apply( ParDo.of( // print the document name new DoFn<String, Void>() { @ProcessElement public void processElement(ProcessContext c) { System.out.println(c.element()); } })); pipeline.run().waitUntilFinish(); } private static final class FilterDocumentsQuery extends PTransform<PCollection<String>, PCollection<RunQueryRequest>> { private final String projectId; private final String databaseId; public FilterDocumentsQuery(String projectId, String databaseId) { this.projectId = projectId; this.databaseId = databaseId; } @Override public PCollection<RunQueryRequest> expand(PCollection<String> input) { return input.apply( ParDo.of( new DoFn<String, RunQueryRequest>() { @ProcessElement public void processElement(ProcessContext c) { // select from collection "cities-collection-<uuid>" StructuredQuery.CollectionSelector collection = StructuredQuery.CollectionSelector.newBuilder() .setCollectionId(Objects.requireNonNull(c.element())) .build(); // filter where country is equal to USA StructuredQuery.Filter countryFilter = StructuredQuery.Filter.newBuilder() .setFieldFilter( StructuredQuery.FieldFilter.newBuilder() .setField( StructuredQuery.FieldReference.newBuilder() .setFieldPath("country") .build()) .setValue(Value.newBuilder().setStringValue("USA").build()) .setOp(StructuredQuery.FieldFilter.Operator.EQUAL)) .buildPartial(); RunQueryRequest runQueryRequest = RunQueryRequest.newBuilder() .setParent(DocumentRootName.format(projectId, databaseId)) .setStructuredQuery( StructuredQuery.newBuilder() .addFrom(collection) .setWhere(countryFilter) .build()) .build(); c.output(runQueryRequest); } })); } } }
উদাহরণটি একটি পাইপলাইন কনফিগার এবং রান করার জন্য নিম্নলিখিত আর্গুমেন্ট ব্যবহার করে:
GOOGLE_CLOUD_PROJECT=project-id REGION=region TEMP_LOCATION=gs://temp-bucket/temp/ NUM_WORKERS=number-workers MAX_NUM_WORKERS=max-number-workers
মূল্য
Dataflow-তে Cloud Firestore ওয়ার্কলোড রান করলে Cloud Firestore ব্যবহার ও Dataflow ব্যবহারের জন্য খরচ হয়। আপনার জব যেসব রিসোর্স ব্যবহার করে সেগুলির জন্য Dataflow ব্যবহার বিল করা হয়। বিস্তারিত জানতে Dataflow-এর দাম সংক্রান্ত পৃষ্ঠা দেখুন। Cloud Firestore-এর দাম জানতে, দাম সংক্রান্ত পৃষ্ঠা দেখুন।
এর পরে কী করতে হবে
- অন্য পাইপলাইনের উদাহরণের জন্য ডেটা প্রসেসিংয়ের জন্য Firestore এবং Apache Beam ব্যবহার করা দেখুন।
- Dataflow ও Apache Beam সম্পর্কে আরও জানতে, Dataflow ডকুমেন্টেশন দেখুন।