Dataflow-এর মাধ্যমে বাল্কে ডেটা প্রসেস করা

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