Dataflow की मदद से, एक साथ कई डेटा प्रोसेस करें

इस पेज पर, Dataflow का इस्तेमाल करके, Apache Beam पाइपलाइन में, एक साथ कई कार्रवाइयां Cloud Firestore करने के तरीके के उदाहरण दिए गए हैं. Apache Beam, Cloud Firestore के लिए कनेक्टर की सुविधा देता है. इस कनेक्टर का इस्तेमाल करके, Dataflow में बैच और स्ट्रीमिंग से जुड़ी कार्रवाइयां की जा सकती हैं.

हमारा सुझाव है कि बड़े पैमाने पर डेटा प्रोसेस करने से जुड़े वर्कलोड के लिए, Dataflow और Apache Beam का इस्तेमाल करें.

Apache Beam के लिए Cloud Firestore कनेक्टर, Java में उपलब्ध है. Cloud Firestore कनेक्टर के बारे में ज़्यादा जानने के लिए, Java के लिए Apache Beam SDK देखें.

शुरू करने से पहले

इस पेज को पढ़ने से पहले, आपको Apache Beam के प्रोग्रामिंग मॉडल के बारे में पता होना चाहिए.

सैंपल चलाने के लिए, आपको Dataflow API को चालू करना होगा.

पाइपलाइन के उदाहरणCloud Firestore

यहां दिए गए उदाहरणों में, डेटा लिखने वाली और डेटा पढ़ने और फ़िल्टर करने वाली पाइपलाइन के बारे में बताया गया है. इन सैंपल का इस्तेमाल, अपनी पाइपलाइन बनाने के लिए किया जा सकता है.

सैंपल पाइपलाइन चलाना

सैंपल का सोर्स कोड, googleapis/java-firestore GitHub रिपॉज़िटरी में उपलब्ध है. इन सैंपल को चलाने के लिए, सोर्स कोड डाउनलोड करें और README देखें.

Write पाइपलाइन का उदाहरण

यहां दिए गए उदाहरण में, cities-beam-sample कलेक्शन में दस्तावेज़ बनाए गए हैं:

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;
  }
}

उदाहरण में, पाइपलाइन को कॉन्फ़िगर करने और चलाने के लिए, इन आर्ग्युमेंट का इस्तेमाल किया गया है:

GOOGLE_CLOUD_PROJECT=project-id
REGION=region
TEMP_LOCATION=gs://temp-bucket/temp/
NUM_WORKERS=number-workers
MAX_NUM_WORKERS=max-number-workers

Read पाइपलाइन का उदाहरण

यहां दी गई उदाहरण पाइपलाइन, cities-beam-sample कलेक्शन से दस्तावेज़ पढ़ती है. इसके बाद, उन दस्तावेज़ों के लिए फ़िल्टर लागू करती है जिनमें फ़ील्ड country की वैल्यू USA सेट की गई है. इसके बाद, मैच होने वाले दस्तावेज़ों के नाम दिखते हैं.

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);
                }
              }));
    }
  }
}

उदाहरण में, पाइपलाइन को कॉन्फ़िगर करने और चलाने के लिए, इन आर्ग्युमेंट का इस्तेमाल किया गया है:

GOOGLE_CLOUD_PROJECT=project-id
REGION=region
TEMP_LOCATION=gs://temp-bucket/temp/
NUM_WORKERS=number-workers
MAX_NUM_WORKERS=max-number-workers

कीमत

Dataflow में Cloud Firestore वर्कलोड चलाने पर, Cloud Firestore और Dataflow के इस्तेमाल के लिए शुल्क लगता है. आपके जॉब जिन संसाधनों का इस्तेमाल करते हैं उनके लिए, Dataflow के इस्तेमाल का शुल्क लिया जाता है. ज़्यादा जानकारी के लिए, Dataflow की कीमत तय करने से जुड़ा पेज देखें. Cloud Firestore की कीमत तय करने के बारे में जानने के लिए, कीमत तय करने से जुड़ा पेज देखें.

आगे क्या करना है