Dataflow की मदद से, एक साथ कई डेटा प्रोसेस करें

इस पेज पर, Apache Beam पाइपलाइन में एक साथ कई Cloud Firestore ऑपरेशन करने के लिए, Dataflow का इस्तेमाल करने के उदाहरण दिए गए हैं. Apache बीम, Cloud Firestore के कनेक्टर के साथ काम करता है. Dataflow में बैच और स्ट्रीमिंग ऑपरेशन चलाने के लिए, इस कनेक्टर का इस्तेमाल किया जा सकता है.

हमारा सुझाव है कि बड़े पैमाने पर डेटा प्रोसेसिंग के वर्कलोड के लिए, Dataflow और Apache बीम का इस्तेमाल करें.

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

शुरू करने से पहले

इस पेज को पढ़ने से पहले, आपको Apache बीम के लिए प्रोग्रामिंग मॉडल के बारे में जानकारी होनी चाहिए.

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

Cloud Firestore पाइपलाइन का उदाहरण

नीचे दिए गए उदाहरणों में, डेटा लिखने वाली और डेटा पढ़ने और फ़िल्टर करने वाली एक पाइपलाइन दिखाई गई है. इन सैंपल का इस्तेमाल, अपनी लाइनपाइप बनाने के लिए शुरुआती बिंदु के तौर पर 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 जाते 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;
  }
}

इस उदाहरण में, पाइपलाइन को कॉन्फ़िगर 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 दिए गए उदाहरण में, cities-beam-sample कलेक्शन से दस्तावेज़ पढ़े जाते हैं. साथ ही, उन दस्तावेज़ों पर फ़िल्टर लागू किया जाता है जिनमें country फ़ील्ड को USA पर सेट किया गया है. इसके बाद, मैच होने वाले दस्तावेज़ों के नाम दिखाए जाते 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);
                }
              }));
    }
  }
}

इस उदाहरण में, पाइपलाइन को कॉन्फ़िगर 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 की लागत आती है. Dataflow के इस्तेमाल के लिए, उन संसाधनों के हिसाब से शुल्क लिया जाता है जिनका इस्तेमाल आपकी जॉब करती हैं. ज़्यादा जानकारी के लिए, Dataflow की कीमत वाला पेज देखें. Cloud Firestore की कीमत जानने के लिए, कीमत वाला पेज देखें.

आगे क्या करना है