ประมวลผลข้อมูลจำนวนมากด้วย Dataflow

หน้านี้จะแสดงตัวอย่างวิธีใช้ Dataflow เพื่อดำเนินการ Cloud Firestore จำนวนมากใน ไปป์ไลน์ Apache Beam Apache Beam รองรับตัวเชื่อมต่อสำหรับ Cloud Firestore คุณสามารถใช้ตัวเชื่อมต่อนี้เพื่อเรียกใช้การดำเนินการแบบกลุ่มและการสตรีมใน Dataflow

เราขอแนะนำให้ใช้ Dataflow และ Apache Beam สำหรับปริมาณงานการประมวลผลข้อมูลขนาดใหญ่

เครื่องมือเชื่อมต่อ Cloud Firestore สำหรับ Apache Beam พร้อมใช้งานใน Java สำหรับข้อมูลเพิ่มเติมเกี่ยวกับตัวเชื่อมต่อ Cloud Firestore โปรดดู Apache Beam SDK สำหรับ Java

ก่อนที่คุณจะเริ่ม

ก่อนที่คุณจะอ่านหน้านี้ คุณควรจะคุ้นเคยกับ โมเดลการเขียนโปรแกรมสำหรับ Apache Beam

หากต้องการเรียกใช้ตัวอย่าง คุณต้อง เปิดใช้ Dataflow API

ตัวอย่างไปป์ไลน์ Cloud Firestore

ตัวอย่างด้านล่างสาธิตไปป์ไลน์ที่เขียนข้อมูลและไปป์ไลน์ที่อ่านและกรองข้อมูล คุณสามารถใช้ตัวอย่างเหล่านี้เป็นจุดเริ่มต้นสำหรับไปป์ไลน์ของคุณเองได้

ดำเนินการไปป์ไลน์ตัวอย่าง

ซอร์สโค้ดสำหรับตัวอย่างมีอยู่ใน ที่เก็บ googleapis/java-firestore GitHub หากต้องการเรียกใช้ตัวอย่างเหล่านี้ ให้ดาวน์โหลดซอร์สโค้ดและดูไฟล์ README

ตัวอย่าง Write ไปป์ไลน์

ตัวอย่างต่อไปนี้สร้างเอกสารในคอลเล็กชัน cities-beam-sample :



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;
  }
}
ExampleFirestoreBeamWrite.java

ตัวอย่างใช้อาร์กิวเมนต์ต่อไปนี้เพื่อกำหนดค่าและรันไปป์ไลน์:

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

ตัวอย่าง Read ไปป์ไลน์

ไปป์ไลน์ตัวอย่างต่อไปนี้อ่านเอกสารจากคอลเล็กชัน cities-beam-sample ใช้ตัวกรองสำหรับเอกสารที่ตั้งค่า country ของฟิลด์เป็น USA และส่งคืนชื่อของเอกสารที่ตรงกัน



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);
                }
              }));
    }
  }
}
ExampleFirestoreBeamRead.java

ตัวอย่างใช้อาร์กิวเมนต์ต่อไปนี้เพื่อกำหนดค่าและรันไปป์ไลน์:

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

ราคา

การเรียกใช้ปริมาณงาน Cloud Firestore ใน Dataflow จะมีค่าใช้จ่ายสำหรับการใช้งาน Cloud Firestore และการใช้งาน Dataflow การใช้งานกระแสข้อมูลจะถูกเรียกเก็บเงินสำหรับทรัพยากรที่งานของคุณใช้ ดู หน้าราคา Dataflow สำหรับรายละเอียด สำหรับราคา Cloud Firestore โปรดดูที่ หน้าราคา

อะไรต่อไป