Я относительно новичок в технологии GCP. В настоящее время я занимаюсь POC для создания запланированного задания потока данных, которое загружает (вставляет) данные из облачного хранилища Google в BigQuery. Прочитав несколько руководств и документации, я пришел к следующему:
Сначала я создаю задание потока данных, которое читает файл avro и загружает его в BigQuery. Этот поток данных был протестирован и хорошо зарекомендовал себя.
(self.pipeline | output_table + ': read table ' >> ReadFromAvro(storage_input_path) | output_table + ': filter columns' >> beam.Map(self.__filter_columns, columns=columns) | output_table + ': write to BigQuery' >> beam.Write( beam.io.BigQuerySink(output_table, create_disposition=beam.io.BigQueryDisposition.CREATE_NEVER, write_disposition=beam.io.BigQueryDisposition.WRITE_APPEND)))
Чтобы создать запланированное задание, я затем создал простую веб-службу, как показано ниже:
import logging from flask import Flask from common.tableLoader import TableLoader from ingestion import IngestionToBigQuery from common.configReader import ConfigReader app = Flask(__name__) @app.route('/') def hello(): """Return a friendly HTTP greeting.""" logging.getLogger().setLevel(logging.INFO) config = ConfigReader('columbus-config') # TODO read from args tables = TableLoader('experience') ingestor = IngestionToBigQuery(config.configuration, tables.list_of_tables) ingestor.ingest_table() return 'Hello World!'```
Я также создал app.yaml:
runtime: python env: flex entrypoint: gunicorn -b :$PORT recsys_data_pipeline.main:app threadsafe: yes runtime_config: python_version: 2 resources: memory_gb: 2.0
Затем я развернул его с помощью этой команды gcloud app deploy
, но получил следующие ошибки:
default[20170417t173837] ERROR:root:The gcloud tool was not found.
default[20170417t173837] Traceback (most recent call last):
File "/env/local/lib/python2.7/site-packages/apache_beam/internal/gcp/auth.py", line 109, in _refresh ['gcloud', 'auth', 'print-access-token'], stdout=processes.PIPE)
File "/env/local/lib/python2.7/site-packages/apache_beam/utils/processes.py", line 52, in Popen return subprocess.Popen(*args, **kwargs)
File "/usr/lib/python2.7/subprocess.py", line 710, in __init__ errread, errwrite) File "/usr/lib/python2.7/subprocess.py", line 1335, in _execute_child raise child_exception OSError: [Errno 2] No such file or directory
Из сообщения выше я обнаружил, что ошибка исходила от apache_beam auth.py class
, в частности, от следующей функции:
def _refresh(self, http_request):
"""Gets an access token using the gcloud client."""
try:
gcloud_process = processes.Popen(['gcloud', 'auth', 'print-access-token'], stdout=processes.PIPE)
except OSError as exn:
logging.error('The gcloud tool was not found.', exc_info=True)
raise AuthenticationException('The gcloud tool was not found: %s' % exn)
output, _ = gcloud_process.communicate()
self.access_token = output.strip()
который был вызван, когда учетные данные (service_acount_name
и service_acount_key
не указаны:
if google_cloud_options.service_account_name:
if not google_cloud_options.service_account_key_file:
raise AuthenticationException(
'key file not provided for service account.')
if not os.path.exists(google_cloud_options.service_account_key_file):
raise AuthenticationException(
'Specified service account key file does not exist.')
else:
try:
credentials = _GCloudWrapperCredentials(user_agent)
# Check if we are able to get an access token. If not fallback to
# application default credentials.
credentials.get_access_token()
return credentials
Итак, у меня есть два вопроса:
- Есть ли способ «прикрепить» учетные данные (
service_acount_name
иservice_acount_key
) где-нибудь в моем коде или в файле конфигурации (например: вapp.yaml
)? - Каковы лучшие практики для запуска задания потока данных из движка приложений Google?
Большое спасибо, любые предложения и комментарии будут действительно полезны!