Descripción general

En este lab, abrirá un proyecto de Dataflow, usará filtros de canalizaciones y ejecutará la canalización de forma local y en la nube.

• Abrir un proyecto en Dataflow

• Filtre las canalizaciones

• Ejecutar la canalización de forma local y en la nube

Objetivo

En este lab, aprenderá a escribir una canalización simple de Dataflow y a ejecutarla de forma local y en la nube.

• Configurar un proyecto de Python Dataflow con Apache Beam

• Escribir una canalización simple en Python

• Ejecutar la consulta en la máquina local

• Ejecutar la consulta en la nube

Configuración

En cada lab, recibirá un proyecto de Google Cloud y un conjunto de recursos nuevos por tiempo limitado y sin costo adicional.

1. Accede a Qwiklabs desde una ventana de incógnito.

2. Ten en cuenta el tiempo de acceso del lab (por ejemplo, 1:15:00) y asegúrate de finalizarlo en el plazo asignado.
   No existe una función de pausa. Si lo necesita, puede reiniciar el lab, pero deberá hacerlo desde el comienzo.

3. Cuando esté listo, haga clic en Comenzar lab.

4. Anote las credenciales del lab (el nombre de usuario y la contraseña). Las usarás para acceder a la consola de Google Cloud.

5. Haga clic en Abrir Google Console.

6. Haga clic en Usar otra cuenta, copie las credenciales para este lab y péguelas en el mensaje emergente que aparece.
   Si usa otras credenciales, se generarán errores o incurrirá en cargos.

7. Acepta las condiciones y omite la página de recursos de recuperación.

Verifica los permisos del proyecto

Antes de comenzar a trabajar en Google Cloud, asegúrate de que tu proyecto tenga los permisos correctos en Identity and Access Management (IAM).

1. En la consola de Google Cloud, en el Menú de navegación (), selecciona IAM y administración > IAM.

2. Confirma que aparezca la cuenta de servicio predeterminada de Compute {número-del-proyecto}-compute@developer.gserviceaccount.com, y que tenga asignado el rol Editor. El prefijo de la cuenta es el número del proyecto, que puedes encontrar en el menú de navegación > Descripción general de Cloud > Panel.

1. En la consola de Google Cloud, en el menú de navegación, haz clic en Descripción general de Cloud > Panel.
2. Copia el número del proyecto (p. ej., 729328892908).
3. En el Menú de navegación, selecciona IAM y administración > IAM.
4. En la parte superior de la tabla de funciones, debajo de Ver por principales, haz clic en Otorgar acceso.
5. En Principales nuevas, escribe lo siguiente:

6. Reemplaza {número-del-proyecto} por el número de tu proyecto.
7. En Rol, selecciona Proyecto (o Básico) > Editor.
8. Haz clic en Guardar.

Tarea 1. Asegúrese de que la API de Dataflow esté habilitada correctamente

Para garantizar el acceso a la API necesaria, reinicie la conexión a la API de Dataflow.

1. En Cloud Console, ingrese API de Dataflow en la barra de búsqueda superior.

2. Haga clic en el resultado de API de Dataflow.

3. Haga clic en Administrar.

4. Haga clic en Inhabilitar API.

5. Si se le solicita confirmar, haga clic en Inhabilitar.

6. Haga clic en Habilitar.

Tarea 2. Preparación

Abra la terminal SSH y conéctese a la VM de entrenamiento

Ejecutará todo el código desde una VM de entrenamiento seleccionada.

1. En Console, abra el Menú de navegación () y haga clic en Compute Engine > Instancias de VM.

2. Ubique la línea que tenga la instancia training-vm.

3. En el extremo derecho, en Conectar, haga clic en SSH para abrir una ventana de la terminal.

4. En este lab, ingresará comandos de la CLI en training-vm.

Descargue el repositorio de código

1. A continuación, descargará un repositorio de código que usará en este lab. En la terminal SSH training-vm, ingrese lo siguiente:

Cree un bucket de Cloud Storage

Siga estas instrucciones para crear un bucket.

1. En Console, abra el menú de navegación y haga clic en Página principal.

2. Seleccione y copie el ID del proyecto.

Para simplificar, usará el ID del proyecto de Qwiklabs como nombre de bucket, ya que es único de manera global.

3. En el menú de navegación de Console, haga clic en Cloud Storage > Navegador.
4. Haga clic en Crear bucket.
5. Especifique los siguientes valores y deje las demás opciones de configuración con sus valores predeterminados:

6. Haga clic en Crear.

Registre el nombre de su bucket. Lo necesitará en tareas posteriores.

7. En la terminal SSH training-vm, ingrese lo siguiente para crear una variable de entorno con el nombre “BUCKET” y verifique que exista con el comando echo.

Puede usar la variable $BUCKET en los comandos de la terminal. Si necesita ingresar el nombre del bucket <your-bucket> en un campo de texto en Console, puede recuperarlo rápidamente con echo $BUCKET.

Tarea 3. Use filtros de canalizaciones

El objetivo de este lab es familiarizarse con la estructura de un proyecto de Dataflow y aprender a ejecutar una canalización de ese servicio.

1. Vuelva a la terminal SSH training-vm, navegue al directorio /training-data-analyst/courses/data_analysis/lab2/python y vea el archivo grep.py.

Vea el archivo con Nano. No realice cambios en el código. Presione Ctrl+X para salir de Nano.

¿Puede responder estas preguntas sobre el archivo grep.py?

• ¿Qué archivos se leen?
• ¿Cuál es el término de búsqueda?
• ¿A dónde se dirigen los datos de salida?

En la canalización, existen tres transformaciones:

• ¿Qué hace la transformación?

• ¿Qué hace la segunda transformación?

• ¿De dónde provienen los datos de entrada?

• ¿Qué hace con estos datos de entrada?

• ¿Qué escribe como datos de salida?

• ¿A dónde se dirigen los datos de salida?

• ¿Qué hace la tercera transformación?

Tarea 4. Ejecute la canalización de manera local

1. En la terminal SSH training-vm, ejecute grep.py de manera local.

El archivo de salida será output.txt. Si los datos de salida son lo suficientemente grandes, se fragmentarán en partes separadas con nombres como output-00000-of-00001.

2. Examine el horario del archivo para ubicar el archivo correcto.

3. Examine los archivos de salida.

4. Puede reemplazar “-*” a continuación con el sufijo correcto.

¿Los datos de salida parecen lógicos?

Tarea 5. Ejecute la canalización en la nube

1. Copie algunos archivos Java en la nube. En la terminal SSH training-vm, ingrese el siguiente comando:

Haga clic en revisar mi progreso para verificar el objetivo.

2. Con Nano, edite la canalización de Dataflow en grepc.py.

3. Reemplace PROJECT y BUCKET por su ID del proyecto y nombre de bucket.

Ejemplo de strings anteriores a la edición:

Ejemplo de strings posteriores a la edición (utilice sus valores):

Guarde el archivo y cierre Nano presionando las teclas CTRL + X. Luego, presione Y seguido de Intro.

4. Envíe el trabajo de Dataflow a la nube:

Dado que este es un trabajo pequeño, ejecutarlo en la nube llevará mucho más tiempo que hacerlo de forma local (alrededor de 7 o 10 minutos).

5. Regrese a la pestaña del navegador de Console.

6. En el menú de navegación, haga clic en Dataflow y, luego, en su trabajo para supervisar el progreso.

Ejemplo:

Haga clic en revisar mi progreso para verificar el objetivo.

8. Espere a que el estado del trabajo cambie a Completado.

9. Examine los datos de salida en el bucket de Cloud Storage.

10. En el menú de navegación, haga clic en Cloud Storage > Navegador y en su bucket.

11. Haga clic en el directorio javahelp.

Este trabajo generará el archivo output.txt. Si el archivo es lo suficientemente grande, se fragmentará en varias partes con nombres como output-0000x-of-000y. Puede identificar el archivo más reciente por su nombre o por el campo Última modificación.

12. Haga clic en el archivo para visualizarlo.

De forma alternativa, puede descargar el archivo mediante la terminal SSH training-vm y verlo:

Finalice su lab

Cuando haya completado el lab, haga clic en Finalizar lab. Google Cloud Skills Boost quitará los recursos que usó y limpiará la cuenta.

Tendrá la oportunidad de calificar su experiencia en el lab. Seleccione la cantidad de estrellas que corresponda, ingrese un comentario y haga clic en Enviar.

La cantidad de estrellas indica lo siguiente:

• 1 estrella = Muy insatisfecho
• 2 estrellas = Insatisfecho
• 3 estrellas = Neutral
• 4 estrellas = Satisfecho
• 5 estrellas = Muy satisfecho

Puede cerrar el cuadro de diálogo si no desea proporcionar comentarios.

Para enviar comentarios, sugerencias o correcciones, use la pestaña Asistencia.

Copyright 2026 Google LLC. Todos los derechos reservados. Google y el logotipo de Google son marcas de Google LLC. El resto de los nombres de productos y empresas pueden ser marcas de las respectivas empresas a las que están asociados.