Traitement ETL sur Google Cloud avec Dataflow et BigQuery (Python) avis

It is a best lab!~

승남 왕. · Examiné il y a environ 7 ans

CG K. · Examiné il y a environ 7 ans

AASTHA A. · Examiné il y a environ 7 ans

Britter Johagen Q. · Examiné il y a environ 7 ans

Bill B. · Examiné il y a environ 7 ans

Daniel B. · Examiné il y a environ 7 ans

Vadim V. · Examiné il y a environ 7 ans

Alexis T. · Examiné il y a environ 7 ans

A little too much copy paste and would like more learning material.

Michael G. · Examiné il y a environ 7 ans

Federico F. · Examiné il y a environ 7 ans

Done

Carlos L. · Examiné il y a environ 7 ans

Huzaen J. · Examiné il y a environ 7 ans

Puneet C. · Examiné il y a environ 7 ans

Wei Lun K. · Examiné il y a environ 7 ans

Ankit G. · Examiné il y a environ 7 ans

Puneet C. · Examiné il y a environ 7 ans

Chun Yu C. · Examiné il y a environ 7 ans

Good but little slow

Eli K. · Examiné il y a environ 7 ans

Sridhar E. · Examiné il y a environ 7 ans

The lab needs more time. There is just enough time to give a quick read of the python code files. An additional 30 min should be good. The explanation in Step5 & Step6 (see below) just repeat of that from the Step2. Adding a block diagram like in the DataFlow charts would be good. You will now build a Dataflow pipeline with a TextIO source and a BigQueryIO destination to ingest data into BigQuery. More specifically, it will: Ingest the files from GCS. Filter out the header row in the files. Convert the lines read to dictionary objects. Output the rows to BigQuery.

Sreedevi G. · Examiné il y a environ 7 ans

Punyanuch S. · Examiné il y a environ 7 ans

Andrew Z. · Examiné il y a environ 7 ans

Dataflow is long shutting down worker it may longer than 3 min calculate to 50% of all processes that's very inefficiency.

Thatchapoom T. · Examiné il y a environ 7 ans

Graciela G. · Examiné il y a environ 7 ans