Pemrosesan ETL di Google Cloud Menggunakan Dataflow dan BigQuery (Python) Ulasan

It is a best lab!~

승남 왕. · Diulas sekitar 7 tahun lalu

CG K. · Diulas sekitar 7 tahun lalu

AASTHA A. · Diulas sekitar 7 tahun lalu

Britter Johagen Q. · Diulas sekitar 7 tahun lalu

Bill B. · Diulas sekitar 7 tahun lalu

Daniel B. · Diulas sekitar 7 tahun lalu

Vadim V. · Diulas sekitar 7 tahun lalu

Alexis T. · Diulas sekitar 7 tahun lalu

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

Michael G. · Diulas sekitar 7 tahun lalu

Federico F. · Diulas sekitar 7 tahun lalu

Done

Carlos L. · Diulas sekitar 7 tahun lalu

Huzaen J. · Diulas sekitar 7 tahun lalu

Puneet C. · Diulas sekitar 7 tahun lalu

Wei Lun K. · Diulas sekitar 7 tahun lalu

Ankit G. · Diulas sekitar 7 tahun lalu

Puneet C. · Diulas sekitar 7 tahun lalu

Chun Yu C. · Diulas sekitar 7 tahun lalu

Good but little slow

Eli K. · Diulas sekitar 7 tahun lalu

Sridhar E. · Diulas sekitar 7 tahun lalu

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. · Diulas sekitar 7 tahun lalu

Punyanuch S. · Diulas sekitar 7 tahun lalu

Andrew Z. · Diulas sekitar 7 tahun lalu

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

Thatchapoom T. · Diulas sekitar 7 tahun lalu

Graciela G. · Diulas sekitar 7 tahun lalu