Question

因此，我已经阅读了梁stateful processing和timely processing条款，并发现了实现这些功能的问题。

我试图解决的问题类似于this，为每一行生成一个顺序索引。因为我希望能够将数据流生成的行引用到原始源的行。

public static class createIndex extends DoFn<String, KV<String, String>> {
  @StateId("count")
  private final StateSpec<ValueState<Long>> countState = StateSpecs.value(VarLongCoder.of());

  @ProcessElement
  public void processElement(ProcessContext c, @StateId("count") ValueState<Long> countState)  {

    String val = c.element();
    long count = 0L;
    if(countState.read() != null)
      count = countState.read();

    count = count + 1;
    countState.write(count);

    c.output(KV.of(String.valueOf(count), val));

  }
}

Pipeline p = Pipeline.create(options);

p.apply(TextIO.read().from("gs://randomBucket/file.txt"))
 .apply(ParDo.of(new createIndex()));

我按照我在网上找到的任何内容查看了ParDo的原始源代码，但不确定需要做什么。我得到的错误是：

java.lang.IllegalArgumentException: ParDo requires its input to use KvCoder in order to use state and timers.

我查看了示例here和here。

我意识到这是一个简单的问题，但由于缺乏足够的示例或文档，我无法解决问题。我很感激任何帮助。谢谢！

Answer 1

好的，所以我继续研究这个问题，在阅读完一些资料后，我就能解决问题。事实证明，ParDo.of(new DoFn())的输入要求输入的格式为KV<T,U>。

因此，为了读取文件并为每一行创建索引，我需要通过Key Value Pair对象传递它。下面我添加了代码：

public static class FakeKvPair extends DoFn<String, KV<String, String>> {
  @ProcessElement
  public void processElement(ProcessContext c) {
    c.output(KV.of("", c.element()));
  }
}

并将管道更改为：

Pipeline p = Pipeline.create(options);

p.apply(TextIO.read().from("gs://randomBucket/file.txt"))
 .apply(ParDo.of(new FakeKvPair()))
 .apply(ParDo.of(new createIndex()));

这引发的新问题是是否保留了行的顺序，因为我在运送到createIndex()之前运行了额外的ParDo函数（可能会改变行的顺序）。

在我的本地计算机上保留了订单，但我不确定它是如何扩展到Dataflow的。但我会问这是一个不同的问题。

Apache Beam中有状态处理的问题

1 个答案: