我正在研究一个示例项目,该项目从bigquery获取输出并将其发布到pubsub。 bigquery的行输出可能大于100,000。我看到有批量发布的选项,并且我在多个地方都读到,每批1k消息是理想的选择。我遇到的问题是我一生都无法批量处理多封邮件,我认为解决方案很简单,但是我却错过了这样做的方法。
这是我现在拥有的,它所做的只是一次发布一封邮件。
func publish(client pubsub.Client, data []byte) (string, error) {
ctx := context.Background()
topic := client.Topic("topic-name")
topic.PublishSettings = pubsub.PublishSettings{
// ByteThreshold: 5000,
CountThreshold: 1000, // no matter what I put here it still sends one per publish
// DelayThreshold: 1000 * time.Millisecond,
}
result := topic.Publish(ctx, &pubsub.Message{
Data: data,
})
id, err := result.Get(ctx)
if err != nil {
return "", err
}
return id, nil
}
此函数的调用者:
for _, v := range qr {
data, err := json.Marshal(v)
if err != nil {
log.Printf("Unable to marshal %s", data)
continue
}
id, err := publish(*pubsubClient, data)
if err != nil {
log.Printf("Unable to publish message: %s", data)
}
log.Printf("Published message with id: %s", id)
}
其中qr是包含从bigquery查询返回的数据的结构片段。
现在,是否由于我如何调用函数publish
而使每个消息都被发布,而topic.PublishSettings
被每个方法调用覆盖了,所以它忘记了之前的消息?我在这里茫然。
我在这里看到了一些批处理发布代码:https://github.com/GoogleCloudPlatform/golang-samples/blob/master/pubsub/topics/main.go#L217
但是他们实际上并没有在示例中调用它,所以我不知道应该怎么做。
请注意并进一步证明我的观点它不起作用,如果我将DelayThreshold
变量中的topic.PublishSettings
设置为1秒,那么它只是每秒发布一条消息,而不是所有应该在内存中的消息。
感谢帮助。
编辑#1:
因此,使用kingkupps注释,出于测试目的,我将代码切换为以下代码:(项目名称和主题名称从真实名称转换为)
func QueryAndPublish(w http.ResponseWriter, r *http.Request) {
ctx := context.Background()
// setting up the pubsub client
pubsubClient, err := pubsub.NewClient(ctx, "fake-project-id")
if err != nil {
log.Fatalf("Unable to get pubsub client: %v", err)
}
// init topic and settings for publishing 1000 messages in batch
topic := pubsubClient.Topic("fake-topic")
topic.PublishSettings = pubsub.PublishSettings{
// ByteThreshold: 5000,
CountThreshold: 1000,
// DelayThreshold: 1000 * time.Millisecond,
}
// bq set up
bqClient, err := bigquery.NewClient(ctx, "fake-project-id")
if err != nil {
log.Fatalf("Unable to get bq client: %v", err)
}
// bq query function call
qr, err := query(*bqClient)
if err != nil {
log.Fatal(err)
}
log.Printf("Got query results, publishing now")
// marshalling messages to json format
messages := make([][]byte, len(qr))
timeToMarshal := time.Now()
for i, v := range qr {
data, err := json.Marshal(v)
if err != nil {
log.Printf("Unable to marshal %s", data)
continue
}
messages[i] = data
}
elapsedMarshal := time.Since(timeToMarshal).Nanoseconds() / 1000000
log.Printf("Took %v ms to marshal %v messages", elapsedMarshal, len(messages))
// publishing messages
timeToPublish := time.Now()
publishCount := 0
for _, v := range messages {
// ignore result, err from topic.Publish return, just publish
topic.Publish(ctx, &pubsub.Message{
Data: v,
})
publishCount++
}
elapsedPublish := time.Since(timeToPublish).Nanoseconds() / 1000000
log.Printf("Took %v ms to publish %v messages", elapsedPublish, publishCount)
fmt.Fprint(w, "Job completed")
}
现在的操作是,当我的消息计数为100,000时,它将在大约600毫秒内完成发布调用,但是在后台,它将仍然一一发布到pubsub端点。
我可以在StackDriver和Wireshark中看到这一点,其中我在stackdriver中的消息/秒大约为10-16 /秒,而Wireshark在发送的每条消息中显示新连接。
答案 0 :(得分:1)
这可能是因为您打电话时
topic.PublishSettings = pubsub.PublishSettings{
// ByteThreshold: 5000,
CountThreshold: 1000,
// DelayThreshold: 1000 * time.Millisecond,
}
您正在将发布设置重置为零初始化的结构。这会将topic.PublishSettings.ByteThreshold设置为0,这意味着所有消息都将立即发布。您告诉它等待直到它有0个字节,并且它始终有0个字节。
相反,您应该执行以下操作来设置CountThreshold:
topic.PublishSettings.CountThreshold = 1000
其他字段也是如此。它们已经按照here的描述初始化为默认值,如果要更改它们,请直接修改它们,而不是重新分配整个PublishSetttings对象。