写一个无限的收集到GCS

我在同一个主题上看到很多问题。但是，我仍然在写入GCS时遇到问题。我正在阅读pubsub的主题，并试图将其推广到GCS。我提到了this link。但是，在最新的束包装中找不到IOChannelUtils。写一个无限的收集到GCS

PCollection<String> details = pipeline 
      .apply(PubsubIO.readStrings().fromTopic("/topics/<project>/sampleTopic")); 

PCollection<KV<String, String>> keyedStream = details.apply(WithKeys.of(new SerializableFunction<String, String>() { 
     public String apply(String s) { 
      return "constant"; 
     } 
    })); 

    PCollection<KV<String, Iterable<String>>> keyedWindows = keyedStream.apply(Window.<KV<String, String>>into(FixedWindows.of(ONE_MIN)).withAllowedLateness(ONE_DAY) 
      .triggering(AfterWatermark.pastEndOfWindow().withEarlyFirings(AfterPane.elementCountAtLeast(10)) 
        .withLateFirings(AfterFirst.of(AfterPane.elementCountAtLeast(10), 
          AfterProcessingTime.pastFirstElementInPane().plusDelayOf(TEN_SECONDS)))) 
      .discardingFiredPanes()).apply(GroupByKey.create()); 

    PCollection<Iterable<String>> windows = keyedWindows.apply(Values.create());

这个我已经从堆栈溢出中的许多其他类似的话题。现在，我明白了，TextIO支持带有withWindowedWrites和withNumShards的无限PCollection写入选项。

裁判：Writing to Google Cloud Storage from PubSub using Cloud Dataflow using DoFn

但是，我不明白，我应该怎么做。

我正在尝试写入GCS，如下所示。

FilenamePolicy policy = DefaultFilenamePolicy.constructUsingStandardParameters(
      StaticValueProvider.of(outputDirectory), DefaultFilenamePolicy.DEFAULT_SHARD_TEMPLATE, ""); 

    details.apply(TextIO.write().to("gs://<bucket>/topicfile").withWindowedWrites() 
      .withFilenamePolicy(policy).withNumShards(4));

我没有足够的观点来为堆栈溢出中的这些主题添加注释，因此我将其作为一个不同的问题提出来。

来源

2017-08-04 Balu

我可以通过修改窗下方

PCollection<String> streamedDataWindows = streamedData.apply(Window.<String>into(new GlobalWindows()) 
      .triggering(Repeatedly 
        .forever(AfterProcessingTime 
          .pastFirstElementInPane() 
          .plusDelayOf(Duration.standardSeconds(30)) 
         )).withAllowedLateness(Duration.standardDays(1)).discardingFiredPanes()); 

streamedDataWindows.apply(TextIO.write().to(CLOUD_STORAGE).withWindowedWrites().withNumShards(1).withFilenamePolicy(new PerWindowFiles())); 


public static class PerWindowFiles extends FileBasedSink.FilenamePolicy { 

public ResourceId windowedFilename(ResourceId outputDirectory, WindowedContext context, String extension) { 

// OVERRIDE THE FILE NAME CREATION 
} 

}

给出解决这个问题。虽然我可以解决这个问题是这样，我仍然不知道这里的窗口概念。我会在找到它时添加更多细节。如果有人有更多的理解，请添加更多细节。谢谢

来源

2017-08-08 04:41:32 Balu

看看这个Pub/Sub to GCS Pipeline它提供了一个写入窗口文件到GCS的完整例子。

来源

2017-08-06 05:33:25

嘿..谢谢你的答案。我可以在几分钟之前完成它。我会用我采取的方法更新这个答案。再次感谢！ – Balu

写一个无限的收集到GCS

回答

相关问题