Google 数据流 Apache Beam

Question

我正在尝试使用 Apache Beam 创建数据流管道，但我无法按照文档进行操作，也找不到任何示例。

管道很简单。

创建管道
阅读 pub/sub 个主题
写信给扳手。

目前，我卡在了第 2 步。我找不到任何有关如何从 pub/sub 读取并使用它的示例。

这是我目前的代码，我想

class ExtractFlowInfoFn extends DoFn<PubsubMessage, KV<String, String>> {
    public void processElement(ProcessContext c) {
        KV.of("key", "value");
    }
}

public static void main(String[] args) {

    Pipeline p = Pipeline.create(
    PipelineOptionsFactory.fromArgs(args).withValidation().create());

    p.apply("ReadFromPubSub", PubsubIO.readMessages().fromSubscription("test"))
     .apply("ConvertToKeyValuePair", ParDo.of(new ExtractFlowInfoFn()))
     .apply("WriteToLog", ));
};

我能够通过遵循多个示例来想出代码。老实说，我不知道我在这里做什么。

请帮助我理解这一点，或者 link 我找到正确的文档。

Answer 1

从 Pub/Sub 中提取消息并写入 Cloud Spanner 的示例：

import com.google.cloud.spanner.Mutation;
import org.apache.beam.sdk.io.gcp.spanner.SpannerIO;
import org.apache.beam.sdk.transforms.DoFn.ProcessElement;

class MessageToMutationDoFn extends DoFn<PubsubMessage, Mutation> {

    @ProcessElement
    public void processElement(ProcessContext c) {

        // TODO: create Mutation object from PubsubMessage

        Mutation mutation = Mutation.newInsertBuilder("users_backup2")
            .set("column_1").to("value_1")
            .set("column_2").to("value_2")
            .set("column_3").to("value_3")
            .build();

        c.output(mutation);
    }
}

public static void main(String[] args) {

    Pipeline p = Pipeline.create();

    p.apply("ReadFromPubSub", PubsubIO.readMessages().fromSubscription("test"))
     .apply("MessageToMutation", ParDo.of(new MessageToMutationDoFn()))
     .apply("WriteToSpanner", SpannerIO.write()
         .withProjectId("projectId")
         .withInstanceId("spannerInstanceId")
         .withDatabaseId("spannerDatabaseId"));

    p.run();
}

参考：Apache Beam SpannerIO, Apache Beam PubsubIO

Google 数据流 Apache Beam

Google DataFlow Apache Beam

google-cloud-dataflow

apache-beam

google-cloud-spanner