ApacheBeam中无界PCollection的全局窗口的默认行为是什么?
创始人
2024-09-05 12:31:28
0

默认情况下,Apache Beam会在无界PCollection中为每个元素创建一个全局窗口。这意味着,每个元素都属于唯一的窗口,且窗口的边界为无限大。由于全局窗口没有边界,因此Beam Runner将在处理数据时不断等待新的数据到达。这种行为称为无限等待。

以下是一个基于Java的示例代码,展示了如何创建一个无界PCollection以及默认行为的实现:

Pipeline pipeline = Pipeline.create();

PCollection unboundedCollection =
        pipeline.apply(TextIO.read().from("input.txt"))
        .apply(Window.into(new GlobalWindows())
                .triggering(AfterWatermark.pastEndOfWindow())
                .withAllowedLateness(Duration.standardMinutes(10))
                .discardingFiredPanes())
        .apply(MapElements.via(new SimpleFunction() {
            @Override
            public String apply(String input) {
                return input.toUpperCase();
            }
        }));

unboundedCollection.apply(TextIO.write().to("output.txt"));

在上述示例代码中,我们通过应用 GlobalWindows() 方法来创建了一个无界PCollection的全局窗口。同时,我们也可以看到,定义了一个默认的触发器:AfterWatermark.pastEndOfWindow()。这意味着,我们想要在收到任何新元素时处理窗口,而无需考虑是否已到达窗口边界。默认的 allowed lateness 为 0,firing mode 为 discarding,表示元素已被丢弃。

注意,在没有显式定义触发器的情况下,Beam Runner将使用默认触发器:Repeatedly.forever(AfterPane.elementCountAtLeast(1)),这意味着在每个窗格中累积任意数量的元素时,Beam Runner将触发窗口处理。这对于有限数据集非常有用,但对于无限数据集来说则可能会导致问题,因为Beam Runner将不会在新数据到达时处理窗口。

因此,如果我们希望程序在一段时间内处理窗口并输出结果,我们需要显式地定义触发器,并将 allowed lateness 设置为适当

相关内容

热门资讯

前端-session、jwt 目录:   (1)session (2&#x...
linux入门---制作进度条 了解缓冲区 我们首先来看看下面的操作: 我们首先创建了一个文件并在这个文件里面添加了...
关于测试,我发现了哪些新大陆 关于测试 平常也只是听说过一些关于测试的术语,但并没有使用过测试工具。偶然看到编程老师...
前缀和与对数器与二分法 1. 前缀和 假设有一个数组,我们想大量频繁的去访问L到R这个区间的和,...
nodejs:本地安装nvm实... 一、背景-使用不同版本node的原因 vue3+ts、nuxt3版本,node...
JAVA集合知识整理 Java集合知识整理 HashMap相关 HashMap的底层数据结构:jdk1.8之...
无刷直流电机介绍及单片机控制实... 无刷直流电机介绍及单片机控制实例前言基本概念优势与劣势使用寿命基本结构使用单片机控制实例电子调速器&...
fwdiary(2) dp2 1.传纸条  AcWing 275. 传纸条 - AcWing 走两条路,走一条最大的...
常用的DOS命令 常用的DOS命令 DOS(Disk Operating System,磁...
<C++> 类和对象(下) 1.const成员函数将const修饰的“成员函数”称之为const成员函数,cons...