Go GCP Cloud PubSub 不批量发布消息

Question

我正在开发一个示例项目，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，而且我在多个地方读到每批 1k 条消息是理想的。我遇到的问题是，在我的一生中，我无法让它批量处理多条消息，我认为解决方案很简单，但我不知道如何去做。

这是我现在所拥有的，它所做的只是一次发布一条消息。

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
}

这个函数被调用:

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，是不是由于我调用函数 publish 的方式导致每条消息都被发布，并且 topic.PublishSettings 被每个方法调用覆盖，所以它忘记了以前的消息？我在这里不知所措。

我在这里看到了一些批量发布的代码:https://github.com/GoogleCloudPlatform/golang-samples/blob/master/pubsub/topics/main.go#L217

但他们实际上并没有在他们的示例中调用它，所以我不知道应该如何完成。

旁注并进一步证明我的观点它不起作用，如果我在 topic.PublishSettings var 中设置 DelayThreshold 说，1 秒，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。

感谢您的帮助，谢谢。

编辑#1:

所以根据 kingkupps 的评论，为了测试目的，我将代码切换为:(项目和主题名称从真实名称切换)

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")
}

现在它所做的是，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，但在后台，它仍将一个接一个地发布到 pubsub 端点。

我可以在 StackDriver 和 Wireshark 中看到这一点，我在 Stackdriver 中的消息/秒大约是 10-16/秒，Wireshark 显示每条消息发送的新连接。

Answer 1

这很可能是因为当你调用

topic.PublishSettings = pubsub.PublishSettings{
//字节阈值:5000，
计数阈值:1000，
//DelayThreshold: 1000 * time.Millisecond,
}


您正在将发布设置重置为零初始化结构。这会将 topic.PublishSettings.ByteThreshold 设置为 0，这意味着所有消息将立即发布；你告诉它等到它有 0 个字节，它总是有 0 个字节。

相反，您应该执行以下操作来设置 CountThreshold:

topic.PublishSettings.CountThreshold = 1000

其他领域也一样。它们已经初始化为默认值，如所述 here ，如果你想改变它们，直接修改它们而不是重新分配整个 PublishSetttings 对象。