java - 如何从 PCollection 创建 PCollection 以执行波束 SQL 转换

Question

我正在尝试实现一个数据管道，它连接来自 Kafka 主题的多个无限源。我能够连接到主题并获取数据为 PCollection<String>我需要将其转换为 PCollection<Row> 。我将逗号分隔的字符串拆分为数组，并使用架构将其转换为行。但是，如何实现/构建模式并动态地将值绑定(bind)到它？

即使我为架构构建创建一个单独的类，有没有办法将字符串数组直接绑定(bind)到架构？

下面是我当前的工作代码，它是静态的，每次构建管道时都需要重写，并且它也会根据字段的数量而延长。

final Schema sch1 =
                Schema.builder().addStringField("name").addInt32Field("age").build();

PCollection<KafkaRecord<Long, String>> kafkaDataIn1 = pipeline
  .apply(
    KafkaIO.<Long, String>read()
      .withBootstrapServers("localhost:9092")
      .withTopic("testin1")
      .withKeyDeserializer(LongDeserializer.class)
      .withValueDeserializer(StringDeserializer.class)
      .updateConsumerProperties(
         ImmutableMap.of("group.id", (Object)"test1")));

PCollection<Row> Input1 = kafkaDataIn1.apply(
  ParDo.of(new DoFn<KafkaRecord<Long, String>, Row>() {
    @ProcessElement
    public void processElement(
        ProcessContext processContext,
        final OutputReceiver<Row> emitter) {

          KafkaRecord<Long, String> record = processContext.element();
          final String input = record.getKV().getValue();

          final String[] parts = input.split(",");

          emitter.output(
            Row.withSchema(sch1)
               .addValues(
                   parts[0],
                   Integer.parseInt(parts[1])).build());
        }}))
  .apply("window",
     Window.<Row>into(FixedWindows.of(Duration.standardSeconds(50)))
       .triggering(AfterWatermark.pastEndOfWindow())
       .withAllowedLateness(Duration.ZERO)
       .accumulatingFiredPanes());

Input1.setRowSchema(sch1);

我的期望是以动态/可重用的方式实现与上述代码相同的效果。

Answer 1

架构是在 pcollection 上设置的，因此它不是动态的，如果您想延迟构建它，那么您需要使用支持它的格式/编码器。 Java 序列化或 json 是示例。

也就是说，为了受益于 sql 功能，您还可以使用带有查询字段和其他字段的静态模式，这样静态部分就可以执行 sql，并且不会丢失额外的数据。

罗曼