google-cloud-dataflow - 非匿名 DoFn 中的访问端输入

Question

如果我的类扩展了 DoFn，如何访问侧输入的元素？

例如:

假设我有一个 ParDo 变换，如:

PCollection<String> data = myData.apply("Get data",
    ParDo.of(new MyClass()).withSideInputs(myDataView));

我有一个类:-

static class MyClass extends DoFn<String,String>
{
    //How to access side input here
}

c.sideInput() 在这种情况下不起作用。

谢谢。

Answer 1

在这种情况下，问题在于 DoFn 中的 processElement 方法无法访问主方法中的 PCollectionView 实例。
您可以在构造函数中将 PCollectionView 传递给 DoFn:

class MyClass extends DoFn<String,String>
{
    private final PCollectionView<..> mySideInput;

    public MyClass(PCollectionView<..> mySideInput) {
        // List, or Map or anything:
        this.mySideInput = mySideInput;
    }

    @ProcessElement
    public void processElement(ProcessContext c) throws IOException
    {
        // List or Map or any type you need:
        List<..> sideInputList = c.sideInput(mySideInput);
    }
}

然后在实例化它时将侧输入传递给类，并将其指示为侧输入，如下所示:

p.apply(ParDo.of(new MyClass(mySideInput)).withSideInputs(mySideInput));

对此的解释是，当您使用匿名 DoFn 时，process 方法有一个闭包，可以访问包含 DoFn 的范围内的所有对象(其中包括 PCollectionView)。当您不使用匿名 DoFn 时，没有闭包，您需要另一种传递 PCollectionView 的方法。