google-bigquery - 通过 Google Cloud Dataflow 将 PubSub 消息插入 BigQuery

Question

我想使用 Google Cloud Dataflow 将来自主题的 PubSub 消息数据插入到 BigQuery 表中。
一切都很好，但在 BigQuery 表中，我可以看到不可读的字符串，例如“ㄧㄧㄆ”。
这是我的管道:

p.apply(PubsubIO.Read.named("ReadFromPubsub").topic("projects/project-name/topics/topic-name"))
.apply(ParDo.named("Transformation").of(new StringToRowConverter()))
.apply(BigQueryIO.Write.named("Write into BigQuery").to("project-name:dataset-name.table")
     .withSchema(schema)
     .withCreateDisposition(BigQueryIO.Write.CreateDisposition.CREATE_IF_NEEDED))

我的简单 StringToRowConverter 函数是:

class StringToRowConverter extends DoFn<String, TableRow> {
private static final long serialVersionUID = 0;

@Override
public void processElement(ProcessContext c) {
    for (String word : c.element().split(",")) {
      if (!word.isEmpty()) {
          System.out.println(word);
        c.output(new TableRow().set("data", word));
      }
    }
}
}

这是我通过 POST 请求发送的消息:

POST https://pubsub.googleapis.com/v1/projects/project-name/topics/topic-name:publish
{
 "messages": [
  {
   "attributes":{
"key": "tablet, smartphone, desktop",
"value": "eng"
   },
   "data": "34gf5ert"
  }
 ]
}

我错过了什么？
谢谢!

Answer 1

根据 https://cloud.google.com/pubsub/reference/rest/v1/PubsubMessage ，pubsub 消息的 JSON 有效负载是 base64 编码的。默认情况下，Dataflow 中的 PubsubIO 使用字符串 UTF8 编码器。您提供的示例字符串“34gf5ert”，当 base64 解码然后解释为 UTF-8 字符串时，准确地给出了“���”。