scala - 使用 Dataflow 将 PubSub 流写入 Cloud Storage 时出错

Question

使用 SCIO来自 spotify为 Dataflow 写一份工作, 以下 2 个例子 e.g1和 e.g2写一个 PubSub流到 GCS ，但以下代码出现以下错误

错误

Exception in thread "main" java.lang.IllegalArgumentException: Write can only be applied to a Bounded PCollection 

代码

object StreamingPubSub {
  def main(cmdlineArgs: Array[String]): Unit = {
// set up example wiring
val (opts, args) = ScioContext.parseArguments[ExampleOptions](cmdlineArgs)
val dataflowUtils = new DataflowExampleUtils(opts)
dataflowUtils.setup()

val sc = ScioContext(opts)


sc.pubsubTopic(opts.getPubsubTopic)
.timestampBy {
    _ => new Instant(System.currentTimeMillis() - (scala.math.random * RAND_RANGE).toLong)
  }
.withFixedWindows((Duration.standardHours(1)))
.groupBy(_ => Unit)
.toWindowed
.toSCollection
.saveAsTextFile(args("output"))


val result = sc.close()

// CTRL-C to cancel the streaming pipeline
    dataflowUtils.waitToFinish(result.internal)
  }
}

我可能将窗口概念与 Bounded PCollection 混淆，有没有办法实现这一点，或者我是否需要应用一些转换来实现这一点，任何人都可以提供帮助

Answer 1

我相信SCIO的saveAsTextFile下面使用 Dataflow 的 Write转换，仅支持有界 PCollections。 Dataflow 尚未提供直接 API 来将无界 PCollection 写入 Google Cloud Storage，尽管这是我们正在研究的问题。

要将无界 PCollection 保留在某处，请考虑例如 BigQuery、Datastore 或 Bigtable。例如，在 SCIO 的 API 中，您可以使用 saveAsBigQuery .