TL;DR:如何在 Par.Do 转换中访问创建作业时传递给作业的参数?
我有两个模板,一个用于开发,一个用于生产,它们都工作正常,只是每个模板中有一个值需要不同。到目前为止,我一直在“硬编码”这个值,然后“运行”java 程序来构建模板(使用 DataflowRunner 运行程序)。但这很容易出错,如果我不太小心,我会尝试更新开发模板中的一些代码,并且无意中仍然从产品模板中设置了这个值。不好。
所以,我认为管道选项会很好,我只是在模板编译时甚至在模板运行时传递一个不同的参数,但我很难访问 Par.Do 转换中的值我需要它的地方。 如果我使用默认的运行器并在本地运行管道,它工作得很好,但是当我切换并构建模板时,该值始终是
null
。我可以使用以下代码重现此内容:
/*
imports...
*/
@SuppressWarnings("serial")
public class StarterPipeline {
private static final Logger LOG = LoggerFactory.getLogger(StarterPipeline.class);
static String orgId;
public interface MyOptions extends PipelineOptions {
@Description("Org Id")
@Default.String("123-984-a")
String getOrgId();
void setOrgId( String orgID );
}
public static void main(String[] args) {
PipelineOptionsFactory.register(MyOptions.class);
final MyOptions options = PipelineOptionsFactory.fromArgs( args ).withValidation().create()
.as( MyOptions.class );
orgId = options.getOrgId();
LOG.info( "orgId: " + orgId );
Pipeline p = Pipeline.create( options );
PCollection<String> someDataRows = p.apply("Get data from BQ", Create.of(
"string 1", "string2", "string 3"
) );
someDataRows.apply( "Package into a list", ParDo.of( new DoFn<String, String>() {
@ProcessElement
public void processElement( ProcessContext c ) {
LOG.info( "Hello? " );
LOG.info( "ORG ID: " + orgId );
}
}));
p.run();
}
}
云端的输出是:
2018-09-20 (16:16:49) Hello?
2018-09-20 (16:16:49) ORG ID: null
2018-09-20 (16:16:51) Hello?
2018-09-20 (16:16:51) ORG ID: null
2018-09-20 (16:16:53) Hello?
2018-09-20 (16:16:53) ORG ID: null
...
但是本地:
Sep 20, 2018 4:15:32 PM simplepipeline.StarterPipeline main
INFO: orgId: jomama47
Sep 20, 2018 4:15:35 PM simplepipeline.StarterPipeline$1 processElement
INFO: Hello?
Sep 20, 2018 4:15:35 PM simplepipeline.StarterPipeline$1 processElement
INFO: ORG ID: jomama47
Sep 20, 2018 4:15:35 PM simplepipeline.StarterPipeline$1 processElement
INFO: Hello?
Sep 20, 2018 4:15:35 PM simplepipeline.StarterPipeline$1 processElement
INFO: Hello?
Sep 20, 2018 4:15:35 PM simplepipeline.StarterPipeline$1 processElement
INFO: ORG ID: jomama47
Sep 20, 2018 4:15:35 PM simplepipeline.StarterPipeline$1 processElement
INFO: ORG ID: jomama47
这些是我用于模板的构建参数:
--project=the-project
--stagingLocation=gs://staging.the-project.appspot.com/staging/
--tempLocation=gs://staging.the-project.appspot.com/temp/
--runner=DataflowRunner
--region=us-west1
--templateLocation=gs://staging.the-project.appspot.com/templates/NoobPipelineDev
--orgId=jomama47
本地:
--project=the-project
--tempLocation=gs://staging.the-project.appspot.com
--orgId=jomama47
当我在 Dataflow 控制台(浏览器)中的参数字段中创建作业时,我尝试将参数传递给作业,参数字段为
orgId
和 jomama77
,但它仍然显示为 null。
抱歉帖子太长。
ValueProvider
,这样你就可以在运行时为不同的orgId
传递参数:
public interface MyOptions extends PipelineOptions {
@Description("Org Id")
@Default.String("123-984-a")
ValueProvider<String> getOrgId();
void setOrgId(ValueProvider<String> orgID);
}
然后从选项中读取它:
ValueProvider<String> orgId = options.getOrgId();
为了在 ParDo 中访问它,您可以将其作为参数传递给构造函数,例如 docs 中的示例:
someDataRows.apply( "Package into a list", ParDo.of( new CustomFn(orgId)));
其中
CustomFn
的构造函数将其作为参数并将其存储在 ValueProvider
中,以便可以从 ParDo 中访问它。请注意,现在您需要使用 orgId.get()
:
static class CustomFn extends DoFn<String, String> {
// access options from wihtin the ParDo
ValueProvider<String> orgId;
public CustomFn(ValueProvider<String> orgId) {
this.orgId = orgId;
}
@ProcessElement
public void processElement( ProcessContext c ) {
LOG.info( "Hello? " );
LOG.info( "ORG ID: " + orgId.get() );
}
}
现在您可以暂存模板并使用以下命令调用它:
gcloud dataflow jobs run $JOB_NAME \
--gcs-location gs://$BUCKET/templates/$TEMPLATE_NAME \
--parameters orgId=jomama47
这应该按预期工作:
使用
ValueProvider
当然是一种可能性(请参阅 Guillem 的回答),但是您可以通过直接使用该值来简化代码:
public interface MyOptions extends PipelineOptions {
@Description("Org Id")
@Default.String("123-984-a")
String getOrgId(); // Actual type here
void setOrgId(String orgID);
}
static class CustomFn extends DoFn<String, String> {
// This will serialize (String is Serializable)
private final String orgId;
public CustomFn(String orgId) {
this.orgId = orgId;
}
@ProcessElement
public void processElement(ProcessContext c) {
LOG.info("ORG ID: " + orgId);
}
}
存储在
DoFn
实例中的所有数据(不是 transient
)都需要是 Serializable
。 String
和所有原始类型都是。 ValueProvider
有效负载也需要是 Serializable
。
您也可以直接在您的
DoFn
中获取选项:
static class CustomFn extends DoFn<String, String> {
@ProcessElement
public void processElement(ProcessContext c) {
LOG.info( "ORG ID: " + c.getPipelineOptions().as(MyOptions.class).getOrgId();
}
}