我正在编写一个简单的 apache beam 流管道,从 pubsub 主题获取输入并将其存储到 bigquery 中。几个小时以来,我以为我什至无法阅读消息,因为我只是试图将输入记录到控制台:
events = p | 'Read PubSub' >> ReadFromPubSub(subscription=SUBSCRIPTION)
logging.info(events)
当我将其写入文本时,效果很好!然而我对
logger
的呼叫从未发生过。
人们如何开发/调试这些流管道?
我尝试添加以下行:
events | 'Log' >> logging.info(events)
使用
print()
也不会在控制台中产生任何结果。
这是因为
events
是 PCollection
,所以您需要对其应用 PTransform
。
最简单的方法是将
ParDo
应用于 events
:
events | 'Log results' >> beam.ParDo(LogResults())
定义为:
class LogResults(beam.DoFn):
"""Just log the results"""
def process(self, element):
logging.info("Pub/Sub event: %s", element)
yield element
请注意,如果您想在下游应用进一步的步骤,例如在记录元素后写入接收器,我也会生成该元素。例如,请参阅此处的问题。
不使用 Map 的简单方法是通过 beam.LogElements() 内置日志转换。
所以你的代码可以变成这样,
p | 'Read PubSub' >> ReadFromPubSub(subscription=SUBSCRIPTION) | beam.LogElements()