如何从 PCollection<String> 创建 PCollection<Row> 以执行

Question

我正在尝试实现一个数据管道，它连接来自 Kafka 主题的多个无限源。我能够连接到主题并获取数据PCollection<String>，我需要将其转换为PCollection<Row>. 我将逗号分隔的字符串拆分为一个数组，并使用模式将其转换为行。但是，如何实现/构建架构并将值动态绑定到它？

即使我为模式构建创建了一个单独的类，有没有办法将字符串数组直接绑定到模式？

下面是我当前的工作代码，它是静态的，每次我构建管道时都需要重写，它也会根据字段的数量进行扩展。

final Schema sch1 =

                Schema.builder().addStringField("name").addInt32Field("age").build();

PCollection<KafkaRecord<Long, String>> kafkaDataIn1 = pipeline

  .apply(

    KafkaIO.<Long, String>read()

      .withBootstrapServers("localhost:9092")

      .withTopic("testin1")

      .withKeyDeserializer(LongDeserializer.class)

      .withValueDeserializer(StringDeserializer.class)

      .updateConsumerProperties(

         ImmutableMap.of("group.id", (Object)"test1")));

PCollection<Row> Input1 = kafkaDataIn1.apply(

  ParDo.of(new DoFn<KafkaRecord<Long, String>, Row>() {

    @ProcessElement

    public void processElement(

        ProcessContext processContext,

        final OutputReceiver<Row> emitter) {

          KafkaRecord<Long, String> record = processContext.element();

          final String input = record.getKV().getValue();

          final String[] parts = input.split(",");

          emitter.output(

            Row.withSchema(sch1)

               .addValues(

                   parts[0],

                   Integer.parseInt(parts[1])).build());

        }}))

  .apply("window",

     Window.<Row>into(FixedWindows.of(Duration.standardSeconds(50)))

       .triggering(AfterWatermark.pastEndOfWindow())

       .withAllowedLateness(Duration.ZERO)

       .accumulatingFiredPanes());

Input1.setRowSchema(sch1);

我的期望是以动态/可重用的方式实现与上述代码相同的事情。

Answer 1

该模式是在 pcollection 上设置的，因此它不是动态的，如果您想懒惰地构建它，那么您需要使用支持它的格式/编码器。Java 序列化或 json 就是例子。也就是说，为了受益于 sql 功能，您还可以使用带有查询字段和其他字段的静态模式，这样静态部分就可以执行 sql，并且不会丢失额外的数据。