Apache Beam 不支持 Kotlin Iterable？

Question

Apache beam 似乎拒绝识别 Kotlin 的Iterable 。 这是一个示例代码：

@ProcessElement
fun processElement(
    @Element input: KV<String, Iterable<String>>, receiver: OutputReceiver<String>
) {
    val output = input.key + "|" + input.value.toString()
    println("output: $output")
    receiver.output(output)
}

我收到以下奇怪的错误：

java.lang.IllegalArgumentException:
   ...PrintString, @ProcessElement processElement(KV, OutputReceiver), @ProcessElement processElement(KV, OutputReceiver):
   @Element argument must have type org.apache.beam.sdk.values.KV<java.lang.String, java.lang.Iterable<? extends java.lang.String>>

果然，如果我将Iterable替换为java.lang.Iterable ，相同的代码就可以正常工作。 我究竟做错了什么？

依赖版本：

• 科特林-jvm： 1.3.21
• org.apache.beam： 2.11.0

这是一个包含完整代码和堆栈跟踪的要点：

• https://gist.github.com/marcoslin/e1e19afdbacac9757f6974592cfd8d7f#file-apache-beam-iterable-notworking-kt

更新：

经过一些试验和错误后，我发现虽然List<String>抛出类似的异常，但MutableList<String>确实有效：

class PrintString: DoFn<KV<String, MutableList<String>>, String>() {
    @ProcessElement
    fun processElement(
        @Element input: KV<String, MutableList<String>>, receiver: OutputReceiver<String>
    ) {
        val output = input.key + "|" + input.value.toString()
        println("output: $output")
        receiver.output(output)
    }
}

所以，这让我想起 Kotlin 的不可变集合实际上只是接口，底层集合仍然是可变的。 但是，尝试用MutableIterable替换Iterable会继续引发错误。

更新 2 ：

我使用上面的MutableList部署了我的 Kotlin Dataflow 作业，但作业失败并显示：

java.lang.RuntimeException: org.apache.beam.sdk.util.UserCodeException: java.lang.ClassCastException:
org.apache.beam.runners.dataflow.worker.util.BatchGroupAlsoByWindowViaIteratorsFn$WindowReiterable cannot be cast to java.util.List
    at org.apache.beam.runners.dataflow.worker.GroupAlsoByWindowsParDoFn$1.output(GroupAlsoByWindowsParDoFn.java:184)
    at org.apache.beam.runners.dataflow.worker.GroupAlsoByWindowFnRunner$1.outputWindowedValue(GroupAlsoByWindowFnRunner.java:102)

我不得不切换回使用java.lang.Iterable 。

Answer 1

在ParDo之后使用GroupByKey时，我也遇到了这个问题。 事实证明，在编写接受GroupByKey结果的转换时，在Iterable泛型类型中需要@JvmWildcard注释。

请参阅下面的人为示例，该示例读取文件并按每行的第一个字符进行分组。

class BeamPipe {
  class ConcatLines : DoFn<KV<String, Iterable<@JvmWildcard String>>, KV<String, String>>() {
    @ProcessElement
    fun processElement(@Element input: KV<String, Iterable<@JvmWildcard String>>, receiver: OutputReceiver<KV<String, String>>) {
      receiver.output(KV.of(input.key, input.value.joinToString("\n")))
    }
  }

  fun pipe(options: PipelineOptions) {
    val file =
        "testFile.txt"
    val p = Pipeline.create(options)
    p.apply(TextIO.read().from(file))
        .apply("Key lines by first character",
            WithKeys.of { line: String -> line[0].toString() }
                .withKeyType(TypeDescriptors.strings()))
        .apply("Group lines by first character", GroupByKey.create<String, String>())
        .apply("Concatenate lines", ParDo.of(ConcatLines()))
        .apply("Write to files", FileIO.writeDynamic<String, KV<String, String>>()
            .by { it.key }
            .withDestinationCoder(StringUtf8Coder.of())
            .via(Contextful.fn(ProcessFunction { it.value }), TextIO.sink())
            .to("whatever")
            .withNaming { key -> FileIO.Write.defaultNaming(key, ".txt") }
        )
    p.run()
  }
}

Answer 2

这看起来像是 Beam Kotlin SDK 中的错误。 @ProcessElement方法的反射分析无法正常工作。 您可以通过使用ProcessContext ctx而不是使用@Element参数来解决此问题。

Answer 3

我对 kotlin 不是很熟悉，但似乎您需要先导入import java.lang.Iterable才能在代码中使用它。

Answer 4

当我们从 groupbykey.create() 获取可迭代对象时，我可以知道如何解决这个问题吗？ 我不能像你那样使用 javalang iterable 进行 groupbykey

Answer 5

对于那些遇到这个问题并在这里找到方法的人，我目前继续在 kotlin 中编写管道的解决方法是创建一个 Java 静态类，其中包含创建、包含和处理 Iterable 的函数。 然后可以将结果（以不可迭代的格式）传递回 kotlin。