如何创建每隔一段时间进入 Apache Beam 管道的假数据流？

Question

我正在尝试创建小型 Apache Beam 流程序来测试想法，我认为获取数据最简单的方法是使用像Create.of这样的框架结构来创建假数据。 这样，我就不必进行过多的设置，例如将 GCP Pub/Sub 主题设置为源并发布到它。

问题是我想尝试基于时间的东西，比如窗口和使用状态和计时器。 我能够把它放在一起：

public class TestPipeline {
    public static void main(String[] args) {
        PipelineOptions options = PipelineOptionsFactory.create();
        Pipeline p = Pipeline.create(options);

        p.apply(Create.of(1, 2, 3))
            .apply(ParDo.of(new DoFn<Integer, String>() {
                @ProcessElement
                public void processElement(ProcessContext c) {
                    c.output(c.element().toString());
                }
            }))
            .apply(TextIO.write().to("myfile.txt"));

        p.run().waitUntilFinish();
    }
}

这实现了我在管道开始时发送三段数据的目标，但它同时发送了所有数据。 我更喜欢是否可以将其设置为每 10 秒发送一次数据，等等。

我从 Apache Flink ( https://ci.apache.org/projects/flink/flink-docs-release-1.10/getting-started/walkthroughs/datastream_api.html ) 中学习了本教程，其中显示了我正在尝试的示例去完成。 我深入研究了那个教程中的代码，但我无法确切地找出 Flink 框架的哪一部分实现了这一点。

Answer 1

我最终使用了TestStream类。 我发现UnBoundedSource类对于我的用例来说太难扩展了。 博客文章https://beam.apache.org/blog/2016/10/20/test-stream.html帮助我了解如何使用此类进行测试。

Answer 2

查看SyntheticBoundedSource和SyntheticUnboundedSource类！

它们让您可以对数据生成进行很多参数化，从键/值大小、记录发射之间的延迟等。您可以使用SyntheticSourceOptions选项接口对它们进行参数化，因此这也是检查可能的自定义的好地方。