Apache 光束列表到 PCollection

Question

我的輸入是 json 的列表，我想要一個多元素 PCollection。 這是我的代碼：

def parse_json(data):
    import json
    for i in json.loads(data):
        return i
data = (p
    | "Read text" >> beam.io.textio.ReadFromText(f'gs://{bucket_name}/not_processed/2020-06-08T23:59:59.999Z__rms004_m1__not_sent_msg.txt')
    | "Parse json" >> beam.Map(parse_json))

問題是當列表由 2 個元素組成時，我只得到列表的第一個元素。

我如何實現這一目標？

Answer 1

我發現。

在 Apache Beam 中有一個名為 ParDo 的 function 就是為了這個。

def parse_json(data):
    import json
    return json.loads(data)

data = (p
    | "Read text" >> beam.io.textio.ReadFromText(f'gs://{bucket_name}/not_processed/2020-06-08T23:59:59.999Z__rms004_m1__not_sent_msg.txt')
    | "Parse json" >> beam.ParDo(parse_json))