Apache Beam入门及Java SDK开发初体验{cb_post_title_url}
1 什么是Apache Beam
Apache Beam是一个开源的统一的大数据编程模型，它本身并不提供执行引擎，而是支持各种平台如GCP Dataflow、Spark、Flink等。通过Apache Beam来定义批处理或流处理，就可以放在各种执行引擎上运行了。
目前支持的SDK语言也很丰富，有Java、Python、Go等。
1.1 一些基础概念
PCollection：可理解为数据包，数据处理就是在对各种PCollection进行转换和处理。
PTransform：代表数据处理，用来定义数据是怎么被处理的，用来处理PCollection。
Pipeline：流水线，是由PTransform和PCollection组成的集合，可以理解为它定义了数据处理从源到目标的整个过程。
Runner：数据处理引擎。 一个最简单的Pipeline例子如下：
从数据库读数据为PCollection，经过转化成为另一个PCollection，然后写回到数据库中去。
可以有多个PTransform处理同一个PCollection：
一个PTransform也可以生成多个PCollection：
2 Java开发初体验
们通过使用Java SDK来开发一个WordCount感受一下。 先引入必要的依赖，版本为2.32.0：
<dependency> <groupId>org.apache.beam</groupId> <artifactId>beam-sdks-java-core</artifactId> <version>$</version> </dependency> <dependency> <groupId>org.apache.beam</groupId> <artifactId>beam-runners-direct-java</artifactId> <version>$</version> </dependency>写Java主程序如下：
public class WordCountDirect { public static void main(String[] args) { PipelineOptions options = PipelineOptionsFactory.create(); Pipeline pipeline = Pipeline.create(options); PCollection<String> lines = pipeline.apply("read from file", TextIO.read().from("pkslow.txt")); PCollection<List<String>> wordList = lines.apply(MapElements.via(new SimpleFunction<String, List<String>>() { @Override public List<String> apply(String input) { List<String> result = new ArrayList<>(); char[] chars = input.toCharArray(); for (char c:chars) { result.add(String.valueOf(c)); } return result; } })); PCollection<String> words = wordList.apply(Flatten.iterables()); PCollection<KV<String, Long>> wordCount = words.apply(Count.perElement()); wordCount.apply(MapElements.via(new SimpleFunction<KV<String, Long>, String>() { @Override public String apply(KV<String, Long> count) { return String.format("%s : %s", count.getKey(), count.getValue()); } })).apply(TextIO.write().to("word-count-result")); pipeline.run().waitUntilFinish(); } }直接运行，默认是通过DirectRunner来执行的，即在本地即可执行，不用搭建。非常方便开发和测试Pipeline。 整个程序大概流程是： 从pkslow.txt文件里读取所有行，然后将每一行拆分为多个字符，计算每个字符出现的次数，输出到文件中word-count-result。 pkslow.txt文件内容如下：
执行后的结果文件如下所示：
3 总结
简单体验了一下，基于Beam的模型开发还是很简单，很好理解的。但它在各种平台上的执行效率如何，就还需要深挖了。 代码请查看：https://github.com/LarryDpk/pkslow-samples
posted on 2021-10-17 11:54 南瓜慢说 阅读(15) 评论(0) 编辑 收藏 举报 {post_comment_count}原文创作：南瓜慢说
原文链接：https://www.cnblogs.com/larrydpk/p/15416590.html
