如何检索 PCollection 的内容并将其分配给普通变量？

Question

我正在将 Apache-Beam 与 Python SDK 结合使用。

目前，我的管道读取多个文件，解析它们并从其数据生成 pandas 数据帧。然后，它将它们分组到一个数据帧中。

我现在想要的是检索这个单一的胖数据帧，将其分配给一个普通的 Python 变量。

可以做吗？

Answer 1

PCollection只是执行图中的一个逻辑节点，其内容不一定实际存储在任何地方，因此这是不可能直接实现的。

但是，您可以要求管道将 写入PCollection文件（例如，将元素转换为字符串并与WriteToText一起使用num_shards=1），运行管道并等待其完成，然后从主程序中读取该文件。