如何使用Apache Beam Python SDK使用ParDo过滤PCollection的元素

Question

我有一个PCollection，我想使用ParDo从中筛选出一些元素。

在这里可以找到一个例子吗？

Answer 1

在Apache Beam Python SDK中，有一个Filter转换，该转换接收一个lambda并过滤掉return的所有元素False。这是一个例子：

filtered_collection = (beam.Create([1, 2, 3, 4, 5])
                       beam.Filter(lambda x: x % 2 == 0))

在这种情况下，filtered_collection将是PCollection，其中包含2和4。

如果要将其编码为传递给ParDo变换的DoFn，则应执行以下操作：

class FilteringDoFn(beam.DoFn):
  def process(self, element):
    if element % 2 == 0:
      yield element
    else:
      return  # Return nothing

您可以像这样应用它：

filtered_collection = (beam.Create([1, 2, 3, 4, 5])
                       beam.ParDo(FilteringDoFn()))

在那里，像以前一样，filtered_collection是一个PCollection包含2和4。