python中的Apache Beam：如何在另一个PCollection上重用完全相同的转换

Question

我的几个 PCollections（来自不同来源）必须以相同的方式解码。

hits = (msgs | 'Parse' >> beam.Map(parse)
    | 'Decode' >> beam.Map(decode_hit))

然后：

dummy_hits = (dummy_msgs | 'Parse' >> beam.Map(parse)
    | 'Decode' >> beam.Map(decode_hit))

多亏了我之前给它们的名字，如果我可以重用这些转换，那就太好了。我天真地尝试了这个：

dummy_hits = (dummy_msgs | 'Parse'
    | 'Decode')

但我的管道不会建立。（类型错误：需要一个 PTransform 对象，得到解析）。

我认为有可能作为管道模块的文档说明：“如果需要应用相同的转换实例，则应使用右移运算符来指定新名称（例如input | "label" >> my_tranform）”

这样做的方法是什么？只有这可能吗？

Answer 1

名称必须是唯一的，但由于您的步骤顺序相同，因此您可能想要创建这样的复合变换

https://beam.apache.org/get-started/wordcount-example/#creating-composite-transforms

所以这样做：

class ParseDecode(beam.PTransform):

  def expand(self, pcoll):
    return (pcoll
            | 'Parse' >> beam.Map(parse)
            | 'Decode' >> beam.Map(decode_hit))

这样你就可以做到这一点：

hits = (msgs | 'Parse msgs' >> ParseDecode()

然后这个：

dummy_hits = (dummy_msgs | 'Parse dummy msgs' >> ParseDecode()