使用Google pub/sub更新单例HashMap

java google-cloud-platform publish-subscribe apache-beam bigdata

2022-09-03 08:12:34

我有一个用例，我初始化了一个包含一组查找数据（有关物联网设备的物理位置等的信息）的HashMap。此查找数据用作第二个数据集的参考数据，该数据集是 PCollection。此 PCollection 是一个数据流，用于提供 IoT 设备记录的数据。来自物联网设备的数据流使用Apache Beam管道，该管道利用Google Cloud pub/sub作为Google Dataflow运行。

当我处理PCollection（设备数据）时，我将Google Cloud pub/sub数据链接到HashMap中的相关查找条目。

我需要更新HashMap，基于第二个发布/订阅，将更改推送到其数据。以下是到目前为止我如何获得PCollection并使用HashMap进行查找：

HashMap ->包含预加载的查找数据（有关物联网设备的信息）

PCollection ->包含来自管道数据流的数据（IoT 设备记录的数据）

我正在为 IoT 设备查找数据生成一个哈希映射，作为单例：

public class MyData {

    private static final MyData instance = new MyData ();

    private MyData () {     
            HashMap myDataMap = new HashMap<String, String>();          
               ... logic to populate the map

            this.referenceData = myDataMap;

    }

    public HashMap<Integer, DeviceReference> referenceData;

    public static DeviceData getInstance(){
        return instance;
    }
}

然后，我在另一个类中使用HashMap，在该类中，我订阅了对数据的更新（这些消息例如，为我提供了与已存储在HashMap中的实体相关的新数据）。我正在订阅带有Apache beam的Google pub /sub的更改：

HashMap<String, String> referenceData = MyData.getInstance().referenceData;

Pipeline pipeLine = Pipeline.create(options);           

// subscribe to changes in data

org.apache.beam.sdk.values.PCollection myDataUpdates;

myDataUpdates = pipeLine.begin()
    .apply(String.format("Subscribe to data updates"),
        PubsubIO.readStrings().fromTopic(
                String.format("myPubSubPath")));

我想做的是有效地将数据更新应用于单例HashMap（即根据我的数据订阅操作HashMap）。我该怎么做？

我对Apache Beam的了解有限，我只知道如何对管道数据进行转换以创建另一个单独的。我认为这是Beam的重点，它是用于将大型数据集转换为不同的形式。有没有办法使用Apache Beam实现我需要的东西（基于发布/订阅更新数据集），或者有没有其他方法可以使用pub/sub更新HashMap？（我无法轮询数据，因为它会产生太多的延迟和成本，我需要使用订阅更新HashMap）。PCollection

Google云文档展示了一种直接订阅未链接到Apache Beam管道的Google Cloud pub/sub的方法。这是一个有希望的潜在解决方案，并依赖于以下Maven依赖关系：

<dependency>
  <groupId>com.google.cloud</groupId>
  <artifactId>google-cloud-pubsub</artifactId>
  <version>1.53.0</version>
</dependency>

但是，我遇到了一个冲突，这与Apache Beam的以下Maven依赖项存在冲突：

<dependency>
  <groupId>com.google.cloud.dataflow</groupId>
  <artifactId>google-cloud-dataflow-java-sdk-all</artifactId>
  <version>2.5.0</version>
</dependency>

这个问题记录在这里的一个单独的问题中 - Java应用程序中的Maven冲突与google-cloud-core-grpc依赖关系。从我所看到的来看，我使用哪个版本的Maven工件似乎并不重要，因为从我的发现来看，v.2.5.0 beam依赖项及以下版本似乎总是与Google依赖项的任何当前版本冲突。google-cloud-pubsub

（我已经在Beam Jira中提出了这个问题 - https://issues.apache.org/jira/browse/BEAM-6118)

我目前正在研究侧面输入，并作为实现HashMap更新的一种方式：combine

https://www.programcreek.com/java-api-examples/?api=org.apache.beam.sdk.transforms.Combine

示例 10 显示了一种可应用于 .我想知道我是否可以以某种方式将此应用于我对查找数据更改的订阅。如果我得到一个这样的，我不能直接链接到.getSideInputsMap()payloadPCollection.getSideInputsMap()PCollection

deviceReferenceDataUpdates = pipeLine.begin()
    .apply("Get changes to the IoT device lookup data"),
         PubsubIO.readMessages().fromTopic("IoT device lookup data")).

我专门问了一个关于我如何使用的单独问题 - Apache Beam - 如何将.getSideInputsMap应用于Google pub/sub的订阅？.getSideInputsMap()

答案 1

我在Apache Beam框架中找到了一种方法，如下所示（未完全测试）。

注意 - 考虑到@Serg M Ten对OP的评论，更好的方法可能是稍后合并数据，而不是尝试将查找数据作为转换处理的一部分。

单例哈希图

在这里看到我的答案 - 从其他类访问哈希映射

管道（在单线程上，在`main`)

// initialise singleton HashMap containing lookup data on bootstrap:
LookupData lookupData = LookupData.getInstance();

org.apache.beam.sdk.values.PCollection lookupDataUpdateMessage;

lookupDataUpdateMessage = pipeLine.begin()
                              .apply("Extract lookup update data", PubsubIO.readStrings().fromTopic("myLookupUpdatePubSubTopic"))
                              .apply("Transform lookup update data",
                                 ParDo.of(new TransformLookupData.TransformFn()));

                     org.apache.beam.sdk.values.PCollection lookupDataMessage;

变换

import java.io.Serializable;

import org.apache.beam.sdk.io.gcp.pubsub.PubsubMessage;
import org.apache.beam.sdk.transforms.DoFn;
import org.json.JSONObject;

import myLookupSingletonClass;
import myLookupUpObjectClass;
import com.fasterxml.jackson.databind.ObjectMapper;
import com.google.api.client.util.Strings;


public class TransformDeviceMeta

    public static class TransformFn extends DoFn<String, MyLookupData> {

        @ProcessElement
        public void processElement(ProcessContext c) 
        {   
            LookupData lookupData = LookupData.getInstance();

            MyLookupData myLookupDataUpdate = new MyLookupData();

            try 
            {           
                byte[] payload = c.element().getBytes();
                String myLookUpDataJson = new JSONObject(new String(payload)).toString();

                ObjectMapper mapper = new ObjectMapper();
                myLookUpDataUpdate = mapper.readValue(myLookUpDataJson , MyLookupData.class);

                String updatedLookupDataId = updatedLookupDataId.id;

                // logic for HashMap updating e.g:

                    lookupData.myHashMap.remove(updatedDeviceId);
                }
                else {
                    lookupData.myHashMap.put(updatedDeviceId, deviceMetaUpdate);    
                }
            } 
            catch (Exception ex) {
                Log.error(ex.getMessage());
                System.out.println("Error " + ex.getMessage());
            }
        }       
    }   
}

MyLookupData= 构成查找数据模型的类

答案 2

使用Google pub/sub更新单例HashMap

单例哈希图

管道（在单线程上，在main)

变换

管道（在单线程上，在`main`)