Question

我尝试了一个数据流作业，以从Google云存储中读取数据并写入本地计算机。我使用了DirectPipelineRunner。作业成功完成。但是我看不到本地计算机中写入的文件。我应该指定任何ip /主机名以及与输出位置参数相对应的本地位置吗？我如何在本地计算机上指定位置？

下面的命令：

gcloud dataflow jobs run sampleJobname1 --gcs-location gs://bucket/templatename1 --parameters inputFilePattern=gs://samplegcsbucket/abc/*,outputLocation=C:\data\gcp\outer,runner=DirectPipelineRunner

代码：

PCollection<String>  textData =pipeline.apply("Read Text Data", TextIO.read().from(options.getInputFilePattern()));
    textData.apply("Write Text Data",TextIO.write().to(options.getOutputLocation()));

Answer 1

之所以可能将其用作数据流作业，是为了将其输入和输出到云服务。

如果要写入本地计算机，则可以使用一个简单函数，该函数可以输入字符串并返回Void。在这里，您可以编写自定义Java代码以将文件保存在本地计算机中。您必须使用directrunner运行此数据流。

@SuppressWarnings("serial")
public static class SaveFileToLocal extends SimpleFunction<String>, Void> {

    @Override
    public KV<String, String> apply(KV<String, Iterable<String>> input) {

        String file_contents : input.getValue()

        // CODE TO WRITE THE TEXT TO LOCAL PATH
    }
}

如果您仍然无法使用上述方法实现这一目标，那么我建议您使用Cloud Storage API，并使用python或PHP代码执行相同的操作。

数据流从Google Cloud存储读取到本地计算机

1 个答案: