原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
专1杨旭钧－DTCC2017演讲-ApacheBeam介绍.PDF
Apache Beam介绍
杨旭钧
Apache Beam 中文社区
Apache Beam概要介绍
什么是Apache Beam?
Apache Beam 编程模型
• What/Where/When/How Beam Beam 其他语
Java Python 言
Beam Pipeline 的SDK
• Java 、Python Beam Model : Data Pipeline
Apache
Apache Apache Apache Cloud
Gearpum
内置一系列的Beam Runners Apex Flink Spark DataFlow
p
• Apache Apex
• Apache Flink Beam Model:Fn Runners
• Apache Gearpump
• Apache Kafka Executio Executio Executio
• Apache Spark n n n
• Google Cloud DataFlow
Beam支持的外部数据IO
● HDFS
● HBase
● JD B C
● MongoDB
● Elastic se ar c h
● Kafka
● Kin esis
● J M S
● MQTT
● Goog le - GCS, BigQuery, BigTab le, Datastore
Apache Beam 模型介绍
• PCollection – 窗口内基于时间戳元素的并行集合。
• Sources Readers – 产生时间戳元素的Pcollections 和水标。
• ParDo – 在Pcollection的元素上执行的并行处理函数。
• (Co)GroupByKey – shuffle group {{K: V}} → {K: [V]} 。
• Side inputs – PCollection 的全局视图，用于broadcast / joins 。
Apache Beam 模型介绍
• Window – 重新分配元素给窗口; 可能是数据依赖。
• Triggers – 基于窗口、水标、计数、延时进行流控。
Pcollection 介绍
Pipeline IO
读取输入数据—从文件中读取文本
PCollectionString lines =
p.apply(TextIO.Read.from(“gs://some/inputData.txt));
编写输出数据—保存数据到外部文件
PCollectionString lines =
p.apply(TextIO.Read.from(“gs://some/inputData.txt));
多对多输入和输出
Pcollection可从多个文件读取数据，也可以将
文档评论（0）