这可能是由于窗口在窗口范围内没有足够的数据触发groupbykey操作。可以尝试设置Watermark和窗口持续时间以确保Beam可以在窗口拆分时正确触发数据组合。 例如,在以下代码示例中,我们将使用10秒的窗口和1秒的水印,并将在窗口结束时触发组合操作:
p.apply("Read data from source", ReadFromPubSub(subscription=subscription))
.apply("Extract timestamp", WithTimestamps(lambda _: int(time.time())))
.apply("Add key and value", Map(lambda x: (x['key'], x['value'])))
.apply("Window into fixed intervals", WindowInto(FixedWindows(10)))
.apply("Add watermark", WithTimestamps(lambda x: x[1]-1))
.apply("Group by key", GroupByKey())
.apply("Do something with groups", ...))
在这个例子中,使用WithTimestamps将事件的时间戳设置为当前时间,然后使用FixedWindows将数据窗口化为10秒大小的窗口。接下来,使用AddTimestamps将每个事件的水印设置为事件时间戳减1秒,以便Beam可以在10秒窗口结束时触发groupbykey操作。最后,使用GroupByKey将数据按键分组,并对组执行某些操作。
重要提示:确保时间戳使用相同的时间单位(例如秒或毫秒),以避免可能的错误。